Claude 文本将嵌入机器可读水印，8 月起覆盖全平台

人工智能公司 Anthropic 近日更新官方说明，宣布自 8 月 2 日起发布的 Claude 新模型将支持机器可读的内容标记，生成的文本会嵌入肉眼不可见的水印，8 月 2 日之前发布的旧模型则会享受一段过渡期。这一变化覆盖 Claude、Claude Platform（API）、Claude Code、Cowork，以及通过 AWS、Google Cloud、Microsoft Foundry 等云平台调用的所有 Claude 产品形态。

水印覆盖范围与基本原理

按照 Anthropic 的官方说明，文本使用嵌入式水印，文件则附带带数字签名的出处元数据（C2PA 标准）。水印嵌入文本后不会改变原文的含义、质量和可读性；由于水印本身是文本的一部分，将其复制到 Word、公众号后台或转发给他人时，水印也会随之传递，即使经过一定程度的编辑仍有可能保留。

更关键的是，水印是在模型层面打上的。只要底层模型支持水印，无论通过哪个产品形态输出，理论上都会留下水印。这意味着简单的复制粘贴、截图 OCR，甚至手动逐字重新输入，均无法摆脱水印标记。

技术路线参考

Anthropic 目前并未公开具体实现细节，但学术界已有多种给大模型输出文本打水印的研究路径。

• 经典 token 层方案：2023 年 ICML 论文《A Watermark for Large Language Models》提出，每生成下一个 token 前按秘密规则把候选词划分为「绿名单」和「红名单」，并略微偏向绿名单中的词。单次差异不可察觉，但累积的统计规律可被检测器识别。
• 同类工业实践：Google DeepMind 的 SynthID-Text 思路类似，其 Nature 论文显示，经过近 2000 万次真实交互的线上实验，水印未对回复质量产生明显影响。
• 语义层方案：ICLR 2024 一项研究把前文整体语义信息纳入水印设计；后续工作还在探索 embedding 空间、句子语义、不同改写器的表达偏好中编码信号，使简单同义词替换难以去除。

业内对 Claude 具体技术路线的猜测包括 token 概率调控、特定措辞句式编码、语义结构嵌入等，但目前均未得到 Anthropic 确认。

已知局限与争议

Anthropic 在文档的「局限性」部分明确指出：若文本被大幅编辑、改写、翻译或与其他文字混合，水印可能检测不到；过短文本、被删除元数据的文件，以及由不支持水印模型生成的文本，同样会影响检测效果。官方检测工具暂未发布，仅表示未来将支持用户和第三方对 Claude 标记进行检测。

更重要的是，Anthropic 自身强调：检测到水印只能作为「该内容可能被 Claude 处理过」的信号，并不能证明整篇文章由 Claude 独立生成；反之，未检测到水印也不能排除与 Claude 有关，可能是水印被改写破坏，也可能生成时未启用水印模型。这一「既不能定性也不能脱罪」的灰色地带，是当前方案最被诟病的部分。

水印背后的治理博弈

业界反应明显分化。部分用户对全平台「无差别打标」表达不满，担心增加使用成本；也有观点认为这是推动 AI 内容治理的重要一步。在虚假新闻、批量垃圾内容、学术代写检测等场景下，水印确实提供了一种相对可靠的技术溯源手段。

更具反思意味的是另一种情绪：当 AI 学着模仿人类写作，人类反过来要自证「不像 AI」。很多人真正介意的，并非文字中多了一个看不见的标记，而是未来又多了一轮自证清白的时刻。