Как Claude помечает AI текст

Anthropic опубликовала подробное объяснение механизма в статье «How Claude's Text Watermark Works». Себастьян Рашка, автор книги «Build a Large Language Model From Scratch», разобрал технологию в 48-минутной видеолекции с 50 слайдами, потому что оригинальная статья Anthropic описывает мотивацию, но почти не объясняет, как именно работает механизм. Ниже то, что стоит знать практику.

Что понадобится

• Доступ к Claude (через claude.ai или API Anthropic)
• Текст, сгенерированный Claude, для проверки
• Понимание, как языковая модель выбирает следующее слово (объясню ниже)
• 10 минут на чтение этой инструкции

Как Claude ставит невидимый водяной знак: пошаговая инструкция

Водяной знак Claude не вшит в буквы и не спрятан в пробелах. Он встроен в сам процесс генерации, в тот момент, когда модель выбирает каждое следующее слово. Чтобы понять механизм, нужно разобрать его по шагам.

1. Поймите, как модель выбирает слово. Языковая модель не «знает» ответ целиком. Она каждый раз рассчитывает вероятности для всех возможных следующих слов (токенов). Например, после «Солнце вышло из-за» модель может дать слово «туч» с вероятностью 0,4 и «облаков» с вероятностью 0,35. Обычно выбирается одно из наиболее вероятных слов.

2. Представьте, что словарь модели делится на две группы. Перед генерацией каждого токена система разбивает весь словарь на два списка: условно «зелёный» и «красный». Разбивка зависит от секретного ключа, который знает только Anthropic, и от контекста (предыдущих токенов).

3. Модель «подталкивается» к зелёным словам. При генерации вероятности слов из зелёного списка слегка повышаются. Не настолько, чтобы текст стал странным, но достаточно, чтобы статистически в тексте оказалось больше «зелёных» токенов, чем было бы случайно.

4. Проверка: Anthropic считает долю зелёных токенов. Когда нужно определить, писал ли текст Claude, Anthropic берёт тот же секретный ключ, восстанавливает разбивку словаря для каждой позиции и считает, сколько токенов попало в «зелёный» список. Если доля заметно выше случайной, текст помечен водяным знаком.

5. Пользователь ничего не видит. Водяной знак не меняет смысл, стиль или грамматику. Он существует только на уровне статистического распределения выбранных слов.

6. Проверить может только Anthropic. Без секретного ключа невозможно узнать, какие токены «зелёные», а какие «красные». Поэтому сторонние детекторы ИИ-текста (вроде GPTZero или Turnitin) этот конкретный водяной знак не считывают.

Когда водяной знак перестаёт работать?

Водяной знак не абсолютная защита. Себастьян Рашка в лекции отдельно разбирает, как он «ломается».

• Перефразирование. Если переписать текст другими словами (вручную или другой нейросетью), статистическое распределение «зелёных» токенов разрушается. Чем сильнее переработка, тем меньше следов.
• Короткие тексты. Для надёжного детектирования нужна достаточная длина. Фраза из пяти слов не даст статистически значимого сигнала.
• Копирование с правками. Если вставить сгенерированный текст в свой и отредактировать часть слов, водяной знак слабеет пропорционально количеству изменений.

Именно поэтому Anthropic подчёркивает: водяной знак не заменяет другие методы проверки, а дополняет их.

Что с этого вам, по ролям?

Авторам Дзена и копирайтерам. Если вы используете Claude как помощника и потом серьёзно редактируете текст, водяной знак, скорее всего, не выдержит ваших правок. Но если публикуете вывод Claude почти без изменений, текст технически может быть идентифицирован как машинный. Пока проверку может провести только Anthropic, однако логично предположить, что площадки могут запрашивать такую верификацию.

Маркетологам и SMM-специалистам. Водяной знак не влияет на качество текста, это подтверждает Anthropic. Рабочий процесс менять не нужно. Но стоит учитывать: эра, когда нельзя определить «авторство» нейросети, заканчивается.

Предпринимателям в РФ и СНГ. Claude доступен в России с ограничениями (часто нужен VPN). Из российских аналогов, YandexGPT и GigaChat, ни одна компания пока не объявляла о встраивании подобных водяных знаков в текст. Но если технология покажет результат, подход могут перенять.

Водяной знак Claude не катастрофа и не революция. Это инженерное решение, которое делает «авторство» нейросети проверяемым фактом, а не предметом догадок. Для автора, который вкладывает в текст свою голову, ничего не меняется. Для того, кто копирует вывод Claude без правок, наступает время перестраиваться.