Claude引入SynthID文本水印：写在每个token里的隐形标记，正面迎战去水印攻防

事件概述

Anthropic宣布为Claude生成的文本加入“隐形水印”，并随后公布了技术细节：采用Google DeepMind开发的SynthID。水印并非在生成后盖上，而是在模型写出每一个token的过程中被写进文字里。

核心信息

• 水印原理：大语言模型生成文本时，每一步都会基于上下文为下一个token计算概率分布。SynthID会按照一套只有检测方知道的规则，在模型做选择前轻微调整部分候选token的得分，让某些词更容易被选中。单独看不出异样，但大量生成选择会累积成可检测的统计模式。
• 攻击方式：水印与文字本身深度绑定，无法通过删除元数据或清理Unicode字符去除。最直接的破坏方式就是改写——换同义词、改语态，或干脆让另一个模型重新“洗”一遍。GitHub上已经出现针对文本水印的移除工具。
• 攻防循环：为了让水印经得起改写，水印系统需要提高强度；用户则继续寻找尽量保留原意、却更能破坏统计信号的方法。与图片、音频水印不同，文本水印能利用的空间就是词语、句式和表达选择，因此攻防每一步都会直接改变文字本身。

值得关注

• 这套机制对有意规避者和普通用户并不对称。真正想作弊的人可以绕道非水印模型、重写工具或反复洗稿；没有规避意识的人则会默认接受带水印约束的生成结果。到头来，最容易被水印标记的，恰恰是那些没想躲着它的人。
• Anthropic和Google强调水印不改变语义、质量和可读性，但模型的生成过程从此多了一个与“怎样把这句话写好”无关的优化目标。当技术系统为了识别身份而调整措辞，用户为了隐去身份而重新措辞时，语言本身的风格、节奏和表达精确度可能被逐渐挤压。