48%的人把AI当成了真人，于是”视频图灵测试”被宣布击穿了——但另外那52%呢？
AI飞行客 48%的人把AI当成了真人，于是”视频图灵测试”被宣布击穿了——但另外那52%呢？
先说结论：这不是一次”击穿”，这是一次”接近抛硬币”。
这两天刷屏的一件事——AI 研究团队 Tavus 发布实时视频交互模型 Griffin，宣称它是”首个通过实时视频图灵测试的模型”。1700 万网友围观，一个身经百战的媒体标题党都写不出的数字：它击穿了视频图灵测试。
但如果你把这篇报道读到底，会看到两个被标题盖住的事实。
48%，是一个精心包装过的数字
实验是这样的：54 名参与者，被告知要和”另一名参与者”视频通话一分钟，聊今年最期待的事。屏幕另一端其实是 Griffin-Lite 实时生成的脸、声音和回应。
通话结束后，26 人认为对面是真人——48%。而上代系统在同样流程下，只有 41 人里的 1 人被当成真人，2.4%。
于是”从 2.4% 到 48%”这个对比，被做成了”击穿”的叙事。
先别急着惊叹。我们来拆这个实验设计：
第一，参与者事先被告知”将与另一名参与者视频通话”。 这句话本身就是一道强烈的心理暗示——你的默认预期是”对面是人”。这不是盲测，是”带预期的测试”。
第二，”是否怀疑对方是真人”这个问题，放在问卷最后才问。 参与者先被打分”自然程度、可信度、交流体验”，聊完一整个流程，最后才被冷不丁问一句”你怀疑过它不是人吗”。这个顺序会显著压低怀疑率——你已经沉浸地完成了一场社交，再回头承认”我刚被骗了”，是反直觉的。
第三，样本 54 人，对话 1 分钟。 一分钟能验证什么？真人的破绽往往藏在长对话里：前后矛盾、对具体经历的追问、突然打岔、需要共享记忆的话题。一分钟的”今年最期待的事”，恰恰是 AI 最擅长的安全闲聊区。
所以 48% 这个数字，我认为真实含义是：在高度友好的实验条件下，AI 把近一半的注意力不集中的陌生人骗过去了。 另外那 52% 呢？他们在同样的优厚条件下，依然识破或怀疑了。这个数字媒体不写。
技术确实在进步，但要看清楚进步在哪
公平地说，Griffin 背后的工程是扎实的，值得单独拿出来讲：
– 时延：H100 测试里，音频到达后效果出现在画面上的平均延迟 0.43 秒，约为比较对象中下一快方法的一半； – 生成方式：视频模块每段 320 毫秒实时生成 720p、25 帧视频，靠模型蒸馏和自回归训练把多步生成压成少步，改善长时间输出的稳定性； – 对话控制：引擎以小于 1 秒的间隔重新评估交流状态，能在对方一句话说到一半时决定暂停、继续或让出话轮——这才是”像人”的关键，不是脸，是节奏； – 声音：流式生成，约 10 秒参考音频即可克隆声音。
在英伟达的 VideoFDB 公开榜单上，Griffin-Lite 生成赛道总分 3.83，人类参考 3.92；感知赛道 3.73，人类参考 4.20。
注意这里：报告自己都承认”部分比较对象只接收音频，部分接收音视频，输入条件存在差异，排名不能直接推广”。也就是说，这个”领先”是在不完全公平的赛道上拿到的。
我真正在意的，不是它能不能骗过 48% 的人
Tavus 给这个品类起了个名字：HIM，Human Interaction Model，人类交互模型。这才是整件事最值得注意的地方——它把”通过图灵测试”从学术思想实验，变成了一句产品商标。
我的判断很直接：
第一，这个赛道的真实价值，不在”骗过多少人”，而在”什么时候该主动亮明身份”。
把这件事想清楚就明白了。视频通话之所以一直被当成”身份验证的最后一道保险”，是因为它成本高、难伪造。现在这道保险正在失效——但失效的不是”我能证明你是人”，而是”我不能再默认屏幕对面是人”。
这对谁影响最大？别忘了这段时间另一个热点：杀猪盘早就在用 AI 流水线，陪聊九成是模型。当”视频里露脸的是真人”这件事都不再可靠，我们失去的是一个社会级的信任锚点。
第二，”48% 通过”这种指标，是给投资人和媒体看的，不是给工程用的。
真正有实操价值的指标是：在用户已经知道可能面对 AI 的前提下，这个系统还能维持多高的自然度？在需要它明确说是 AI 的场景下，它的表情和语气能否自然地完成”我是 AI”的表达而不破坏体验？这些，才是 HIM 能不能落地的关键。
Tavus 报告里最诚实的一句话是：”『首次通过』目前仍是 Tavus 对实验结果的定义，且尚未全面开放预览，不排除存在画饼 Demo 的嫌疑。”
第三，视频图灵测试的”击穿”，本质是测错了对象。
图灵测试的原始版本测的是”机器能不能思考”。用”能不能骗过人类”来替代”能不能思考”，本身就站不住脚——骗过 48% 靠的是表情管理、话轮节奏和声音克隆，跟”智能”没半毛钱关系。
我们真正该问的不是”AI 像不像人”，而是”当 AI 可以被做得像一个不认识的人时，我们还能不能分得清该信谁”。
给你一个可操作的结论
如果你在做任何涉及身份核验的产品，别再把”视频通话”当成天然的真人证明。它正在从”强证据”降级为”弱信号”，而且降级速度比大多数人以为的快——2.4% 到 48%，只用了一代。
接下来该做的是： 1. 把”视频验证”从独立门槛，改成多因素里的一环； 2. 在需要确认真人的场景，加入只有真人才答得上来、且当场无法预判的动态问题（但注意，这类问题也会被追着攻破）； 3. 更重要的一条——主动接受”对方可能是 AI”作为默认假设，把设计重心从”防伪”转到”即便对方是 AI，我这边的流程也不会出事”。
1700 万网友围观的是一个漂亮的 Demo。但真正的问题在 Demo 之外：当眼见不再为实，我们靠什么建立信任？
这个问题的答案，不会出现在任何一份榜单上。