Claude 文本水印的工作原理
原题:Anthropic公布Claude文本水印:AI内容溯源进入产品化阶段
内容导读
Anthropic 计划为 Claude 生成的文本加入不可见水印,以遵守欧盟 AI 法案。水印通过调整选词所用的随机来源留下可检测模式,不添加字符、不标识用户;短文本、事实内容和代码的检测能力有限。

全文阅读
来源:www.anthropic.com即会翻译
未来 Claude 模型将生成带有水印的文本,用于判断 Claude 参与撰写文本的可能性。Anthropic 表示,公司和其他主要 AI 提供商正实施这一变化,以遵守《欧盟人工智能法案》。本文回答水印方法如何运作、是否影响 Claude 输出,以及为什么要实施。
Anthropic 总结:采用的水印方法不会对 Claude 输出质量或内容造成实际影响;读者无法分辨加水印与未加水印文本;不会添加文字或隐藏字符;不需要额外 token,也不会增加价格;水印不含身份信息,无法追踪到具体个人、组织或对话;水印并非 Claude 独有,欧盟要求服务其市场的 AI 提供商标记 AI 生成内容,其他主要模型开发商也签署了相关行为准则并将实施各自的水印。
什么是水印?
大型语言模型像 Claude 一样逐词生成内容。每次选择下一个词时,模型都会从多个候选词中挑选一个,根据前文选出最合理或可能性最高的词。比如句子“今天的天气很冷而且……”,下一个词很可能是“阴沉”或“灰蒙蒙”,而不是“甜”。在很多情况下,这两个前者选哪个都不太影响读者,因为句子意思基本相同。这类选择由随机数决定。
水印利用生成文本中大量这类影响较小的选择,在 Claude 的回复中留下模式。读者无法察觉,但持有特定密钥的人可以检测。使用水印时,模型仍会随机选择,只是随机性的来源不同:模型不再用任意随机数生成器选下一个词,而是使用密钥和前面的几个词来确定选择。换句话说,Claude 选词仍具有随机性,但可以根据词语序列检查它是否符合该密钥下的选词模式;如果符合,就可以计算文本由 Claude 生成的概率。
重要的是,模型并不会因此总偏向选择“阴沉”或“灰蒙蒙”。和未加水印的文本一样,具体选择取决于前文;水印也不会让 Claude 选择它原本不会考虑的词,例如“阴沉”的生僻同义词“晦暗”。
水印会如何影响 Claude 的输出?
Anthropic 表示,水印不会影响 Claude 输出质量。读者无法区分加水印与未加水印的回复;这与钞票、实体物品和部分数字文件上肉眼可见的传统水印明显不同。
内部测试未发现水印对 Claude 文本的内容、创造力或可读性产生影响。Google DeepMind 在介绍该技术的 SynthID-Text 论文中,将启用水印的模型提供给部分 Gemini 用户,并比较点赞和点踩反馈,未发现统计学显著差异。另一项受控研究也发现,人工评分者并未觉得加水印和未加水印的回答在质量上有所不同。
可以把它比作大富翁游戏:每回合玩家掷骰子,随机移动若干格。如果不用骰子,而改用圆周率小数位产生随机数,玩家从随机位置开始,之后依序使用圆周率数字作为每次“掷骰”结果。实际上移动仍是随机的,随机性来自圆周率还是骰子,对玩家和游戏结果没有差异。但如果结束后看到所有移动记录,并知道圆周率,就可以判断这场游戏是否可能使用圆周率来产生移动序列。使用圆周率的游戏在某种意义上就有了“水印”。
Claude 生成的文本也是如此。水印不会改变读者看到的意思或体验;但如果事后要确认文本是否可能由 Claude 生成,水印可以用于检测。
采用了哪种水印方法?
Claude 文本水印是 Google DeepMind 于 2024 年《自然》论文中发表的 SynthID-Text 方法的一个版本。它属于一类可追溯至 Scott Aaronson 2022 年提案的方法,共同原则是只改变模型用来在多个候选词之间进行选择的随机性来源。
水印的有效性有局限。使用密钥只能回答“这段文本有多大可能部分由 Claude 撰写?”它不能确认内容是人类撰写,也不能判断文本是否由其他 AI 撰写,即使其他 AI 也采用水印,使用的密钥或方法也会不同。对短文本而言,由于可供分析的选词较少,检测效果也不佳;文本越长,对 Claude 是否参与的判断通常越有把握。
在事实性内容中,如果不降低准确性就没有其他合适选词,水印也会更稀疏。比如“艾萨克·牛顿最著名的著作名为《Principia …》”这句话,下一词几乎只能是“Mathematica”,水印无法发挥作用。校对也一样:如果用户要求 Claude 只修改语法和标点,几乎所有词都来自用户,水印能够附着的修改很少,可能不足以检测。
Claude 校对或编辑人类文本时会怎样?
水印只附着于 Claude 自己选择的词语。Claude 校对人类文本时,通常只做轻度编辑;因为大部分词都是用户写的,水印可以附着的内容很少。具体能否检测,取决于文本长度和 Claude 的编辑幅度。Claude 写得越多,需要作出的选择越多,留下水印的空间也越大。
代码文本呢?
AI 水印利用的是多个词语选项都同样合适的情况。如果输出必须完全精确,改变词语会造成事实错误或导致代码失效,水印就不会应用。
例如,模型写出“2 + 2 =”后,下一 token 很明确应为“4”;如果讨论乔治·奥威尔的《一九八四》,也不会有与“1984”同样合适的答案。此时水印不会施加偏移。因此,代码在许多情况下必须精确,通常比其他文本更少带有水印。但对于代码中可以任意选择的词语,例如注释,仍可能使用水印;按定义,这不会对实际代码产生显著影响。
这对用户意味着什么?
模型会变慢或价格变贵吗?不会。水印对模型速度影响极小,也不会生成额外 token,因此模型的服务与使用价格保持不变。
水印会追踪到我或我的组织吗?不会。水印针对的是 Claude 及其输出,不会识别个人用户。水印和密钥都不包含可还原用户、组织或聊天信息的内容。
为什么要给 Claude 的输出加水印?
Anthropic 表示,公司实施水印是为了遵守《欧盟人工智能法案》。Anthropic 与其他主要 AI 模型提供商及约 190 个签署方于 2026 年 7 月签署欧盟《AI 生成内容透明度行为准则》,该准则要求 AI 系统提供商采用标记 AI 生成文本的方法。由于上线时尚无可靠方式按地区限制水印,Anthropic 计划全球推出,并将继续评估不同方案、分享后续更新。
其他问题
如何检查一段文本是否由 Claude 撰写?Anthropic 正以私人预览方式发布检测 API。目前该 API 面向法律要求承担检测义务的合格组织开放,例如监管机构、执法机关、媒体、事实核查机构、独立研究人员、教育机构和欧盟民间社会组织;同样有合规义务的企业也可使用。Anthropic 计划逐步扩大访问范围。
图片和其他文件呢?当 Claude 生成受支持类型的文件(如 PNG、JPG 或 SVG)时,会在文件元数据中附加一条小型加密签名内容凭证,说明该文件由 Claude 创建或处理。这是名为 C2PA 的开放行业标准,与相机制造商和照片编辑软件用于记录图片来源的标准相同。任何支持 C2PA 的工具都能读取;Anthropic 也将提供自己的文件检查工具。该元数据标签与水印不同:文件内容不会改变,不会嵌入或隐藏信息。和文本水印一样,凭证只说明 Claude 参与过文件生成,不包含身份信息。
编辑文字能绕过水印吗?在一定程度上可以。轻微编辑可能无法完全移除水印;若重写时替换了每个词,水印就会消失。不过这种情况下,内容是否仍能称为 AI 生成也值得讨论。
水印实际上能证明什么?水印只能判断 Claude 可能在某个阶段参与过内容生成或处理,无法区分“Claude 写了这段内容”还是“Claude 大幅编辑了内容”。
翻译内容会带水印吗?会。Claude 生成的译文带有水印,因为此时每个词都由 Claude 选择。
较早的 Claude 模型也会加水印吗?欧盟法律为 2026 年 8 月 2 日之前发布的 Anthropic 模型设置了过渡期。Anthropic 正着手为这些模型增加水印,并计划在未来几个月逐步推出。
这与 Pangram 等 AI 检测软件有什么不同?AI 检测服务没有 Anthropic 的密钥,因此采用其他方法;它们会分析文本中 AI 常见的表达习惯或措辞特征,例如“这不是 X,而是 Y”的句式,或过度使用“悄然”一词。这与使用密钥检查水印完全不同。
水印会改变输出的所有权或法律责任吗?不会。水印只帮助判断 Claude 是否可能生成或处理过内容,不说明所有权或作者身份,也不会改变用户在服务条款下的权利。只有 Claude 参与处理内容或文件时才会加水印。
更新于 2026 年 9 月 1 日:补充了关于水印检测 API 的最新信息。
即会整理稿
平台内容 · 非发布方原文Anthropic在8月14日发布官方说明,首次详细解释Claude文本水印的工作机制,并明确将其与欧盟《人工智能法案》的透明度要求挂钩[1][4]。这意味着,AI生成内容的"溯源"正从一项可选项,变成面向全球用户的产品默认配置。
水印怎么"藏"进文字里
根据Anthropic的说法,大语言模型生成文本时是一个词一个词地选择。当一句话存在多个同样合理的候选词时——比如"The weather today was cold and…"后面接"overcast"还是"grey"意思几乎一样——模型通常靠随机数决定选哪个[1]。水印正是利用这些"低风险选择":选择依然是随机的,但随机性的来源被替换成了由密钥编码的模式,读者无法察觉,持有密钥的人却能检测出来[1][7]。
Anthropic确认,该方法基于Google DeepMind 2024年发表在《Nature》上的SynthID-Text,而SynthID-Text又可追溯到研究者Scott Aaronson更早的提案[3][4][7]。Anthropic称水印不添加隐藏字符、额外token,也不影响输出质量或读者体验[3][7]。

*图1:Claude ru wiki(Прикли / CC0,Wikimedia Commons)*
它能证明什么,不能证明什么
需要明确的是,Anthropic自己把水印的定位说得很克制:它只能"判断Claude参与写作的可能性",而非确定性证据[1][2]。资料显示,完整重写即可破坏水印[4];截至相关报道时,Anthropic并未推出公开的检测器API,也未点名哪些模型会携带水印、何时正式上线[3][4]。换句话说,水印目前更像一套"待部署的能力框架",而非已经全面生效的检测体系。

*图2:Claude ru wiki(Прикли / CC0,Wikimedia Commons)*
为什么现在做这件事
直接触发因素是合规。资料显示,欧盟《人工智能法案》第50条要求生成式AI系统的提供方以机器可检测的方式标记合成内容[2];Anthropic称自2026年8月2日起,面向欧盟市场的提供方必须标记AI生成内容,而Anthropic是2026年7月欧盟相关透明度行为准则约190个签署方之一[4]。由于缺乏可靠的地区差异化方案,该水印上线后将直接适用于全球所有Claude用户[5]。
不过争议也随之而来。有报道称部分Claude用户因水印取消订阅,专业订阅者担心面向客户的内容会留下可检测的AI痕迹[3]。另有分析指出,Anthropic在描述影响时使用了"大致相同""无统计显著差异""可忽略影响"等一连串限定词,而"几乎无影响"并不等于"绝对无影响"[5]。

*图3:AI ON TRACK 2025 03(מקף־עברי / CC BY-SA 4.0,Wikimedia Commons)*
点评
水印的真正意义,或许不在于它能多准确地"抓出"AI文本,而在于它把"内容来源可验证"写进了产品默认项。但技术上的"可能性判断"与监管期待的"确定性标记"之间仍有落差,检测器缺位、重写即失效等限制,也决定了溯源短期内只能是辅助信号,而非裁决依据。
参考来源
[1] How Claude's text watermark works
https://www.anthropic.com/news/claude-text-watermark
[2] Claude Text Watermark: EU AI Act Fines Hit €15M [2026]
https://shattered.io/claude-text-watermark-eu-ai-act-2026/
[3] Claude Text Watermark 2026 Explained | Truescho
https://truescho.com/en/blog/claude-text-watermark-anthropic-2026
[4] Anthropic Details How Claude's Text Watermark Will Work
https://aiunderstanding.org/news/anthropic-details-how-claude-s-text-watermark-will-work
[5] Claude Text Watermark Full Details Revealed - 36氪
https://eu.36kr.com/en/p/3940141009091976
[6] AI Watermark Evidence Fails Forensic Readiness: An Empirical ...
[7] How Claude's text watermarking works | AI Intelligence News | AI ...
https://ai.wuaishare.cn/news/en/165
[8] How to Detect Claude Watermark - Facebook
https://www.facebook.com/fb-answers/detect-claude-watermark/
原文及图片版权归原作者或相应权利人。文中观点是原作者的,与即会无关。