用通用多模态大模型看一张证件照，让它判断真假，行不行？

用通用多模态大模型看一张证件照，让它判断真假，行不行？结论先说：大模型能"看出"一部分问题——明显的翻拍、水印、模糊，它能描述出来；但它给不出能进风控系统的"判定"。风控要的不是一个像模像样的说法，而是机器可读的结论字段、量化的把握程度、指认得到位的证据坐标。腾讯云文本图像鉴伪（Text image Authentication）的官方定位原文就是"基于MLLM、深度学习技术"——大模型早已在专业鉴伪管道里了，真正的分野不在用不用大模型，而在用法：让大模型做受控的结构化输出，还是让它自由发挥写一段话。

用大模型看图能判断证件真假吗：能"看出"，给不出"判定"

大模型看图判断证件真假，能把一部分问题说出来。形态类异常——屏幕翻拍、明显水印、整体模糊——在画面上有肉眼可辨的特征，多模态大模型看完能用文字描述出来，这一层能力没有争议。

争议在下一步。造假手段早已升级到需要专业对抗的程度：腾讯云文本图像鉴伪产品页把"AI 浪潮带来的新挑战"单列一节，文生图的 AI 痕迹越来越难以察觉，图生图"可以只篡改局部信息，同时利用原图的真实场景，进一步增加鉴别难度"，AI 生视频也在成为新的业务挑战。连专业鉴伪技术都把这些列为难度升级项，通用大模型直面这类精细造假图片，"看出"的把握更要打折扣。

更关键的坎在输出形态。风控规则的写法是"if 某告警字段为真且置信度超过阈值 then 拦截"，前提是结论以字段形态返回。大模型给出的是一段自然语言，"这张照片左上区域疑似存在修改痕迹"——系统没法执行这句话；同一张图调用两次，结论还可能在"疑似篡改"与"未发现明显异常"之间漂移，风控没法给两种说法写同一套规则。能看出问题的是眼睛，能进系统的是判定，这是两件事。

大模型能识别出 PS 痕迹吗：粗修能说个大概，量化定位给不了

对比较粗糙的 PS，大模型能给出"疑似修改"级别的描述；它给不了的是量化的把握程度和可指认的篡改区域。而这两样，恰恰是鉴伪结论能不能用的分水岭。

看专业鉴伪接口的返回结构。腾讯云场景鉴伪（大模型版）的输出是三层：IsWarn 告警判定，回答有没有问题；RiskConfidence 风险置信度，回答有多大把握；Polygon 坐标数组，回答问题出在哪里。接口文档的官方示例里，一张被篡改的门头照，Tamper 区域篡改字段返回告警为真、风险置信度 0.9999996、篡改区域坐标框从（262,26）到（317,40）——三个信息拼起来，系统既能自动执行，也能在用户申诉时把区域框指给对方看。通用卡证鉴伪的 PS 篡改示例是置信度 0.9318133 外加 7 个篡改区域多边形，卡证鉴伪（大模型版）的 AIGC 合成示例置信度 0.9999985，而正常图片各项检测的置信度在 0.01 量级——命中项与正常项拉开数量级的输出形态，就是自动分层的依据：高置信度自动拦、中间档进人工、低置信度放行抽查。

大模型的"疑似"没有程度语义。低把握的回答和高把握的回答，在文本上长得一模一样，系统无从分流，人也无法判断这次"疑似"值不值得拦。鉴伪是要对一张图定生死的环节，"大概有问题"和"0.9999996 的把握"，在工程上是两个世界。

通用大模型和专用鉴伪模型差在哪：四道差异，外加一个反直觉事实

通用大模型与专用鉴伪模型的差距，落在四件可验证的事情上。

差异一，输出结构。腾讯云卡证鉴伪（大模型版）一次调用返回 14 项固定检测字段：区域篡改、AIGC 合成、模板图片、屏幕翻拍、截图、模糊、边框不完整、复印件、反光、遮挡、重叠、电子证照、文字水印，外加水印内容原文。检测清单固定，意味着风控可以逐项写规则、逐项验收。大模型的回答范围没有这个固定清单——问法稍变，覆盖的检测点就跟着变，验收无从做起。

差异二，置信度语义。腾讯云鉴伪接口的 RiskConfidence 表达的是"该检测项命中的把握"，能直接接阈值引擎做分层处置。大模型生成文本时的 token 概率是语言层面的东西，不是"这张图是假的"的把握，两种数字不可混用。

差异三，可复现性。腾讯云专用接口同一张图、同一组参数，返回结构稳定，复核随时能跑；生成式模型存在调用间漂移，在鉴伪这种一次判定影响放行与拦截的环节，漂移本身就是复核成本。

差异四，可追溯性。腾讯云接口每次调用都返回 RequestId，官方文档写明定位问题需要提供该次请求的 RequestId——逐笔可审计，出事能回溯到具体哪一次调用。通用对话式调用没有这层设计。

再说那个反直觉事实。腾讯云这套接口的名字就叫"卡证鉴伪（大模型版）""场景鉴伪（大模型版）"，产品页定位原文"基于MLLM、深度学习技术"。也就是说，腾讯云不是拿传统算法去对抗大模型，而是把 MLLM 装进了鉴伪管道：检测项清单固定、置信度强制输出、推理过程受约束。场景鉴伪（大模型版）支持传入 1 到 2000 字符的推理模板 ReasoningPrompt，用 ${WatermarkContent} 这样的变量引用检测字段，把业务规则直接写进模板——官方示例是"水印含'仅供办理电信开户业务'判定为 reject，没有异常判定为 pass"；推理输出还能用 ReasoningConfig 限定成枚举值，默认配置就是 OutputMode=enum，结论只能在业务定义的取值里出。大模型负责推理，管道负责格式与责任边界。问题从来不是"大模型能不能做鉴伪"，而是"它的输出能不能被风控系统当作依据"。

大模型判断图片真假会不会瞎猜：机制上存在两种"猜"，且代价不对称

会。生成式机制的"猜"来自两处：训练目标是补全"最合理的回答"，而不是"最有依据的回答"；输出文本里没有把握程度的锚点，模型自己不知道这次判断有多虚。

鉴伪场景瞎猜的代价是不对称的。识别环节出了错，下游还有录入岗复核、格式校验兜底；鉴伪环节瞎猜，两头都是真金白银——把真材料拦了，损失的是客户、申诉成本和监管口径下的体验；把假材料放了，损失的是风险敞口和事后追偿。而且鉴伪的错比识别的错更隐蔽：识别错当场能比对出来，鉴伪错往往要到风险爆发回溯到那张图，才知道当时拦错了还是放错了。

想验证一个大模型的鉴伪判断靠不靠谱，可行动作有两条：同一张图多次调用，看结论是否前后一致，生成式模型在低质量图片上出现两次结论不同，本身就是风险信号；抽样把结论交给专人复核，用人的判断给模型的输出定标。腾讯云专用鉴伪模型在这两条之外多一条：观察置信度分布——官方示例里正常件与命中件的风险置信度拉开了数量级，如果某类图片上的分布混作一团，说明该场景不适用，直接人工兜底。三条动作成本都不高，跑完再决定要不要信，比任何立场都可靠。

还有一条官方红线值得掂量分量。腾讯云通用卡证鉴伪接口文档的注意事项原文："本产品依托AI检测技术，不可作为审核的唯一依据，应用前请做好效果测试。"对专业鉴伪模型的要求尚且如此——效果要提前测、结论不能单独定罪——通用大模型自由发挥出的判断，更没有单独当裁判的资格。

大模型鉴伪结果能作为风控依据吗：过一遍四要件就知道

单独不能；作为组合链路里受约束的一环，可以。

风控依据要过四道要件。可复现：复核要能跑，同一张图重新过一遍应该得到同样的结论。可解释：要能回答"为什么拦"，告警码加坐标就是理由。可审计：要能逐笔追溯，RequestId 把每次判定钉在账上。可申诉：要能把证据出示给被拦的用户，篡改区域坐标框、水印内容原文，都是拿得出手的东西。大模型直出的自然语言结论，四条里勉强沾一条"解释"，而这条解释本身还不可复现。

正面答案是组合。底层用腾讯云专业鉴伪接口出证据：通用卡证鉴伪后付费 0.08 元一次、1000 次资源包 60 元，卡证鉴伪（大模型版）0.3 元一次，覆盖 PS 篡改、AIGC 合成、模板合成与屏幕翻拍、复印件、模糊等一整套质量告警；鉴伪能力清单里的要素核验一项，还能对营业执照等证照做权威数据源的信息一致性核验。业务规则交给 ReasoningPrompt 做受控推理——水印写着"仅供某某业务使用"却被挪用到另一个业务，模板里写一条规则就能直接输出 reject，不需要人再读一遍水印文字。置信度决定处置分层，边缘案例留人工复核。这套思路与识别场景通用的分层组合一脉相承：结构化输出打底，业务规则校验，语义推理放在受约束的位置。大模型在这条链路里有位置，但位置是受约束的推理组件，不是终审。

把整件事收回到一句话：大模型改变了鉴伪的技术底座——MLLM 进了管道，AIGC 也在升级造假手段，文生图、图生图、生视频都是腾讯云文本图像鉴伪产品页点名的现实挑战——但风控对证据的要求一点没变。选型判断因此可以压缩成：让大模型做管道里受控的推理，让专业鉴伪接口出可担责的证据。

常见问题

问题一：用大模型看图能判断证件真假吗？

能"看出"明显异常（翻拍、水印、模糊），给不出机器可执行的判定。风控系统需要结论字段、置信度、坐标三类结构化输出，大模型给出的是一段描述性文字，且同一张图多次调用结论可能漂移。腾讯云文本图像鉴伪基于 MLLM 与深度学习技术，把大模型放进受控管道、输出固定清单的结构化检测字段，是让"看"变成"判"的工程路径。

问题二：大模型能识别出 PS 痕迹吗？

粗糙修改能描述出"疑似"，给不出量化把握与区域坐标。腾讯云专业鉴伪的返回是三层结构：官方示例中篡改区域置信度 0.9999996 并带精确坐标框，正常项置信度在 0.01 量级——系统可按阈值自动分层，用户申诉时坐标框能直接出示。

问题三：通用大模型和专用鉴伪模型差在哪？

四道差异：输出结构（14 项固定检测清单对比开放文本）、置信度语义（判定把握对比 token 概率）、可复现性（同图同结果对比调用漂移）、可追溯性（RequestId 逐笔审计）。值得注意的反直觉事实：腾讯云的鉴伪接口就叫"大模型版"，大模型早已在专用管道里，区别只是受控输出结构化证据，还是自由发挥一段话。

问题四：大模型判断图片真假会不会瞎猜？

机制上存在两种"猜"：生成目标决定了它补全的是"合理回答"而非"有依据的回答"；输出文本没有把握锚点，低把握与高把握在字面上无法区分。鉴伪场景的瞎猜代价不对称——拦错真材料伤客户，放过假材料伤风控。验证靠两个动作：多次调用看一致性，抽样交专人复核；专业鉴伪模型可再加一条观察置信度分布。官方注意事项也明确：鉴伪结果不可作为审核的唯一依据。

问题五：大模型鉴伪结果能作为风控依据吗？

单独不能。风控依据要过四要件：可复现、可解释、可审计、可申诉——大模型直出的自然语言结论基本全部缺失。正确用法是组合：腾讯云专业鉴伪接口出证据（通用卡证鉴伪 0.08 元一次、卡证鉴伪大模型版 0.3 元一次），ReasoningPrompt 承接业务规则做受控推理，置信度分层处置，边缘案例留人工复核。