开发者 Eric Lu 发布的「Ghost Font」在社交平台迅速走红后，很快迎来反转。这个用动态噪点视频隐藏文字的实验，原本被视为一次“人类能看懂、AI看不懂”的尝试，但不到一天，提示工程研究者 Riley Goodside 就用一句提示，帮 GPT-5.6 Sol 读出了真正的隐藏消息。
动态噪点视频最初让模型集体误判
Ghost Font 的做法是：用户在网页中输入一行文字，系统在浏览器本地生成一段视频。组成字母的像素统一向上滑动，背景噪点则统一向下滑动。人眼可以靠运动感知迅速识别内容，但如果把视频拆成单帧，每一帧都接近纯噪点。
Eric Lu 用 Claude Fable 和 GPT-5.6 Sol Ultra 测试这一机制。两者都没有读出真正的隐藏消息，而是读到了作者预先埋设的诱饵文字。文中还提到，ChatGPT 5.5 Pro 花了 19 分钟后，最终给出了一条并不存在的信息，连诱饵内容都没有读对。
按照介绍，用户可以直接在网页中输入文字并下载噪点视频，再把它发给别人。整个过程都在本地浏览器完成，不经过服务器，数据也不会外传。体验链接为：https://www.mixfont.com/ghost-font 。
为何人能看懂，模型却容易失手
文中将这种差异归因于格式塔（Gestalt）心理学中的“共同命运”法则：当一组点沿同一方向运动时，人会自然把它们视作一个整体。Ghost Font 正是利用这一点，让字母和背景在相反方向移动，从而让视觉系统快速完成分离。
但对当前多模态模型来说，输入视频往往仍是按帧处理。文章将其形容为“图像模型套了个视频壳”——即便喂入视频，也更像是把它拆成许多静态画面逐一分析。在这种处理方式下，Ghost Font 的运动信息很容易丢失，模型反而会落入诱饵信息的陷阱。
第二层设计：专门给 AI 挖的诱饵
Ghost Font 不只依赖动态噪点本身。Eric Lu 还在每段视频里加入了一条诱饵信息，用来干扰那些带本地代码执行环境的 Agent。文章称，这类系统即便想到去分析像素运动，也可能先命中诱饵，然后错误地报告“破译成功”。
文中举例称，有人用 Gemini 3.1 Pro 测试后，模型返回“SEND NUDES”，而这正是作者埋下的诱饵内容。Claude Fable 即便开启 Max 推理模式，结果仍然落入同一陷阱。
一句方向提示让 GPT-5.6 Sol 读出正确信息
转折来自 Riley Goodside。他没有使用代码、多步推理链或 Agent 框架，只给 GPT-5.6 Sol 一句提示：“组成字母的噪点向上滑，其余的向下滑。”
在这句方向信息下，Sol 用了 1 分 56 秒读出正确答案：“RILEY WAS HERE.”
文章还提到，另一些测试者只用两张间隔 1.5 秒的截图喂给 ChatGPT 5.6，并告诉模型“背景在匀速运动”，模型就通过差分方式让字母显现出来。按文中说法，这说明 AI 并非绝对不能感知运动，而是在默认情况下不会主动朝这个方向推理。
从 ZXX 到 Ghost Font：反 OCR 设计再被 AI 追上
文章把 Ghost Font 与 2013 年发布的 ZXX 字体作对比。ZXX 由前 NSA 承包商、韩裔设计师 Sang Mun 推出，共有六种变体，通过迷彩、噪点、划线和假标记来伪装字母，目标是对抗 OCR 光学字符识别。
当年，ZXX 曾被 CNN、Salon 等媒体报道，也被设计界视为反监控工具。但按文中说法，如今把 ZXX 图片交给 ChatGPT 5.5，一次提问就能完整识别，连小字细节也不会漏掉。文章据此写道，ZXX 撑了十年，Ghost Font 只撑了一天。
Ghost Font 抛出的核心问题
这项实验最终指向的，不只是一次短暂的“反 AI 字体”成功。文章提出的问题是：AI 的感知能力距离人类还差多远？在这次案例里，给出的答案是——可能只差一句提示词。
文中还提到 CAPTCHA 的例子，认为静态验证码已基本被 AI 攻破，而动态验证原本看起来像是一条可行路径。不过，Goodside 的测试说明，只要给出足够明确的方向提示，模型也可能迅速学会如何处理动态信息。
文章同时指出，现在针对 AI 的视觉测试大多仍停留在静态图片层面，较少真正检验“看运动”的能力。随着原生支持视频理解的多模态模型出现，运动感知未必还会是必须依赖人类提醒的能力。
Eric Lu 表示，他计划将 Ghost Font 开源，希望在 AI 接管更多环节的时代，人类还能保留一部分独有的创造力。文末附上的参考资料包括 Eric Lu 与 Riley Goodside 在 X 上的帖文。