Anthropic 在9月1日宣布，未來的 Claude 模型將逐步為生成的文本加入不可見的水印，並向符合條件的機構開放檢測接口的私人測試。這並不是在句子中塞入肉眼看不到的字符，也不是給每篇文章附上一串用戶編號，而是通過在多個同樣合理的詞語之間輕微調整選擇概率，讓較長的文本呈現出可被統計識別的模式。

該公司採用了 SynthID-Text 的一種實現方式，稱該機制不會增加 Token 的輸出，在內部評估中也未發現可操作的品質下降。水印將在全球新模型上啟用，舊模型將有過渡期，整體推出不預計會持續數月。Anthropic 明確承認，目前沒有可靠的方法可以按地區長期隔離這種機制，因此選擇統一部署，而不是只在歐盟提供。

這項安排與歐盟的《人工智能法》及其通用人工智能模型實踐準則有關。Anthropic在2026年7月簽署了該準則，相關的透明性要求於8月2日開始適用。不過，將合規行為理解為「AI文本之後都能驗明正身」會嚴重誇大其效果。官方對水印的定位非常謹慎：檢測結果只能說明Claude可能參與了文本的生成，但不能證明文本究竟是由人還是AI完成的，更無法識別具體的用戶、組織或對話。

水印改變的是詞語的概率，而不是給每篇文章蓋上唯一的身份章

大模型在生成一句话時，通常會有多個意義相近、語法正確的下一個詞的候選。水印系統使用一個秘密規則，對這些候選的抽取概率進行微小的偏移。單個詞看不出異常，但在足夠長的文本中，這些偏移會累積成統計信號。檢測器根據這個信號來估計文本是否與 Claude 的水印分佈相符，而不是在文件中尋找一個固定的標記。

這種設計有兩個直接的好處。第一，即使複製到純文本中、更改字體或截去檔案元數資料之後，訊息仍有可能被保留；第二，它不會像零寬字元那樣被簡單的格式清理立即刪除。同時，它的證據性質也較弱：統計相關並不等於身份證明。兩個人獨立寫出的短句可能相似，多個模型和人工編輯也可能共同完成一篇文章，檢測器只能給出概率判斷。

Anthropic 列出了多项限制。短文本沒有足夠樣本，檢測效果會下降；事實性很強的段落可選擇措辭較少，信號空間有限；代碼需要精確輸出，不適合自由改變詞語；只進行輕微編輯可能會保留水印，大幅改寫、翻譯或讓另一個模型重述，則可能會把信號洗掉。因此它更適合調查來源不明的長篇材料，不能作為考試作弊或新聞造假的單一裁決工具。

水印也不會編碼個人信息。Anthropic 表示，這種機制不能指向某個賬戶、企業或聊天記錄。這一限制降低了水印成為跨文本追蹤器的風險，但同時也意味著平台無法僅憑檢測結果來回答「是誰生成的」。如果機構需要審計具體的工作流程，仍需依賴於賬戶日誌、版本記錄、引用鏈和人工聲明，不能將責任追蹤外包給一個數值。

檢測接口先提供給專業機構，真正的難題在於如何避免將概率當作判決。

首批私測對象包括符合條件的監管機構、媒體與事實核查組織、研究人員、教育機構、歐盟民間社會組織，以及承擔相關義務的企業。Anthropic 計劃逐步擴大範圍，而不是立即提供一個人人可用的公開檢測網頁。這樣做有現實原因：如果攻擊者可以無限次試驗文本並即時得到結果，就更容易反向尋找去除水印的方法；專業用戶也更有條件理解誤報和漏報。

生成文件還會有另一層標記。對於受支持的檔案類型，Claude 將使用 C2PA 內容憑證來保存來源元資料。C2PA 與文本水印解決的是不同問題：前者更像是隨檔案攜帶的可驗證履歷，適合未被剝離元資料的原始檔案；後者則嵌入在語言分佈中，更能承受複製貼粘，但結論更偏向於概率化。兩者疊加仍然無法覆蓋截圖、重寫和跨模型加工的所有情況。

學校、編輯部門和平台最容易犯的錯誤，就是將檢測閾值直接設定為處罰閾值。水印檢測應該觸發進一步的核實，例如查看寫作過程、草稿和引用等，而不應該單獨決定學生是否作弊、作者是否造假。機構還需要保存模型版本和檢測器版本，因為算法升級後，同一段文本的評分標準可能會發生變化。在對外發布結論時，也應該說明樣本長度、編輯歷史和不確定性，而不是只展示一個百分比。

水印的价值不在于製造一臺「AI 誊言測試儀」，而在于為來源調查增加一條機器可讀的線索。當越來越多內容經過模型輔助之後，二進制問題「是否是 AI 寫的」本身就會失去意義，更有用的是 AI 參與了哪些環節、最終責任由誰承擔、證據鏈是否完整。Anthropic 這次提供的是一項有限但可部署的技術措施；只有配合日誌、內容憑證和人類的程序正義，它才有可能提升透明度，而不是製造新的誤判。