水印藏在选词里
Claude 的水印不往文字里塞任何东西,它藏在模型每次「选哪个词都行」的瞬间。
大模型是一个词一个词往外写的。写到「今天的天气又冷又……」,下一个词几乎不可能是「甜的」,但「阴沉」和「灰蒙蒙」都说得通。对读者来说,选哪个意思都一样。这种两可的位置,平时是靠一个随机数拍板的。
水印做的事,就是换掉这个随机数的来源:用一把只有 Anthropic 手里才有的密钥(可以理解成一串固定的密码,用来生成并核对那套选词规律),加上刚写过的几个词,算出这一步该挑哪个。选词看上去照样是随机的,但拿到密钥的人可以反过来核对:这一长串词的选法,和「用这把密钥来选」对不对得上。对得上的地方越多,这段文字出自 Claude 的概率就越高。
它不会把 Claude 往奇怪的地方推。这一句选了「阴沉」,下一句可能就选「灰蒙蒙」,取决于前文;它也不会逼 Claude 去用一个本来不会用的生僻同义词(原文举的例子是英文里几乎没人说的 nubilous)。
图片和文件走的是另一条路。Claude 生成 .png、.jpg、.svg 这类文件时不动文件内容,而是在文件的信息栏里挂一张签过名的便签,写明这个文件由 Claude 生成或处理过。这套标准叫 C2PA(相机厂商和修图软件用来记录一张照片从哪来的行业通用格式),任何支持它的工具都能读出来。
不多花一分钱
水印不额外消耗算力、不改变输出质量,也不携带任何和你有关的信息。
Anthropic 在文章里给出三条承诺:
- 不多花钱。水印不产生额外的 token(模型吞吐文字的计价单位,大致一个词到半个词),所以价格不变,速度影响也可以忽略。
- 不改质量。水印只在「选哪个都行」的位置动手,不碰内容、创意和可读性。
- 不认人。水印本身和它的密钥里都不含身份信息,推不出是谁、哪家公司、哪次对话。
第二条有实测撑着。这套方法是 Google DeepMind 2024 年发在《自然》上的 SynthID-Text:他们把带水印的模型投给一部分 Gemini 用户,对比点赞和点踩的比例,没有统计学上的差异;另一次对照实验里,人类评分者把带水印和不带水印的回答摆在一起看,也分不出高下。这类做法的思路可以追到 2022 年 Scott Aaronson 提出的方案:只换随机的来源,不换候选词。
Anthropic 说自己的内部测试同样没看出影响,但没有公布这部分测试的数据。
有些文字盖不上章
文字越短、越只有唯一正确答案,水印就越淡。代码和校对几乎盖不上章。
水印靠的是「怎么选都行」的位置,没有这种位置,它就无处可去。写到「牛顿最有名的著作叫《自然哲学的数学原理》……」,下一个词只有一个对的答案。算式也一样:写完「2 加 2 等于」,后面只能是 4,这一步不会被推一下。
代码大多要求精确,整体上水印比普通文字稀疏得多。例外是代码里的注释,那里怎么措辞都行,水印能落进去,对代码本身没有影响。
校对是最尴尬的场景。把一篇自己写的稿子交给 Claude,只让它改语法和标点,回来的文字几乎全是你自己的词,水印只能寄生在那几处改动上,通常少到测不出来。Claude 写得越多,可供落脚的选择就越多,水印才越结实。
反过来,翻译是满格的:译文里每个词都是 Claude 挑的,水印照常生效。片段太短同样不行,可选的位置太少,检测给不出可靠的概率。
它证明不了什么
查出水印只说明 Claude 大概参与过,它不能反过来证明一段文字是人写的。
用 Anthropic 的密钥只能回答一个问题:这段文字有多大可能有 Claude 的参与。它不能确认一段文字出自人类,也认不出别家 AI 的输出。对方就算也做了水印,密钥不同,方法可能完全不同。
它也分不清「Claude 写的」和「Claude 大改过的」。轻度编辑大概抹不掉水印;逐词重写一遍能抹掉,但到那一步,这段文字还算不算 AI 生成的,本身就有争议。
这和 Pangram 这类 AI 检测软件是两回事。那些公司没有 Anthropic 的密钥,靠的是揪 AI 的口头禅:模型偏爱「这不是 X,而是 Y」的句式,「悄悄地」这个词用得比正常人多得多。认口头禅是猜,核对水印是验算。
欧盟一条法,全球生效
Anthropic 给全世界的 Claude 输出都打了水印,因为它暂时做不到只给欧盟用户打。
2026 年 7 月,Anthropic 和另外几家主要模型厂商,连同总计约 190 个签署方,签了欧盟的《AI 生成内容透明度行为准则》;8 月 2 日起,在欧盟市场提供服务的 AI 公司必须标记 AI 生成的文本。
技术上还没有办法把水印按地区开关,所以它一上线就是全球统一的。原文写得很直白:
我们在上线时全球统一启用水印,因为我们还没有一个稳定的办法按地区划定范围。
8 月 2 日之前发布的老 Claude 模型有过渡期,Anthropic 说会在接下来几个月陆续补上水印。一条欧盟法律的执行成本,落在了所有地区的所有用户身上,原因只是分开做太麻烦。
钥匙在谁手里
这套水印有多大用,取决于原文没展开的一件事:密钥归 Anthropic,谁能查、查得准不准,现在由它一家说了算。
检测能力以私有预览的形式放出来,只开给「符合资格的机构」:监管机构、执法部门、媒体、事实核查者、独立研究者、教育机构、欧盟公民社会组织,以及同样负有合规义务的企业。Anthropic 说会逐步扩大范围,但没给时间表。普通人现在拿不到这个接口。
这就把受益方摆清楚了:这是一次由监管推动的透明度基建,先服务的是要执法的人,不是要辨真伪的读者。一个收到可疑作业的老师、一个看到可疑投稿的编辑,只有在所属机构够得上那份名单时才用得上。
更关键的是外部验证。水印给出的是概率不是判定,文本越短越不可靠,而现实里最常见的需求恰恰是判一段几百字的短文,正好踩在它最弱的地方。原文通篇没给出任何检测准确率或误报率的数字,生成密钥和检测服务又都在同一家公司手里。一段文字被判成「很可能是 Claude 写的」,当事人没有任何独立途径去核这个结论。