人类刚赢一次，AI一天就反杀！爆火「幽灵字体」被一句话攻破

新智元报道

【新智元导读】人眼秒懂、顶级AI全瞎的「幽灵字体」一夜爆火1700万播放，结果一句提示词就让GPT-5.6破防了。

人类好不容易「赢了」一回，结果不到一天又被AI反杀！

事情是这样 的，开发者Eric Lu发布了一个叫 做「Ghost Font」（幽灵字体）的视频。

结果刚发出来就爆了。

视频一夜播放1700万+。

它是一种用动态噪点视频写字的「反AI字体」实验：你在网页上敲几个字，系统会生成一段视频，组成字母的像素统一往上滑，背景噪点统一往下滑。

人眼靠运动感知秒懂。

但AI逐帧看，全是雪花。

Eric直接拿当前最强的两个模型开刀：Claude Fable和GPT-5.6 Sol Ultra。

结果双双翻车——两个模型都自信满满地读出了信息，但读出来的全是作者故意埋的诱饵文字，真正的隐藏消息连门都没摸到。

GPT-Sol 5.6 Ultra 尝试解码用幽灵字体书写的消息。该模型读取了隐藏的诱饵消息，但未能读取实际的运动消息。

想要自己体验也很简单：在网页上敲一行字，下载一段噪点视频发给朋友——人肉眼直接读，AI抓瞎。一条只有人类能收到的密信，就这么诞生了。

链接：https://www.mixfont.com/ghost-font

整个过程在浏览器本地完成，不经过任何服务器，连数据都不外传。

为啥人能秒懂、AI会瞎？

人眼有个与生俱来的本能，心理学上叫格式塔（Gestalt）「共同命运」法则：一群点朝同一个方向跑，你会自动把它们看成一个整体。就像天上一群大雁排成人字，你不需要一只只辨认，形状自己会跳进脑子里。

Ghost Font就利用了这一点：字母由朝上滑动的像素组成，背景噪点朝下滑——你的视觉皮层用了几百万年进化出的运动感知能力，0.1秒就完成了分离。

但视频一暂停，所有像素混作一团，任何一帧都是纯噪点。截图没用，逐帧分析也没用。

截图

而目前的多模态模型，本质上还是「图像模型套了个视频壳」：哪怕你喂它视频，它也是拆成一帧一帧分开看，就像把一部电影打散成几千张剧照，然后一张一张端详。

它压根不会「看运动」。Ghost Font钻的就是这个空子。

诱饵：专门给AI挖的陷阱

更损的是，Eric Lu还留了第二道保险：每段视频里都埋着一条诱饵信息。

这一招，专门防那些带本地代码执行环境的Agent——就算它们想到去分析像素运动，也大概率先撞上诱饵，然后自信收工，一本正经地汇报「破译成功」。

ChatGPT 5.5 Pro苦想了整整19分钟，最后幻觉出一条根本不存在的信息，连诱饵都没读对。

有人拿Gemini 3.1 Pro亲测，它一本正经地回复：SEND NUDES（发我裸照）——这条正是作者埋好的诱饵内容。

Claude Fable开了Max推理模式也没用，照样掉进诱饵坑里，自信地报出了错误答案。

Claude Fable 通过 Max 推理试图解码用 Ghost Font 书写的消息。该模型读取了隐藏的诱饵消息，但未能读取实际的运动消息

人类最后的密码，似乎守住了。

但只守住了一天。

一句话破防

提示工程大牛Riley Goodside出手了。

他没写代码，没搞多步推理链，没用什么fancy的Agent框架，只对GPT-5.6 Sol说了一句话：

组成字母的噪点向上滑，其余的向下滑。

就这一句方向提示。Sol用了1分56秒，读出了正确答案：RILEY WAS HERE.（Riley到此一游。）

一句话，连一句完整的prompt都算不上，就把整个「人类专属」的壁垒戳穿了。

还有人用两张相隔1.5秒的截图喂给ChatGPT 5.6，告诉它「背景在匀速运动」，模型直接做差分，字母也浮了出来。

这说明AI不是不能感知运动，而是默认不往那个方向想。一旦被点醒，所谓「人类直觉」的壁垒，薄得像张纸。

ZXX撑了十年，Ghost Font撑了一天

这一幕，历史上已经上演过一遍。

2013年，前NSA承包商、韩裔设计师Sang Mun发布了ZXX字体，一共六种变体——用迷彩、噪点、划线和假标记伪装字母，专治OCR光学字符识别。

那年头，这东西被捧成「监控免疫神器」，CNN、Salon争相报道，设计界奉为反抗监控的宣言。

可如今把ZXX的图片丢给ChatGPT 5.5，一次提问就全读了出来，连小字细节都不漏。十三年的「监控免疫」，在现代AI面前成了一道送分题。

ZXX撑了十年，Ghost Font只撑了一天。

Ghost Font真正探索的问题

所以Ghost Font真正在问的是——AI的感知离人类还差多远？

答案扎心了：就差一句提示词。

想想验证码就知道了。现在的CAPTCHA基本已经被AI按在地上摩擦，动态验证本来看着是条活路——机器看不懂，人一眼就过。

但Goodside刚刚证明，一句话就能教会AI「看动的东西」。这条活路能走多远，要打个问号。

再想想我们怎么考AI的。

一直都是拿静态图片出题，压根没怎么考过「看运动」这项能力。哪天真出一套动态视觉考卷，现在这批模型怕是要集体交白卷。

当然，这个漏洞也有保质期。能直接理解视频的原生多模态模型迟早会来——到那时候，看懂运动不再是需要人提醒的技巧，而是模型天生就会的事。

Eric Lu说要把Ghost Font开源，希望在AI接管一切的时代，人类还能留住一点独属于自己的创造力。

下一个「只有人类能看懂」的东西，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