新智元报道

【导读】曾让人眼秒懂、人类顶级AI却完全失灵的刚赢「幽灵字体」（Ghost Font），一夜之间狂揽1700万播放量。反杀然而，爆火被句仅过一天，幽灵顶级模型GPT-5.6 Sol Ultra便在一条简单提示词的字体攻击下“破防”。

人类好不容易在对抗AI中赢得一次胜利，话攻却迅速被AI反扑。人类

事件起源：一夜爆火的刚赢「反AI字体」

开发者Eric Lu发布了一段名为「Ghost Font」（幽灵字体）的视频，随即引发全网轰动。反杀

视频发布后迅速病毒式传播，爆火被句单日播放量突破 1700万+。幽灵

这是字体一种基于动态噪点视频的「反AI字体」实验。其核心机制如下：
* 用户操作：在网页输入文字。话攻
* 生成原理：系统生成一段视频，人类其中构成字母的像素统一向上滑动，而背景噪点统一向下滑动。
* 视觉差异：
* 人眼：凭借运动感知能力，瞬间识别出字母形状。
* AI：逐帧分析时，看到的仅是混乱的雪花噪点。

Eric Lu直接挑战了当时最强的两个多模态模型：Claude Fable和 GPT-5.6 Sol Ultra。

结果双双失败——两个模型都自信满满地给出了答案，但读取的均为作者故意埋设的诱饵文字，真正的隐藏信息毫发未损。

GPT-Sol 5.6 Ultra 解码失败案例：该模型成功读取了隐藏的诱饵消息，但完全未能识别实际的运动消息。

体验方式

用户只需在网页输入一行字，即可下载一段噪点视频发送给他人。
* 接收者：肉眼可直接阅读。
* AI：无法解析。
* 隐私性：整个过程在浏览器本地完成，数据不经过服务器，确保绝对隐私。

体验链接：https://www.mixfont.com/ghost-font

原理解析：为何人能秒懂，AI却瞎？

1. 人类的「格式塔」本能

人眼拥有与生俱来的视觉处理本能，心理学称之为格式塔（Gestalt）的「共同命运」法则：当一群点朝同一方向运动时，大脑会自动将其识别为一个整体。
* 类比：如同观察天空中排成人字形的大雁，无需逐个辨认，形状会自动浮现。
* Ghost Font机制：利用字母像素上滑、背景噪点下滑的运动差异，视觉皮层利用进化数百万年的运动感知能力，在0.1秒内完成分离。

2. AI的「静态帧」局限

一旦视频暂停，所有像素混合，任何单帧均为纯噪点。截图或逐帧分析均无效。

目前的多模态大模型本质上是「图像模型套上视频壳」：
* 即使输入视频，模型也是将其拆解为独立帧进行分析。
* 如同将电影打散为数千张剧照逐一审视。
* 核心缺陷：模型缺乏真正的「运动感知」能力，Ghost Font正是利用了这一技术真空。

诱饵陷阱：专门针对AI Agent的防御

Eric Lu设置了第二道保险：诱饵信息。

每段视频中不仅包含隐藏的真实消息，还埋入了一条明显的诱饵信息。
* 目的：针对具备本地代码执行环境的AI Agent。
* 效果：即使AI尝试分析像素运动，也极大概率先撞上诱饵，从而自信地汇报「破译成功」，实则南辕北辙。

实测翻车案例：
* ChatGPT 5.5 Pro：苦思19分钟，产生幻觉，编造出根本不存在的信息，连诱饵都未读对。
* Gemini 3.1 Pro：一本正经地回复：SEND NUDES（发我裸照）——这正是作者预设的诱饵内容。

• Claude Fable：开启Max推理模式后，依然掉入诱饵陷阱，自信地报出错误答案。

Claude Fable 解码失败：通过 Max 推理试图解码，读取了隐藏诱饵，但未能识别实际运动消息。

至此，人类似乎守住了最后的密码防线。

但这一胜利，仅维持了一天。

破局：一句提示词瓦解壁垒

提示工程专家 Riley Goodside出手，未写代码，未使用复杂推理链或Agent框架，仅对 GPT-5.6 Sol输入了一句话：

“组成字母的噪点向上滑，其余的向下滑。”

仅凭这一句方向提示，Sol 模型在 1分56秒内成功读出正确答案：RILEY WAS HERE.（Riley到此一游）。

这一句话甚至算不上完整的Prompt，却直接戳穿了「人类专属」的技术壁垒。

此外，有人使用两张相隔1.5秒的截图喂给 ChatGPT 5.6，并提示「背景在匀速运动」。模型通过差分计算，成功提取出字母。

结论：AI并非无法感知运动，而是默认不往该方向思考。一旦被人类点醒，所谓「人类直觉」的壁垒薄如蝉翼。

历史重演：ZXX字体 vs 幽灵字体

这一幕在历史上已有先例。

2013年，前NSA承包商、韩裔设计师 Sang Mun发布了 ZXX字体。
* 特点：包含六种变体，利用迷彩、噪点、划线和假标记伪装字母，专门对抗OCR（光学字符识别）。
* 地位：当时被誉为「监控免疫神器」，获CNN、Salon等媒体争相报道，被视为反抗监控的设计宣言。

然而，如今将ZXX图片输入 ChatGPT 5.5，一次提问即可完整识别，连小字细节都不遗漏。十三年的「监控免疫」神话，在现代AI面前不堪一击。

• ZXX：坚守十年。
• Ghost Font：仅坚守一天。

深度思考：AI感知与人类的距离

Ghost Font真正探讨的核心问题是：AI的感知能力距离人类还有多远？

答案令人扎心：仅差一句提示词。

1. 验证码的困境

当前的CAPTCHA（验证码）已被AI轻易破解。动态验证码曾被视为一条活路——机器看不懂，人眼一眼过。但Goodside的证明表明，只要给予正确引导，AI也能学会「看动态」。这条活路能走多远，值得怀疑。

2. 评估体系的缺失

目前对AI的测试多基于静态图片，极少考察「运动感知」能力。若未来推出动态视觉考卷，现有模型恐将集体交白卷。

3. 未来的必然趋势

该漏洞具有「保质期」。能够原生理解视频的多模态模型终将到来。届时，理解运动将不再是需人类提醒的技巧，而是模型的天生本能。

Eric Lu表示计划将Ghost Font开源，希望在AI接管一切的时代，人类仍能保留一份独属于自己的创造力。

下一个「只有人类能看懂」的技术，还能撑几天？

参考资料：
* https://x.com/ericlu/status/2075876651574210643
* https://x.com/goodside/status/2076361122328858829

编辑：所罗门