AI 生成为什么被拒：11 个模型的真实内容审核拒绝率

几乎每一篇讲 AI 生成失败的文章，都是把失败类型列一遍就停下——角色跑形、物理穿帮、 提示词读错。有用，但最实际的那个问题没人回答：这些事到底多久发生一次，在哪个模型上？

数据本来就躺在我们的表里，那就拉出来看。2026-05-06 到 2026-08-21 之间在 FlyAIgh 上 跑过的每一次生成——1,480 次运行、341 个账号、40 个模型—— 按每一次失败的真实成因分类。

结论先说

内容审核拒掉的生成，远多于模型自己坏掉的。而且模型之间的差距大得离谱：同一个平台、 同一个时间窗口内，一个模型拒掉了发给它的 26%，另外四个一次都没拒。

触发它的几乎从来不是提示词，而是参考图——更准确地说，是参考图里的真人脸。

这些数字从哪来

这是真实用户的生产流量，不是实验室测试。没有人专门写提示词去探过滤器的边界； 这些都是有人想做点东西，然后被告知不行。

在算任何一个比率之前，我们先剔除了 59 次责任在我们、不在模型的失败——我们这边的接入错误（把文生视频请求发给只收图生视频的模型、参数格式不对）， 以及提交阶段的平台层失败。不该拿我们自己的 bug 去给模型打分。

下面只列有效样本至少 30 次的模型。40 个里够格的有 11 个。

逐模型拒绝率

分成两列，因为这是两件事。审核拒绝指模型正常工作、是它的内容策略拒了；供应商失败指这次生成本身坏了——超时、502、队列拥堵。

两列几乎不重叠。拒得最多的模型坏得最少，而坏得最多的两个——Seedream 5.0 Pro 和 Grok Imagine——一次都没拒。不管这些系统内部是怎么回事，内容策略和基础设施可靠性 是两条互不相干的线。

引用任何单个数字之前，先看样本量。GPT Image 的 4.0% 站在 403 次 生成上，是表里最稳的一个数。Kling V3 Omni 的 0% 站在 35 次上——它的意思是 「35 次里没观察到拒绝」，不是「这个模型从不拒绝」。

到底什么会触发拒绝

下面是供应商返回的提示原文，以及各自在这 77 次审核拒绝里出现了多少次：

• 参考图里有真人（15）—— "The request failed because the input image may contain real person."另有 12 次点名了具体的槽位（content[1]、content[2]、content[3]）， 这说明它会检查你挂上去的每一张参考图，不只是第一张。
• 露骨或性暗示内容（15）—— "Contains inappropriate content. Please remove suggestive or explicit material."
• 名人肖像（6）—— "Celebrity or public figure imagery is not supported."
• 版权与音频权利（5）—— "Content security audit did not pass. The output audio may be related to copyright restriction." 另外还有会出声的模型上单独的音频过滤拒绝。
• 涉及未成年人的内容（4）——直接拒绝，没有申诉通道。
• 去水印（3）——当输入看起来像是要抹掉水印或复制受保护素材时被拒。

值得记住的规律是：让你被拒的是参考图，不是提示词。光「真人脸」一项就占了我们记录到的全部拒绝的三分之一以上。

Seedance 家族为什么拒得最多

三个 Seedance 2.0 变体全部落在 14% 到 26% 之间，明显高于其他所有模型。有两个原因， 而只有其中一个跟过滤器本身有关。

第一，Seedance 单次生成最多收九张参考图。参考图越多，过滤器要查的面就越多—— 那些点名 content[1] content[2] content[3] 的拒绝提示也印证了它逐张在查。 只收一张参考图的模型，踩雷的机会本来就少。

第二，人们选 Seedance 恰恰就是因为它能收很多参考图，而这正是你想让某个 具体的人在多个镜头里保持一致时会用的做法。使用场景本身，就把过滤器管得最严的那类 输入送了进来。

怎么少被拒

1. 先改参考图，别先改提示词。多数拒绝是图触发的，改措辞很少管用。
2. 把真人照片换成生成的角色。一个稳定的 AI 生成角色能过的过滤器， 真人照片过不去。角色工具就是干这个的，而且它直接绕开了最常见的那类拒绝。
3. 用不上的参考图就别放。在一个能收九张的模型上，每多一张就是多一次 可能失败的检查。宁可发三张好的，不发九张凑数的。
4. 永远别发公众人物。名人肖像在我们接的每一家供应商那里都会被拒， 表里没有任何一个模型能过。
5. 检查源图上有没有水印。图库预览图和截图上都带水印，过滤器会把它 读成你想抹掉保护标识。
6. 换模型，别跟过滤器较劲。如果真人参考图是你工作的核心， VEO 3.1 Lite、Kling V3 Omni 和 Z-Image Turbo 在这个窗口内一次都没拒过。 把活儿挪过去，比改第五版措辞快。

还有一点是结构性的：在 FlyAIgh 上，失败和被拒的生成会自动退还积分。 在 26% 的拒绝率下这就不只是个体贴功能了——它决定了你是为一条可用的片子付钱， 还是为一条加三分之一条付钱。各平台退款政策不一样，在高拒绝率的模型上批量跑之前 值得先确认。

这份数据说明不了什么

四条边界，明说出来，因为一个不带边界的数字一定会被用错：

• 它量的是拒绝，不是质量。一次跑完了但成品很难看的生成，在这里 算成功。产出到底能不能用，数据库并不记录，所以这篇文章回答不了。
• 拒绝率反映的是我们的用户发了什么。换一批用户、换一批素材， 同样这些模型会跑出不一样的数字。
• 过滤器随时会变，且不打招呼。这是 2026 年 5 至 8 月的窗口。 供应商持续调整内容策略，而且很少公告。
• 样本量并不齐。403 次生成和 35 次不是同一个证据强度， 表里两个都列了出来，你可以自己去权衡。

以上全部来自对生产数据的一次查询。样本长起来之后我们会重跑，尤其是那些目前还没 够到 30 次门槛的模型。