AI token 值多少？野生 AI 生成网页文本的缩放规律研究

研究对 2026 年 6 月网页数据做 FineWeb 质量过滤后发现，27.5% 的 token 被 Pangram 判定为 AI 生成，到 8 月升至 31.1%。这类野生 AI 文本来自多个模型、面向人类读者且未标注，作者预训练 800 个语言模型，改变 AI token 与人类 token 的配比并拟合缩放规律，以考察其对语言模型预训练的影响。