出处是 Proof of Human Research 的一份基准报告，作者是 Milena Rmus、Mayank Agrawal 和 Mathew Hardy，都在 Proof of Human 自己公司。
我读到第三页那张汇总表才决定推荐——Cloudflare Bot Management 面对这批自动化代理，检出率是 9.1%。十个会话漏掉九个。这个数字放在任何"我们也叫机器人检测"的对比里都算难看的。不点链接也能带上这个数字，值得笑话一下自己还在用的那几个"安全层"。
报告测了五套系统：Proof of Human、reCAPTCHA v3、hCaptcha、Cloudflare Turnstile、Cloudflare Bot Management。对手也分五类，标准 Chromium、隐身浏览器 CloakBrowser，还有三个会看图的 AI 代理——Browser Use、Perplexity Comet、Grok。
最扎眼的倒不是 9.1% 本身。是它旁边那份"旧脚本与 AI 代理"的剪刀差。hCaptcha 和 Turnstile 对脚本化 Chromium 和 CloakBrowser 几乎是全拦，但对 AI 代理，基本不出声。Turnstile 面对三个 AI 代理的时候，连挑战都没发。不拦也不响。
三个视觉代理都能把 hCaptcha 的图像网格做掉。脚本浏览器做不到，AI 能看图点图。这层"图像挑战"在视觉代理面前，保护力度已经差不多归零了。这也是报告结论里我最认同的一句——交互挑战对视觉代理的保护有限，会话中的用户行为信号才变得更关键。
我以前一直觉得验证码是"人机边界"的最后一层，现在看来产品化之后它已经变成了一种更脆弱的图形题。防得住脚本，不太防得住会做题的 agent。
说回那个 9.1%。报告里补充了一句，Grok 被 Bot Management 识别的相对高一点，可能和 IP 或 TLS 声誉这类基础设施信号有关。翻译一下：逮住的不是行为，是 IP 不干净。换句话说，那 9.1% 里可能没多少成分是真在判断"这是不是人"，只是判断"这台机器在哪"。
reCAPTCHA v3 拿到 69.4%，算这批里第二高，但它也漏掉了 CloakBrowser。CloakBrowser 是唯一一个同时做源码级改指纹外加住宅 IP 的对手。报告自己说没法判断它成功主要靠指纹还是住宅 IP。这个认账我特意标了出来——至少没装知道。
更让我想扣住的一点：报告没测人类误报率。Proof of Human 自己拿到 99%，这个数字如果没有误报率，就只能说明它在"拦机器"上很强，但不能说明它不误伤人。一项人机验证服务如果没给出人类这边成本，99% 的诱惑力就只剩一半。至少我读的时候是这种感觉。
报告自己也列了局限：都是产品层级不是企业版，部分系统崩了导致样本数在 89 到 100 之间飘。hCaptcha 和 Turnstile 那份低分，一部分可能就来自没跑完整，但不是全部原因。它们对能看图的代理确实不响，这个不是崩溃能解释掉的。
文章还顺了一笔一年前的旧基准：当时检测率 33% 到 87%。也就是说，一年前还没有这么难看。视觉代理起来之后，旧的图形考卷就塌了。
不点链接也能带走的一句：验证码的下一步不是把图弄得更难，是得在会话行为里找人味。这个信号，传统图形和 IP 都给不了。
这篇值得点，是因为它对每一种"看起来还在检测"的系统都给了具体的漏法。不是只报一个总分，是按照代理类型拆开给你看：图形，被视觉模型解决；IP，能被住宅代理稀释；而旧的脚本，还能拦。这个分层比一句"验证码要失效了"有用。
原文原话我核对过结论处：「传统自动化信号对脚本化浏览器仍有效，但面对 AI 代理的可靠性下降，交互挑战在视觉代理面前保护有限，会话中的用户行为信号变得更有效。」作者自己已经把话说完了。我不再替他升华。