SSD Nodes Learn Hosting plans →
Руководства Matt ConnorАвтор: Matt Connor · Обновлено 2026-10-19

Как работает водяной знак в текстах Claude

Узнайте, как Anthropic внедряет скрытые метки в ответы Claude через смещение выбора токенов. Разбираем, почему статистический анализ требует большого объема текста.

Что такое текстовый водяной знак Claude

Текстовый водяной знак Claude — это смещение, применяемое моделью при выборе слов. Это не тег, прикрепленный к файлу, и не последовательность невидимых символов Unicode, которые можно удалить регулярным выражением. Anthropic описывает это в статье Как работает текстовый водяной знак Claude от 14 августа 2026 года, обновленной 1 сентября 2026 года: схема «лишь меняет источник случайности, используемой для выбора между словами», применяя секретный ключ и несколько предшествующих слов. Поскольку метка заключается в выборе самих слов, она сохраняется при копировании и вставке, но исчезает при изменении текста.

Из этого следуют два вывода, объясняющие интерес к данной теме. Детектирование — это статистический тест, требующий большого объема текста для получения значимого результата, поэтому он не дает полезной информации для одного предложения. Отрицательный результат также ничего не доказывает: справочный центр Anthropic заявляет, что «отсутствие обнаруженной метки не означает, что контент не был сгенерирован или обработан ИИ».

На странице справки Как Claude помечает контент, сгенерированный ИИ, изученной 11 октября 2026 года, перечислены охватываемые платформы: «Claude Platform (API), Claude, Claude Code, Claude Cowork и Claude Tag», включая доступ через AWS, Google Cloud и Microsoft Foundry. Модели, выпущенные 2 августа 2026 года или позднее, поддерживают машиночитаемую маркировку с момента запуска, а для более ранних моделей предусмотрен переходный период, пока Anthropic внедряет в них маркировку; страница теперь содержит таблицу по каждой модели. Эта дата не случайна. Статья 50 Закона ЕС об ИИ (EU AI Act) вступает в силу 2 августа 2026 года и требует от поставщиков систем, генерирующих синтетический текст, помечать вывод «в машиночитаемом формате, позволяющем определить, что контент был искусственно сгенерирован или изменен». Цифровой свод правил по ИИ, Регламент (EU) 2026/1744, дает поставщикам, чьи системы уже присутствовали на рынке до 2 августа 2026 года, срок до 2 декабря 2026 года для приведения систем в соответствие с этим требованием. Anthropic заявляет, что применяет маркировку по всему миру, а не только для трафика из ЕС.

С файлами ситуация иная. На странице справки указано, что Claude добавляет подписанные метаданные о происхождении, называемые Content Credential и соответствующие стандарту C2PA (Coalition for Content Provenance and Authenticity), к поддерживаемым типам генерируемых файлов, «таким как PNG или JPEG». Это метаданные, прикрепленные к содержимому файла, а не изменение самого содержимого, поэтому они легко удаляются.

Как водяной знак влияет на выбор токенов

На каждом шаге языковая модель вычисляет вероятность для каждого токена (токеном является слово или его часть), который может быть выбран следующим. Сэмплер выбирает один из них, и обычно случайность этого выбора обеспечивается стандартным генератором случайных чисел. Сэмплер с водяным знаком заменяет этот источник на псевдослучайную функцию с ключом. Её входными данными являются секретный ключ и несколько последних токенов, поэтому выбор воспроизводим для любого, у кого есть ключ, и выглядит как обычная вариативность для всех остальных.

Первая широко цитируемая публичная версия — A Watermark for Large Language Models (Kirchenbauer et al., ICML 2023). Перед каждым токеном ключ и предыдущие токены выбирают псевдослучайное «зелёное» подмножество словаря, а сэмплер добавляет небольшой бонус к оценке этих токенов. Ничего не запрещено, поэтому текст остаётся связным, но «зелёные» токены появляются чуть чаще, чем это было бы при случайном выборе.

В публикации Anthropic говорится, что их реализация основана на SynthID-Text, представленной Google DeepMind в журнале Nature в октябре 2024 года как Scalable watermarking for identifying large language model outputs, и что это семейство идей восходит к предложению Скотта Аронсона 2022 года. SynthID-Text выбирает несколько токенов-кандидатов из собственного распределения модели и проводит между ними турнир на выбывание, оцениваемый функцией с ключом, поэтому выживший токен с большей вероятностью будет тем, который «предпочитает» ключ. Кандидаты берутся из собственного распределения модели, именно поэтому в опубликованных отчетах об оценке не зафиксировано измеримой потери качества.

Важным следствием является энтропия. Смещение может работать только там, где у модели был реальный выбор. Если единственным верным следующим токеном является Paris, ни одна схема не сможет изменить его, не сделав текст неверным. Anthropic заявляет об этом прямо: водяной знак «менее заметен в фактических отрывках, где меньше вариантов выбора, которые можно сделать без снижения точности текста», а код «обычно содержит меньше водяных знаков, чем другие формы текста», поскольку он, как правило, должен быть точным. Плотность сигнала отслеживает степень свободы модели, поэтому длинный фрагмент свободного текста несёт сильную метку, в то время как короткий фактический ответ — почти никакой.

Одно честное ограничение для всего вышесказанного. По состоянию на 11 октября 2026 года Anthropic опубликовала семейство, к которому относится их схема, но не параметры или порог детектора. Механика в этом разделе взята из цитируемых работ. Рассматривайте их как опубликованный проект, который называет Anthropic, а не как описание точной конфигурации Claude.

Почему обнаружение — это проверка гипотезы, а не штамп

Детектор получает на вход текст и ключ. Он анализирует текст, пересчитывает вероятности, которые ключ присвоил бы каждому токену, выставляет оценки и суммирует их. Нулевая гипотеза заключается в том, что текст был написан без использования этого алгоритма с ключом: в этом случае оценки ведут себя как подбрасывание монеты, а общая сумма находится около ожидаемого значения. Текст с водяным знаком отклоняется от этого значения в большую сторону. Результатом работы является p-value — вероятность получить столь высокую сумму для текста без водяного знака. Вердикт «обнаружено» выносится путем сравнения этого p-value с выбранным пороговым значением.

Такая архитектура имеет два практических следствия. Уверенность в результате растет вместе с длиной текста, так как каждый дополнительный токен — это еще одно слабое доказательство. В Anthropic это описывают так: «Обнаружение водяного знака также плохо работает на коротких фрагментах, где меньше вариантов выбора слов и, следовательно, меньше информации для анализа». Пороговое значение — это всегда компромисс. Если установить его достаточно низким для проверки абзаца, вы начнете случайно помечать человеческие тексты как сгенерированные.

Большинство пользователей до сих пор не могут провести этот тест самостоятельно. Согласно обновлению от 1 сентября 2026 года, Anthropic сообщает: «Мы выпускаем API для обнаружения в режиме закрытого предварительного тестирования». Он доступен организациям, имеющим на это право «в соответствии с законодательством ЕС», таким как регуляторы, правоохранительные органы, СМИ, фактчекеры, независимые исследователи, образовательные организации и группы гражданского общества ЕС, а также предприятиям, «обязанным проверять наличие водяных знаков» для соблюдения требований закона. Anthropic заявляет о планах «со временем расширить доступ к API обнаружения», и на обеих страницах есть форма для регистрации интереса. Таким образом, по состоянию на 11 октября 2026 года публичного детектора текста не существует: за пределами указанных организаций никто не может подтвердить или опровергнуть утверждение о том, что данный фрагмент содержит метку. Для файлов предусмотрен отдельный путь, доступный каждому. Бесплатный Claude Content Checker проверяет загруженный файл на наличие Claude Content Credential и прямо указывает, что он «не проверяет текст».

Этот пробел важен из-за того, к чему люди прибегают вместо него. Коммерческие «AI-детекторы», продаваемые школам и редакторам, представляют собой классификаторы, обученные на стиле письма. У них нет ключа, и они не проводят проверку описанного типа. Их режим отказа хорошо задокументирован: GPT-детекторы предвзяты по отношению к авторам, для которых английский язык не является родным (Liang et al., Patterns, 2023). Исследование показало, что широко используемые детекторы пометили более половины эссе TOEFL, написанных не носителями языка, как сгенерированные ИИ, при этом верно классифицировав образцы от носителей языка. Детектор водяных знаков и классификатор стиля — это разные инструменты. Не позволяйте никому выдавать второй за первый.

Что удаляет водяной знак

Короткие ответы. Ответ из одной строки содержит слишком мало решений, чтобы повлиять на статистику. Исправления не существует, так как это свойство теста, а не недоработка реализации.

Переписывание. Anthropic утверждает, что легкое редактирование может оставить метку читаемой, тогда как «полное переписывание, при котором заменено каждое слово», удаляет её. Каждое замененное вами слово — это слово, которое ключ больше не может объяснить.

Перефразирование через другую модель. Вторая модель заново выбирает каждый токен с помощью собственного сэмплера и без ключа, поэтому результат несет метку этой модели (если она у неё есть), а не Claude.

Перевод, за одним исключением. Прогон английского текста Claude через другой переводчик разрушает сигнал, так как новый сэмплер выбирает каждое целевое слово. Anthropic отмечает случай, работающий в обратную сторону: «Перевод, выполненный Claude, содержит водяной знак, поскольку в этом случае каждое слово выбирается Claude».

Код, по большей части. Корректный код предлагает мало взаимозаменяемых вариантов. 15 августа 2026 года TechCrunch сообщил, что Anthropic ожидает «незначительного влияния на фактически создаваемый код», при этом метки с большей вероятностью появятся в комментариях. Это сообщение прессы о заявлении компании, а не опубликованная документация, поэтому относитесь к детали о комментариях как к неподтвержденной. Комментарии и имена идентификаторов — это части патча, где действительно есть пространство для выбора.

Удаление метаданных для файлов. Данные о происхождении C2PA находятся рядом с данными изображения, поэтому любое перекодирование файла обычно удаляет их, если не задана команда сохранить их. Это включает оптимизатор изображений при обычной сборке статического сайта. Справочная страница Anthropic перечисляет удаление метаданных среди причин, по которым метка может исчезнуть.

Что на самом деле доказывает обнаруженная метка

Значительно меньше, чем предполагает слово «водяной знак» (watermark). В публикации Anthropic прямо сказано: «Водяной знак позволяет лишь определить, что Claude, вероятно, был задействован в создании контента на каком-то этапе. Он не позволяет отличить ситуацию "Claude написал это" от ситуации "Claude существенно отредактировал это"». На странице справки добавляется, что «Claude может не являться первоначальным автором», поскольку пользователи применяют Claude для редактирования собственных текстов, и контент мог быть изменен после того, как Claude внес в него правки.

В опубликованных материалах Anthropic нет описания сигнала, привязанного к конкретной учетной записи или пользователю. Метка, согласно документации, лишь указывает на участие модели Claude. Если кто-то утверждает, что водяной знак позволяет выявить пользователя или API key, сгенерировавший фрагмент текста, то на 11 октября 2026 года это утверждение не подтверждается первоисточниками.

Меняет ли это публикацию кода, созданного с помощью ИИ, с вашего сервера?

Для кода технический ответ — по большей части нет, по двум уже названным причинам: сигнал в точном коде слаб, а обнаружение текста ограничено закрытым предварительным просмотром для соответствующих критериям организаций. То, что определяет, можете ли вы публиковать материал, — это политика, а политика не изменилась. Проекты с открытым исходным кодом написали свои собственные правила для вкладов, созданных с помощью ИИ, и эти правила обеспечиваются сопровождающим, который читает ваш pull request, а не детектором, который считывает ваши токены.

Для прозы, которую генерирует ваш сервер, ответ — да, в одном конкретном аспекте. Если вызов API пишет ваши примечания к выпуску или страницы продукта, то слова принадлежат Claude, поэтому метка содержится в них. Преобразование markdown в HTML, минификация, сохранение результата в Postgres и его раздача через CDN никак не меняют слова, поэтому все эти действия не меняют метку. Что её ослабляет, так это редактирование предложений человеком.

Вы не можете убрать водяной знак с помощью промпта. Он применяется на уровне сэмплирования, под текстом, который создает модель, поэтому инструкция вроде «не ставь водяной знак» не имеет объекта для воздействия. Это отличается от обычных причин, по которым агент игнорирует написанную вами инструкцию, когда инструкция дошла до модели, но уступила чему-то другому. По состоянию на 11 октября 2026 года для клиентов API не предусмотрено документированной возможности отказа.

Если вы используете Claude для управления сервером, а не для написания текстов, это почти ничего не меняет. Команды оболочки и фрагменты конфигурации коротки и ограничены, поэтому они почти не содержат сигнала, и ничто, связанное с маркировкой, не влияет на то, что работает на вашей машине. Повседневная работа системного администратора с Claude поднимает другой вопрос: что именно покидает вашу машину в первую очередь? См. что кодинг-агент на самом деле отправляет с вашего сервера.

Что необходимо раскрывать

Раскрытие информации — это вопрос соблюдения правил, а не вопрос обнаружения. Наличие водяного знака не создает обязанности раскрывать информацию и не освобождает от нее. Определите, какие правила обязательны для вас, и следуйте им независимо от того, можно ли вас уличить в их нарушении.

EU AI Act разделяет эту задачу на две части. Статья 50(2) возлагает обязанность по маркировке на поставщика, которым является Anthropic, и именно этому обязательству соответствует данное внедрение. Статья 50(4) возлагает обязанность на развертывающую сторону: любой, кто публикует текст, созданный ИИ, «для информирования общественности по вопросам, представляющим общественный интерес», должен раскрыть факт искусственного создания этого текста. В ней предусмотрено исключение, под которое подпадает большинство редакционных команд: если «контент, созданный ИИ, прошел процесс проверки человеком или редакционного контроля, и если физическое или юридическое лицо несет редакционную ответственность за публикацию». Оба положения вступают в силу со 2 августа 2026 года, при этом обязанность по маркировке для систем, уже представленных на рынке до этой даты, отложена до 2 декабря 2026 года. Отредактированная публикация с указанным редактором рассматривается иначе, чем лента, публикуемая без участия человека. Это толкование текста регламента, а не юридическая консультация.

Другие правила могут быть строже, чем закон. Ваш трудовой договор, соглашение с клиентом, руководство для участников проекта, в который вы отправляете патчи, и политика издателя, для которого вы пишете, могут требовать большего. Именно эти правила кто-то будет проверять на практике.

Когда вы раскрываете информацию, указывайте, что именно сделала модель и что вы проверили. Фраза «Черновик написан с помощью Claude, каждая команда протестирована на чистой установке Ubuntu 24.04 перед публикацией» сообщает технически грамотному читателю реальную информацию. Общий значок «Использовался ИИ» не несет смысла, так как часть работы, которую модель не может выполнить за вас, — это проверка.

И не используйте результат проверки водяного знака как обвинение. Положительный результат означает, что модель Claude была задействована в процессе, в том числе в качестве редактора чьего-либо текста. Отрицательный результат не означает ничего.

FAQ

Можно ли отключить текстовый водяной знак Claude?

По состоянию на 11 октября 2026 года документированной возможности отказа не существует. Справочная страница Anthropic описывает маркировку в Claude, Claude Platform (API), Claude Code, Claude Cowork и Claude Tag, включая доступ через AWS, Google Cloud и Microsoft Foundry, и не упоминает никаких настроек для её отключения. Просьба к модели не ставить водяной знак на ответ также не дает результата, так как метка накладывается семплером, который выбирает токены, а не самой моделью, следующей вашей инструкции.

Появляется ли водяной знак в коде, который пишет Claude?

Почти нет. Водяные знаки работают путем выбора между вариантами, которые все являются приемлемыми, а правильный код редко предлагает много таких вариантов. Anthropic заявляет, что в коде «обычно меньше водяных знаков, чем в других формах текста», поскольку он, как правило, должен быть точным. 15 августа 2026 года TechCrunch сообщил, что Anthropic ожидает незначительного влияния на сам код, при этом метки более вероятны в комментариях; это сообщение прессы о заявлении, а не опубликованная документация. Части патча, в которых есть возможность для вариаций, — это комментарии и имена идентификаторов.

Если детектор не находит водяной знак, доказывает ли это, что текст написал человек?

Нет, и это самая распространенная ошибка, которую люди совершают в отношении водяных знаков. На собственной странице Anthropic сказано, что «отсутствие обнаруженной метки не означает, что контент не был создан или обработан ИИ». Текст может быть слишком коротким для проверки, он мог быть отредактирован или перефразирован, он может исходить от модели, выпущенной до внедрения маркировки, или от другого поставщика. Тест является односторонним: он может повысить уверенность в том, что был задействован Claude, но он никогда не сможет показать, что Claude не участвовал.

Удаляют ли водяной знак перефразирование или перевод?

Перефразирование через другую модель удаляет его, так как эта модель заново выбирает каждое слово с помощью собственного семплера и без ключа. Перевод с помощью стороннего инструмента удаляет его по той же причине. Исключение работает в обратном направлении: Anthropic заявляет, что «перевод, выполненный Claude, содержит водяной знак, потому что в этом случае каждое слово выбирается Claude», поэтому перевод вашего собственного текста с помощью Claude добавляет метку, которой там раньше не было.

Могу ли я самостоятельно проверить документ на наличие водяного знака Claude?

Для текста — только если ваша организация соответствует критериям. Для обнаружения нужен ключ, поэтому это невозможно сделать путем чтения текста или с помощью какого-либо автономного инструмента. API обнаружения от Anthropic находится в режиме закрытого предварительного просмотра для организаций, соответствующих требованиям законодательства ЕС, и для предприятий, имеющих собственные обязательства по проверке маркировки, с планами по расширению доступа. Таким образом, по состоянию на 11 октября 2026 года общедоступного детектора текста не существует. С файлами ситуация иная: бесплатный Claude Content Checker проверяет загруженный файл на наличие Claude Content Credential, хотя он не проверяет текст. Любой сторонний инструмент, продаваемый как детектор текста Claude, не обладает ключом, поэтому он является классификатором стиля — это другой механизм с задокументированной проблемой ложноположительных результатов при анализе текстов людей, для которых английский язык не является родным (Liang et al., Patterns, 2023).

Была ли эта статья полезной?

#claude#watermarking#ai-detection#provenance#policy