Claude text watermarking कैसे काम करता है?

Claude text watermarking क्या है

Claude text watermarking एक ऐसा bias है जिसे model द्वारा शब्द चुनते समय लागू किया जाता है। यह file के साथ जुड़ा कोई tag नहीं है, और न ही यह invisible Unicode characters की कोई ऐसी श्रृंखला है जिसे आप regular expression से हटा सकें। Anthropic ने 14 August 2026 को प्रकाशित How Claude's text watermarking works में इसका वर्णन किया है: यह योजना "केवल शब्दों के चयन के लिए उपयोग की जाने वाली randomness के स्रोत को बदलती है", जिसमें एक secret key और उससे पहले आए कुछ शब्दों का उपयोग किया जाता है। चूंकि यह watermark उन शब्दों में निहित होता है जिन्हें चुना गया है, इसलिए यह copy और paste करने पर भी बना रहता है, और शब्दों के बदलने पर यह समाप्त हो जाता है।

इसके परिणामस्वरूप दो बातें सामने आती हैं, और यही कारण है कि लोग इस विषय को खोजते हैं। Detection एक सांख्यिकीय परीक्षण (statistical test) है जिसे सार्थक परिणाम देने के लिए बहुत सारे शब्दों की आवश्यकता होती है, इसलिए यह एक वाक्य के बारे में कुछ भी उपयोगी नहीं बता सकता। और एक negative result कुछ भी साबित नहीं करता: Anthropic का help centre बताता है कि "mark का पता न चलने का मतलब यह नहीं है कि content AI-generated या process नहीं किया गया था"।

18 August 2026 को पढ़े गए help page How Claude marks AI-generated content में उन surfaces की सूची दी गई है जिन्हें यह cover करता है: "Claude Platform (API), Claude, Claude Code, Claude Cowork, और Claude Tag", जिसमें AWS, Google Cloud और Microsoft Foundry के माध्यम से access भी शामिल है। 2 August 2026 को या उसके बाद launch किए गए models launch के समय ही machine-readable marking का समर्थन करते हैं, और पुराने models के लिए यह प्रक्रिया जारी है। यह तारीख कोई संयोग नहीं है। EU AI Act का Article 50, 2 August 2026 से लागू होता है, और यह synthetic text उत्पन्न करने वाले systems के प्रदाताओं के लिए output को "machine-readable format में और कृत्रिम रूप से उत्पन्न या हेरफेर किए गए के रूप में पता लगाने योग्य" चिह्नित करना अनिवार्य बनाता है। Anthropic का कहना है कि वह यह marking केवल EU traffic पर ही नहीं, बल्कि विश्व स्तर पर लागू करता है।

Files अलग तरह से काम करती हैं। Help page के अनुसार, समर्थित generated files (".svg, .png, या .jpg") में C2PA (Coalition for Content Provenance and Authenticity) standard का पालन करने वाला cryptographically signed provenance metadata होता है। यह metadata file contents के साथ जुड़ा होता है, न कि contents में कोई बदलाव, यही कारण है कि यह इतनी आसानी से हट जाता है।

वॉटरमार्क टोकन चयन को कैसे प्रभावित करता है

प्रत्येक चरण पर, एक भाषा मॉडल (language model) उन सभी टोकन (टोकन एक शब्द या उसका एक हिस्सा होता है) के लिए प्रायिकता (probability) उत्पन्न करता है जिन्हें वह आगे लिख सकता है। एक सैंपलर (sampler) इनमें से एक को चुनता है, और सामान्यतः इस चयन के लिए यादृच्छिकता (randomness) एक साधारण रैंडम नंबर स्रोत से आती है। वॉटरमार्किंग सैंपलर इस स्रोत को एक 'कीड स्यूडोरैंडम फंक्शन' (keyed pseudorandom function) से बदल देता है। इसके इनपुट गुप्त कुंजी (secret key) और पिछले कुछ टोकन होते हैं, इसलिए यह चयन उस व्यक्ति द्वारा दोहराया जा सकता है जिसके पास कुंजी है, जबकि अन्य लोगों के लिए यह सामान्य भिन्नता जैसा दिखता है।

पहली व्यापक रूप से उद्धृत सार्वजनिक रिपोर्ट A Watermark for Large Language Models (Kirchenbauer et al., ICML 2023) है। प्रत्येक टोकन से पहले, कुंजी और पिछले टोकन शब्दावली (vocabulary) का एक स्यूडोरैंडम "ग्रीन" सबसेट चुनते हैं, और सैंपलर उन टोकन के स्कोर में थोड़ा बोनस जोड़ देता है। कुछ भी प्रतिबंधित नहीं होता है, इसलिए टेक्स्ट प्रवाहपूर्ण बना रहता है, लेकिन ग्रीन टोकन संयोग की तुलना में थोड़े अधिक बार दिखाई देते हैं।

Anthropic की पोस्ट के अनुसार, इसका कार्यान्वयन SynthID-Text पर आधारित है, जिसे Google DeepMind ने अक्टूबर 2024 में Nature में Scalable watermarking for identifying large language model outputs के रूप में प्रकाशित किया था, और यह विचारों की श्रृंखला 2022 में Scott Aaronson के एक प्रस्ताव से शुरू हुई थी। SynthID-Text मॉडल के अपने वितरण से कई संभावित टोकन चुनता है और उनके बीच एक नॉकआउट टूर्नामेंट आयोजित करता है, जिसे कीड फंक्शन द्वारा स्कोर किया जाता है, इसलिए जो टोकन बचता है वह अक्सर वही होता है जिसे कुंजी प्राथमिकता देती है। उम्मीदवार टोकन मॉडल के अपने वितरण से आते हैं, यही कारण है कि प्रकाशित मूल्यांकन में गुणवत्ता का कोई मापने योग्य नुकसान नहीं बताया गया है।

महत्वपूर्ण परिणाम एंट्रॉपी (entropy) है। पूर्वाग्रह (bias) केवल वहीं काम कर सकता है जहाँ मॉडल के पास वास्तविक विकल्प हो। यदि अगला सही टोकन केवल Paris है, तो कोई भी योजना इसे बदले बिना टेक्स्ट को गलत किए बिना काम नहीं कर सकती। Anthropic इसे सीधे स्पष्ट करता है: वॉटरमार्किंग "तथ्यात्मक अंशों पर कम होती है जहाँ ऐसे कम विकल्प होते हैं जिन्हें टेक्स्ट की सटीकता कम किए बिना चुना जा सके", और कोड में "आमतौर पर अन्य प्रकार के टेक्स्ट की तुलना में कम वॉटरमार्किंग होती है" क्योंकि इसे सटीक होना आवश्यक है। सिग्नल घनत्व (signal density) यह ट्रैक करता है कि मॉडल कितना स्वतंत्र था, इसलिए मुक्त गद्य (open prose) के एक लंबे टुकड़े में एक मजबूत निशान होता है जबकि एक संक्षिप्त तथ्यात्मक उत्तर में लगभग कोई निशान नहीं होता है।

उपरोक्त सभी पर एक ईमानदार सीमा है। 18 August 2026 तक, Anthropic ने उस परिवार को प्रकाशित किया है जिससे उसकी योजना संबंधित है, न कि पैरामीटर्स या डिटेक्टर थ्रेशोल्ड को। इस अनुभाग में दी गई कार्यप्रणाली उद्धृत शोध पत्रों से ली गई है। इन्हें Anthropic द्वारा नामित प्रकाशित डिज़ाइन के रूप में पढ़ें, न कि Claude के सटीक कॉन्फ़िगरेशन के विवरण के रूप में।

Detection एक hypothesis test है, न कि कोई stamp

एक detector text और key को लेता है। यह text को scan करता है, हर position पर यह recompute करता है कि key ने किस token को प्राथमिकता दी होगी, हर token को score देता है, और फिर सभी scores को जोड़ देता है। Null hypothesis यह है कि text को उस keyed sampler के बिना लिखा गया था: ऐसी स्थिति में scores coin flips की तरह व्यवहार करते हैं और कुल योग अपने अपेक्षित मान (expected value) के आसपास रहता है। Watermarked text का योग इससे ऊपर चला जाता है। इसका output एक p-value होता है, जो यह दर्शाता है कि unwatermarked text से इतना अधिक योग प्राप्त होने की संभावना क्या है, और "detected" का verdict उस p-value की तुलना किसी द्वारा चुने गए threshold से करके दिया जाता है।

इस design के दो प्रभाव आपको व्यावहारिक रूप से महसूस होते हैं। लंबाई के साथ confidence बढ़ती है, क्योंकि हर अतिरिक्त token प्रमाण का एक और कमजोर टुकड़ा होता है। Anthropic इसे इस तरह व्यक्त करता है: "Watermark का पता लगाना छोटे samples पर अच्छी तरह काम नहीं करता, जहाँ शब्दों के चयन के विकल्प कम होते हैं और इसलिए जानकारी भी कम होती है।" Threshold एक समझौता भी है। यदि आप इसे किसी paragraph को flag करने के लिए काफी कम रखते हैं, तो आप संयोगवश मानवीय paragraphs को भी flag करना शुरू कर देंगे।

आप अभी स्वयं यह test नहीं चला सकते। Anthropic की post कहती है कि वह "जल्द ही एक watermark detection API प्रदान करेगा" और "इसके implementation के विवरण पर काम करने की प्रक्रिया में है"। इसलिए 18 August 2026 तक कोई सार्वजनिक Claude watermark detector उपलब्ध नहीं है, और Anthropic के बाहर कोई भी यह पुष्टि या खंडन नहीं कर सकता कि कोई विशिष्ट passage watermark युक्त है।

यह अंतर इसलिए मायने रखता है क्योंकि लोग इसके बजाय अन्य विकल्पों का सहारा लेते हैं। स्कूलों और editors को बेचे जाने वाले व्यावसायिक "AI detectors" वास्तव में लेखन शैली (writing style) पर प्रशिक्षित classifiers हैं। उनके पास कोई key नहीं होती और वे इस प्रकार का कोई test नहीं चलाते। उनके failure mode का दस्तावेजीकरण किया गया है: GPT detectors non-native English लेखकों के प्रति पक्षपाती हैं (Liang et al., Patterns, 2023) ने पाया कि व्यापक रूप से उपयोग किए जाने वाले detectors ने non-native लेखकों द्वारा लिखे गए TOEFL निबंधों के आधे से अधिक हिस्से को AI-generated के रूप में flag किया, जबकि native-writer के samples को सही ढंग से वर्गीकृत किया। Watermark detector और style classifier दो अलग-अलग मशीनें हैं। किसी को भी आपको दूसरा विकल्प देकर उसे पहला बताने न दें।

Watermark को क्या हटाता है

संक्षिप्त आउटपुट। एक पंक्ति का उत्तर सांख्यिकीय बदलाव लाने के लिए बहुत कम निर्णय लेता है। इसका कोई समाधान नहीं है, क्योंकि यह कार्यान्वयन में कमी के बजाय परीक्षण की एक विशेषता है।

पुनर्लेखन (Rewrite)। Anthropic का कहना है कि हल्के संपादन से मार्क पढ़ने योग्य रह सकता है, जबकि "एक पूर्ण पुनर्लेखन जहाँ हर शब्द बदल दिया जाए" इसे हटा देता है। आपके द्वारा बदला गया प्रत्येक शब्द वह शब्द है जिसे की (key) अब समझा नहीं सकती।

किसी अन्य मॉडल के माध्यम से पैराफ्रेज करना। एक दूसरा मॉडल अपने स्वयं के सैंपलर और बिना किसी की (key) के प्रत्येक टोकन को फिर से चुनता है, इसलिए परिणाम में उस मॉडल का मार्क होता है (यदि कोई है), न कि Claude का।

अनुवाद, एक अपवाद के साथ। Claude के अंग्रेजी टेक्स्ट को किसी अन्य अनुवादक के माध्यम से चलाने से सिग्नल नष्ट हो जाता है, क्योंकि एक नया सैंपलर प्रत्येक लक्षित शब्द को चुनता है। Anthropic उस स्थिति को नोट करता है जो दूसरी दिशा में काम करती है: "Claude द्वारा निर्मित अनुवाद में वॉटरमार्क होता है, क्योंकि इस मामले में प्रत्येक शब्द Claude द्वारा चुना जाता है।"

कोड, मुख्य रूप से। सही कोड में बहुत कम विनिमेय विकल्प होते हैं। TechCrunch ने 15 August 2026 को रिपोर्ट की कि Anthropic को "उत्पादित वास्तविक कोड पर नगण्य प्रभाव" की उम्मीद है, जिसमें मार्क के टिप्पणियों (comments) में दिखाई देने की अधिक संभावना है। यह कंपनी के बयान की एक प्रेस रिपोर्ट है, न कि प्रकाशित दस्तावेज़ीकरण, इसलिए टिप्पणियों के बारे में विवरण को अपुष्ट मानें। टिप्पणियाँ और आइडेंटिफ़ायर नाम पैच के वे हिस्से हैं जिनमें विकल्प चुनने की वास्तविक गुंजाइश होती है।

मेटाडेटा स्ट्रिपिंग, फाइलों के लिए। C2PA प्रोवेनेंस इमेज डेटा के साथ होता है, इसलिए जो कुछ भी फाइल को फिर से एनकोड करता है, वह आमतौर पर इसे हटा देता है जब तक कि इसे रखने के लिए न कहा जाए। इसमें सामान्य स्टैटिक साइट बिल्ड में इमेज ऑप्टिमाइज़र शामिल है। Anthropic का हेल्प पेज उन कारणों में मेटाडेटा स्ट्रिपिंग को सूचीबद्ध करता है जिनकी वजह से मार्क गायब हो जाता है।

डिटेक्ट किया गया मार्क वास्तव में क्या सिद्ध करता है

यह "watermark" शब्द के सुझाव से कहीं कम है। Anthropic की पोस्ट स्पष्ट है: "एक watermark केवल यह निर्धारित कर सकता है कि Claude किसी बिंदु पर सामग्री के साथ संभवतः शामिल था। यह 'Claude ने इसे लिखा है' और 'Claude ने इसे भारी रूप से संपादित किया है' के बीच अंतर नहीं कर सकता।" सहायता पृष्ठ यह जोड़ता है कि "Claude मूल लेखक नहीं हो सकता है", क्योंकि लोग अपने द्वारा तैयार किए गए लेखन को संपादित करने के लिए Claude का उपयोग करते हैं, और Claude द्वारा स्पर्श किए जाने के बाद वह सामग्री बदल सकती है।

Anthropic की प्रकाशित सामग्री में कुछ भी प्रति-खाता या प्रति-उपयोगकर्ता सिग्नल का वर्णन नहीं करता है। जैसा कि प्रलेखित है, मार्क इंगित करता है कि एक Claude मॉडल शामिल था। यदि कोई आपको बताता है कि एक watermark यह प्रकट करता है कि किस उपयोगकर्ता या किस API key ने एक गद्यांश तैयार किया है, तो वह दावा 18 अगस्त 2026 तक प्राथमिक स्रोतों में नहीं है।

क्या इससे आपके सर्वर से AI-assisted कोड पब्लिश करने की प्रक्रिया बदलती है?

कोड के लिए, तकनीकी उत्तर मुख्य रूप से 'नहीं' है, जिसके दो कारण पहले ही दिए जा चुके हैं: सटीक कोड में सिग्नल कमजोर होता है, और कोई भी सार्वजनिक डिटेक्टर मौजूद नहीं है। आप पब्लिश कर सकते हैं या नहीं, यह नीति (policy) तय करती है, और नीति में कोई बदलाव नहीं आया है। ओपन सोर्स प्रोजेक्ट्स ने AI-assisted योगदान के लिए अपने नियम स्वयं लिखे हैं, और इन नियमों को एक मेंटेनर द्वारा आपके पुल रिक्वेस्ट को पढ़कर लागू किया जाता है, न कि किसी डिटेक्टर द्वारा आपके टोकन्स को पढ़कर।

आपके सर्वर द्वारा जनरेट किए गए गद्य (prose) के लिए, उत्तर 'हाँ' है, लेकिन एक विशिष्ट तरीके से। यदि कोई API कॉल आपके रिलीज नोट्स या प्रोडक्ट पेज लिखती है, तो वे शब्द Claude के हैं, इसलिए उन पर मार्क मौजूद है। Markdown को HTML में रेंडर करना, minifying करना, परिणाम को Postgres में स्टोर करना, और इसे CDN से सर्व करना—ये सभी प्रक्रियाएं शब्दों को नहीं बदलतीं, इसलिए ये मार्क को भी प्रभावित नहीं करतीं। जो चीज इसे कम करती है, वह है किसी मानव संपादक द्वारा वाक्यों को फिर से लिखना।

आप प्रॉम्प्ट देकर वॉटरमार्क को नहीं हटा सकते। यह सैंपलिंग लेयर में लागू होता है, जो मॉडल द्वारा प्रोड्यूस किए गए टेक्स्ट के नीचे होती है, इसलिए "do not watermark this" जैसे निर्देश का कोई प्रभाव नहीं पड़ता। यह उन सामान्य कारणों से अलग स्थिति है जिनके चलते एजेंट आपके द्वारा लिखे गए निर्देश को अनदेखा कर देता है, जहाँ निर्देश मॉडल तक पहुँचता है लेकिन किसी अन्य कारण से विफल हो जाता है। 18 अगस्त 2026 तक, API ग्राहकों के लिए कोई भी डॉक्यूमेंटेड ऑप्ट-आउट विकल्प उपलब्ध नहीं है।

यदि आप Claude का उपयोग अपने लिए लिखने के बजाय सर्वर चलाने के लिए करते हैं, तो इससे बहुत कम बदलाव आता है। शेल कमांड्स और कॉन्फ़िगरेशन स्निपेट्स छोटे और सीमित होते हैं, इसलिए उनमें लगभग कोई सिग्नल नहीं होता, और मार्किंग का आपके बॉक्स पर चलने वाली किसी भी चीज पर कोई असर नहीं पड़ता। Claude के साथ दैनिक sysadmin कार्य एक अलग सवाल खड़ा करता है, जो यह है कि आपके मशीन से बाहर क्या जाता है: देखें एक कोडिंग एजेंट वास्तव में आपके सर्वर से क्या भेजता है।

आपको क्या खुलासा करना चाहिए

खुलासा करना नियमों से जुड़ा एक प्रश्न है, न कि पता लगाने (detection) से जुड़ा। वॉटरमार्क न तो खुलासा करने का दायित्व पैदा करता है और न ही इसे समाप्त करता है। यह निर्धारित करें कि आप पर कौन सा नियम लागू होता है, और फिर उसका पालन करें, चाहे कोई आपको पकड़ सके या न पकड़ सके।

EU AI Act इस कार्य को दो भागों में विभाजित करता है। Article 50(2) मार्किंग का दायित्व प्रदाता (provider) पर डालता है, जो कि Anthropic है, और यह रोलआउट इसी दायित्व को पूरा करता है। Article 50(4) डिप्लॉयर (deployer) पर दायित्व डालता है: जो कोई भी "जनहित के मामलों पर जनता को सूचित करने के लिए" AI द्वारा उत्पन्न टेक्स्ट प्रकाशित करता है, उसे यह खुलासा करना होगा कि इसे कृत्रिम रूप से उत्पन्न किया गया था। इसमें एक छूट (exemption) शामिल है जिसके अंतर्गत अधिकांश प्रकाशन टीमें आती हैं, जहाँ "AI द्वारा उत्पन्न सामग्री मानवीय समीक्षा या संपादकीय नियंत्रण की प्रक्रिया से गुजरी हो और जहाँ प्रकाशन के लिए कोई प्राकृतिक या कानूनी व्यक्ति संपादकीय जिम्मेदारी रखता हो"। दोनों 2 August 2026 से लागू होंगे। एक समीक्षा की गई पोस्ट जिसके पीछे एक नामित संपादक है, उसे उस फीड से अलग माना जाता है जो बिना किसी व्यक्ति द्वारा पढ़े प्रकाशित होती है। यह विनियमन के टेक्स्ट की व्याख्या है, न कि कानूनी सलाह।

अन्य नियम कानून से कहीं आगे तक जाते हैं। आपका रोजगार अनुबंध, आपका क्लाइंट एग्रीमेंट, उस प्रोजेक्ट की कॉन्ट्रिब्यूटिंग गाइड जहाँ आप पैच भेजते हैं, और जिस प्रकाशक के लिए आप लिखते हैं उसकी पॉलिसी, ये सभी आपसे अधिक मांग कर सकते हैं। ये वे नियम भी हैं जिनकी वास्तव में कोई जांच करेगा।

जब आप खुलासा करें, तो बताएं कि मॉडल ने क्या किया और आपने क्या सत्यापित किया। "ड्राफ्ट Claude के साथ लिखा गया है, प्रकाशन से पहले हर कमांड को एक क्लीन Ubuntu 24.04 इंस्टॉलेशन पर चलाया गया है" यह एक तकनीकी पाठक को कुछ वास्तविक जानकारी देता है। एक सामान्य "AI was used" बैज ऐसा नहीं करता, क्योंकि जो हिस्सा मॉडल आपके लिए नहीं कर सकता, वह है जांच करना।

और वॉटरमार्क परिणाम का उपयोग आरोप लगाने के लिए न करें। एक सकारात्मक परिणाम यह बताता है कि Claude मॉडल कहीं न कहीं शामिल था, जिसमें किसी के अपने लेखन के संपादक के रूप में शामिल होना भी शामिल है। एक नकारात्मक परिणाम कुछ भी नहीं बताता है।

FAQ

क्या मैं Claude के टेक्स्ट वॉटरमार्क को बंद कर सकता हूँ?

18 अगस्त 2026 तक इसका कोई आधिकारिक विकल्प मौजूद नहीं है। Anthropic का हेल्प पेज Claude, Claude Platform (API), Claude Code, Claude Cowork और Claude Tag पर मार्किंग का विवरण देता है, जिसमें AWS, Google Cloud और Microsoft Foundry के माध्यम से एक्सेस भी शामिल है, और इसे अक्षम करने के लिए कोई सेटिंग नहीं बताई गई है। मॉडल से अपने उत्तर में वॉटरमार्क न लगाने के लिए कहना भी व्यर्थ है, क्योंकि यह मार्क मॉडल द्वारा नहीं, बल्कि टोकन चुनने वाले सैंपलर (sampler) द्वारा लगाया जाता है।

क्या Claude द्वारा लिखे गए कोड में वॉटरमार्क दिखाई देता है?

शायद ही। वॉटरमार्किंग उन विकल्पों के बीच चयन करके काम करती है जो सभी स्वीकार्य होते हैं, और सही कोड में शायद ही कभी बहुत सारे विकल्प होते हैं। Anthropic का कहना है कि कोड में "अन्य प्रकार के टेक्स्ट की तुलना में आमतौर पर कम वॉटरमार्किंग होती है" क्योंकि इसे सटीक होना पड़ता है। TechCrunch ने 15 अगस्त 2026 को रिपोर्ट की थी कि Anthropic को कोड पर नगण्य प्रभाव की उम्मीद है, जिसमें निशान टिप्पणियों (comments) में होने की अधिक संभावना है, जो कि प्रकाशित दस्तावेज़ीकरण के बजाय एक बयान की प्रेस रिपोर्ट है। पैच के जिन हिस्सों में बदलाव की गुंजाइश होती है, वे टिप्पणियाँ और आइडेंटिफ़ायर नाम हैं।

यदि कोई डिटेक्टर वॉटरमार्क नहीं ढूंढ पाता है, तो क्या यह साबित होता है कि इसे किसी इंसान ने लिखा है?

नहीं, और वॉटरमार्क के साथ लोग यही सबसे बड़ी गलती करते हैं। Anthropic का अपना पेज कहता है कि "डिटेक्ट किए गए मार्क की कमी का मतलब यह नहीं है कि कंटेंट AI-जनरेटेड या प्रोसेस्ड नहीं था"। टेक्स्ट परीक्षण के लिए बहुत छोटा हो सकता है, इसे एडिट या पैराफ्रेज़ किया गया हो सकता है, यह मार्किंग शुरू होने से पहले जारी किए गए मॉडल से आ सकता है, या यह पूरी तरह से किसी अन्य वेंडर से आ सकता है। यह परीक्षण एकतरफा है: यह विश्वास बढ़ा सकता है कि Claude शामिल था, लेकिन यह कभी नहीं दिखा सकता कि Claude शामिल नहीं था।

क्या पैराफ्रेज़िंग या अनुवाद करने से वॉटरमार्क हट जाता है?

किसी अन्य मॉडल के माध्यम से पैराफ्रेज़ करने पर यह हट जाता है, क्योंकि वह मॉडल अपने स्वयं के सैंपलर और बिना किसी की (key) के हर शब्द को फिर से चुनता है। बाहरी टूल से अनुवाद करने पर भी यही कारण लागू होता है। अपवाद दूसरी दिशा में काम करता है: Anthropic का कहना है कि "Claude द्वारा तैयार किए गए अनुवाद में वॉटरमार्क होता है, क्योंकि इस मामले में हर शब्द Claude द्वारा चुना जाता है", इसलिए अपने स्वयं के लेखन का Claude से अनुवाद करने पर एक ऐसा मार्क जुड़ जाता है जो पहले नहीं था।

क्या मैं खुद किसी डॉक्यूमेंट में Claude वॉटरमार्क की जाँच कर सकता हूँ?

अभी नहीं। डिटेक्शन के लिए की (key) की आवश्यकता होती है, इसलिए इसे टेक्स्ट पढ़कर या किसी ऑफलाइन टूल से नहीं किया जा सकता है। Anthropic का कहना है कि वह "जल्द ही एक वॉटरमार्क डिटेक्शन API पेश करेगा" और अभी भी विवरणों पर काम कर रहा है, इसलिए 18 अगस्त 2026 तक कोई सार्वजनिक डिटेक्टर उपलब्ध नहीं है। आज जो कुछ भी Claude डिटेक्टर के रूप में बेचा जा रहा है, वह एक स्टाइल क्लासिफायर है, जो एक अलग तंत्र है और इसमें उन लोगों के लेखन पर गलत परिणाम (false positive) देने की समस्या है जिनकी पहली भाषा अंग्रेजी नहीं है (Liang et al., Patterns, 2023)।