Anthropic｜官方详解Claude文本水印机制

水印要是肉眼看得见，创作者嫌丑；要是完全查不到，监管过不了关——Anthropic把「看不见但可检测」写成了合规说明书。

Anthropic是美国人工智能公司，主力产品为Claude系列模型与相关Agent能力。欧盟《人工智能法案》要求面向其市场的系统对AI生成内容做可识别标记；Anthropic与多家厂商签署相关透明度行为准则后，开始在Claude输出侧落地文本水印，并同步说明技术边界，以回应「会不会伤质量、会不会暴露用户、代码会不会被改坏」等集中疑问。

公司于8月14日在官网发布《How Claude’s text watermark works》。官方要点可核对如下：未来Claude模型生成文本将携带水印，用于估计「Claude是否参与过写作」；方法基于Google DeepMind发表于《Nature》的SynthID-Text思路，只改变模型在近义候选词之间做随机选择时的随机源，不向文本插入隐藏字符，也不增加额外token费用；读者肉眼无法区分有无水印文本；水印不绑定个人、组织或会话身份；事实性段落与必须精确的代码位置水印更稀疏，因可替换词更少；轻度编辑未必能去净水印，彻底重写则可能；公司还将为图片等文件附加C2PA内容凭证，并计划提供水印检测API。

可以把机制想成掷骰子换皮：

1. 模型仍在合理候选里选词，句子意思基本不变。
2. 随机性不再来自任意随机数，而来自密钥与上文共同决定的偏好。
3. 外人读起来像普通文本；持有密钥的检测方能估计「是否像Claude生成」。
4. 样本越短、可替换空间越小，检测置信度越低——这是方法上限，不是宣传疏漏。

对教育与企业合规，这是把「AI参与度」从语感猜测变成可检测信号；对重度改写、校对与硬代码场景，检测力会明显下降，官方也承认水印不能证明「整篇由Claude原创」，更不能替代著作权判断。与此前行业讨论的「可见角标」路线不同，Anthropic选择不可见统计水印 + 文件侧C2PA，更贴近「不影响阅读体验、仍可事后抽检」的折中。

需要把边界读清楚。水印回答的是概率性参与，不是作者身份或版权归属；全球同步上线，是因区域隔离方案尚未成熟。下一观察点是检测API开放节奏，以及其他签署同一行为准则的厂商如何落地各自密钥体系——合规动作会扩散，密钥不会共享。