Claude 文本水印靠换词 会不会动语义

Anthropic 为合规推进「给 Claude 生成内容打标」。John Gruber 在 Anthropic’s ‘Watermark’ Text Adulteration… 里指出：真正落地的不是藏不可见字符，而是推理时微调下一 token 的选词偏置（语义隐写）。支持页曾写「不可感知、不改意义/质量/可读性」；批评方认为选词偏置本身就会动措辞，谈不上零代价。

作者：CodePass 技术编辑

机制一句话

在每个生成点，词被动态划进「绿/红」名单；模型略偏好绿名单。持有密钥的一方可统计绿词是否偏多，从而概率判断「像不像打过该厂水印的文本」。字数越多置信度越高；太短则几乎无结论。密钥在提供商手里：Claude 检不出 Gemini 的标，反之亦然。

和「看不见字符」差在哪

不可见 Unicode 理论上可不改可见语义；语义水印改的是概率分布，同一问题可能换成近义词、句式或细节顺序。对多数聊天无感，对合同措辞、文学翻译、精确技术说明，任何系统性选词偏置都值得产品经理写进风险清单。Gruber 的核心指控是：官方先承诺不改质量，后文才解释实际是偏置采样。

对开发者意味着什么

API / Claude Code 是否同步启用、能否关闭、企业合同如何披露，以 Anthropic 当时生效文档为准。若你的流水线要「可复现同一措辞」，水印开启后的非确定性会再叠一层。检测权集中在厂商，第三方无法自建同等检测器。关注政策区（如欧盟标记要求）与关闭开关，而不是自己发明「去水印」脚本。