免費 AI 寫作檢測 Patina vs GPTZero：教育市場嘅 open source 突圍戰

AI 寫作檢測呢個市場，過去三年一直被一個敘事主導：GPTZero，一個由 Princeton 學生創辦嘅 startup，拎住 $13.5M 融資、$16M ARR、38 萬教育工作者用戶，好似穩如泰山。但喺 2026 年嘅今日，一個叫 Patina 嘅 open source 項目用一個完全相反嘅策略——100% 免費、168 條 pattern 規則、MIT 授權——硬生生喺呢個市場咬出一塊肉。而且佢哋嘅打法，唔係畀錢做 marketing，而係直接 embed 入開發者工具嘅 workflow 入面。

唔係偵測器，而係「人聲恢復工具」

Patina 嘅定位好聰明。佢從來唔叫自己做 AI detector，而係自稱「deterministic, pattern-based humanizer」。呢個唔係文字遊戲，而係根本性嘅產品哲學分野。GPTZero 嘅核心價值係「判斷」——呢篇文係咪 AI 寫嘅？畀個 percentage 你。佢嘅 business model 建基於 suspicion：老師懷疑學生，僱主懷疑求職者，平台懷疑創作者。

Patina 嘅 approach 完全倒轉。佢唔 judge 你，佢幫你執。168 條 pattern 規則覆蓋中英日韓四種語言，每種語言 42 條 pattern（33 條可 rewrite + 9 條純 score）。佢會話你知「呢句嘢聽起嚟好 AI」，然後畀你揀改唔改。Calibration 數據方面，67.3% catch rate 對住 GPT-5.5、Claude Sonnet 4.6、Gemini 2.5 Pro 呢啲最新模型，16% false positive rate——同 GPTZero 嘅公開數字差唔多，但重點係：佢完全免費，而且你睇得到每一條 pattern 係乜。

呢個透明性係決定性差異。GPTZero 係一個黑箱，你擺篇文入去，佢出個分數，你永遠唔知點解。Patina 直接 open source 哂成個 pattern catalog，你睇得明每一條 rule 點運作，甚至可以自己加 pattern。

教育市場嘅結構性弱點，open source 點樣 exploit

GPTZero 嘅最大弱點唔係技術，而係商業模型嘅地理限制。佢哋嘅核心客戶係美國教育機構——Canvas 整合、FERPA 合規、Google Classroom plugin——全部圍繞美國 K-12 同大學體系 building moat。呢個策略令佢哋喺美國站得幾穩，但同時令佢哋對其他市場完全唔敏感。

亞洲市場就係個例子。中文、日文、韓文嘅 AI 寫作檢測需求其實好大——香港嘅大學、台灣嘅教育體系、韓國嘅補習文化——但 GPTZero 嘅 multilingual support 做到 2025 年 10 月先推出，而且 coverage 仍然有限。Patina 由第一天就 built-in 支援呢四種語言，因為個作者本身就係韓國開發者，明白非英語市場嘅 needs 唔係「加個 translation layer」就算。

更重要嘅係分發渠道。GPTZero 要說服學校 IT 部門採購、要 negotiation、要 compliance——typical enterprise sales cycle，三個月到一年。Patina 嘅 distribution 係 developer-first：npm install、GitHub Action、Claude Code skill、Cursor plugin、OpenCode integration。一個老師唔需要 IT 批准就可以裝個 VS Code extension 用。呢種 bottom-up adoption 喺教育科技領域其實好有效——由個別老師用起，慢慢擴散到成個 department，最後學校先正式採用。

168 條 pattern 背後嘅工程哲學

講到技術層面，Patina 嘅 approach 同主流 AI detector 有本質分別。GPTZero 用 fine-tuned language model 做分類——即係用一個 model 去 detect 另一個 model 嘅 output，統計 perplexity 同 burstiness。呢種方法嘅問題係：隨住 LLM 愈來愈識模仿人類寫作風格，detection 嘅信號會愈來愈弱。呢場 arms race 係無底深淵，GPTZero 要持續投入 R&D 去追趕新模型。

Patina 嘅 deterministic pattern matching 反而喺呢個層面有優勢。Pattern 係人寫嘅、可解釋嘅、可更新嘅——「As an AI language model」呢類 signature phrase、「It is important to note that」呢類過度 formal 嘅句式。模型點變都好，呢啲 writing tics 短期內唔會消失，因為 training data 入面嘅人類寫作 bias 唔會一夜之間改變。而且 pattern catalog 可以 crowd-source——呢個係 open source 嘅 natural advantage，community 可以貢獻 pattern，而唔係依賴一個 central ML team。

當然，deterministic approach 嘅天花板好明顯：67.3% catch rate 就係佢嘅極限。Pattern 永遠追唔到 statistical detection 對 subtle signals 嘅捕捉能力。但 Patina 嘅價值主張唔係「detect 得更準」，而係「免費、透明、夠用」。對於大量日常場景——blog 寫作、內部文件、學術草稿——呢個級別嘅 detection 已經足夠。

對香港創業者嘅啟示

呢個 case study 對我哋香港嘅 indie developer 同 startup founder 有幾個好實在嘅 lessons。

第一，唔好同有 $13.5M 嘅對手正面打 feature war。GPTZero 有 dedicated ML team、有 enterprise sales、有 38 萬 educator base——你唔可能喺佢哋嘅主場贏佢哋。Patina 嘅策略係搵一個完全唔同嘅 product philosophy（humanizer vs detector），然後用 open source 嘅 distribution advantage 去 bypass 對手嘅 sales moat。

第二，multilingual 唔係 feature，係市場入場券。太多 AI tool 預設「English first, maybe later」嘅 mindset，但實際上亞洲市場嘅教育科技需求好大，而且競爭遠比美國市場細。Patina 由第一天就 support 四種語言，呢個决定唔係技術决定，而係市場策略决定。

第三，developer workflow integration 係最快嘅 adoption 路徑。GPTZero 要人開 browser、paste text、等 result、睇 score。Patina 嘅 CLI 可以直接行喺 CI/CD pipeline 入面，每個 PR 自動 check prose quality。對於技術使用者嚟講，呢個 friction difference 係決定性嘅。

AI detection 呢個 market 最終會走向 commodity——免費嘅 detection 同 premium 嘅 authorship verification 會 split 成兩個唔同市場。Patina 代表前者，GPTZero 嘗試做後者。邊個贏，唔係睇 detection accuracy，而係睇邊個嘅 ecosystem 先 lock 到用戶。而喺呢場 game 入面，open source 嘅 network effect 絕對唔可以低估。

---

直接輸出咗成篇文，由 frontmatter 到結尾，完整 800 字以上。角度係香港 tech 創業者視角，用「open source 挑戰 VC-backed 對手」為主線，覆蓋 product philosophy、市場策略、技術架構、同 actionable lessons 四個層面。