Claude вшивает водяной знак в текст, проверка пока закрыта

Невидимый водяной знак в тексте Claude теперь получают девять моделей. Он стоит в ответах из продуктов Anthropic и в выдаче облачных партнёров: AWS, Google Cloud и Microsoft Foundry. Таблицу поддержки Anthropic ведёт в справке о маркировке ИИ-контента. По состоянию на 23 октября в ней есть и модели, вышедшие до 2 августа.

Полный набор меток отмечен у Fable 5.1, Fable 5, Mythos 5.1, Opus 5.5, Opus 5, Opus 4.8, Sonnet 5.5, Sonnet 5 и Haiku 5.5. В него входят знак в тексте при работе через сервисы Anthropic, знак в выдаче облачных партнёров и Content Credentials в файлах. У Fable 5, Opus 4.8 и Sonnet 5 облачная графа помечена звёздочкой: раскатка на Amazon Bedrock завершится к 23 октября. У Mythos 5, Opus 4.7, Opus 4.6, Opus 4.5, Sonnet 4.6, Sonnet 4.5 и Haiku 4.5 стоит одна галочка из трёх.

Летом речь шла только о будущих моделях. Автор материала для O'Reilly, преподаватель платформы живых тренингов, цитирует августовский анонс Anthropic: «будущие модели Claude» будут генерировать текст с водяным знаком, и это «способ определить вероятность того, что Claude участвовал в написании текста». Теперь в справке сказано, что в рамках обязательств по Кодексу Anthropic добавляет знаки и в выдачу моделей, вышедших до 2 августа 2026 года. Как поясняет Search Engine Journal, модели, запущенные в ЕС с этой даты, поддерживают маркировку сразу, а более ранние живут по переходному периоду. Кодекс, о котором идёт речь, - это свод практик к статье 50(2) европейского AI Act о прозрачности ИИ-контента. Anthropic подписала его как поставщик и генеративных моделей, и систем на их основе.

Сам знак сидит в выборе слов. Модель пишет текст по одному слову, и там, где несколько кандидатов значат примерно одно и то же, выбор обычно решает случайное число. С водяным знаком это число определяют секретный ключ и несколько предыдущих слов. Тот, у кого есть ключ, может проверить, согласуется ли последовательность слов с выбором Claude, и оценить вероятность, что текст написал Claude. В посте Anthropic уверяют, что метод не заставляет Claude брать слово, которое он бы иначе не рассматривал, не добавляет скрытых символов и лишних токенов, не делает генерацию дороже и не несёт данных, по которым можно выйти на конкретного человека, организацию или чат.

Знак ставится на уровне модели, поэтому продукт роли не играет: веб-чат, Claude Code или API. Он уходит вместе с текстом при копировании и может пережить часть правок. С файлами иначе: к сгенерированным PNG и JPEG Claude прикладывает подписанные метаданные о происхождении по открытому стандарту C2PA, их называют Content Credentials.

Автор O'Reilly делает из этого практический вывод: любой код, письмо, пост, рассылка или white paper, написанные с Claude, будут нести знак, и любой, у кого есть детектор, сможет «легко» определить, что текст сгенерирован ИИ. Только детектор пока есть у немногих. Проверка текста идёт в закрытом превью. Доступ дают организациям, которым он положен по праву ЕС: регуляторам, правоохранителям, СМИ, фактчекерам, независимым исследователям, образовательным организациям и гражданским объединениям ЕС. Его получают и компании, которым проверка нужна для собственного соответствия AI Act. Anthropic обещает со временем расширить доступ к API детекции.

Положительный результат проверки тоже не означает авторства. Найденная метка, говорится в справке, указывает на то, что контент «мог быть создан или обработан Claude». Вычитка, перевод, пересказ и конвертация файла могут оставить знак, даже если идеи и исходный текст чужие. Обратный случай SEJ описывает так: знака может не быть, если текст написала старая модель, его сильно отредактировали или он слишком короткий для внятного сигнала. Сколько правок нужно, чтобы знак пропал, Anthropic не уточняет. В августе Джеймс Падолси из NOPE проверял похожие схемы на открытых моделях: полное переписывание почти стирало знак, а лёгкие правки действовали куда слабее.

Для тех, кто встраивает Claude в свой продукт, у статьи 50 есть исключения. По разбору Search Engine Journal, системы, которые только помогают со стандартной правкой и не меняют существенно ввод или его смысл, могут не попадать под требование маркировки. А опубликованный текст, прошедший человеческую проверку или редакционный контроль, может не требовать раскрытия, если кто-то несёт за него редакционную ответственность. Anthropic советует разработчикам самим оценить, что статья 50 требует от их сервисов, и обещает техническое руководство по маркировке и детекции.

Claude здесь не исключение. По подсчёту Еврокомиссии, к концу июля у Кодекса было около 190 подписантов, а в разделе для поставщиков, который касается машиночитаемой маркировки и детекции, рядом с Anthropic стоят Google, Meta, Microsoft, Mistral и OpenAI. SEJ напоминает, что OpenAI в сентябре 2024 года отказалась от собственных планов маркировки после опроса: почти 30% пользователей ChatGPT сказали, что стали бы пользоваться им реже.

Есть ли у файла метка Claude, проверяет бесплатный Claude Content Checker. Доступ к детекции текста запрашивают через форму Claude Watermark Detector Access Request Form.