واترمارک Claude: این نشان کجا قرار دارد و چه چیزی را ثابت می‌کند

بیشتر آنچه از August درباره واترمارک Claude نوشته شده، سازوکاری را توصیف می‌کند که همان چیزی نیست که Anthropic عرضه کرده است. روایت رایج این است که یک نویسه نامرئی میان واژه‌ها قرار می‌گیرد، یک فاصله با عرض صفر یا یک نویسه Unicode شبیه‌نما، که منتظر می‌ماند یک آشکارساز آن را پیدا کند. این می‌توانست حدس معقولی باشد. اما نادرست است، و این خطا صرفا نظری نیست: همین خطا علت آن است که یک دسته کامل از ابزارهای رایگان که با عنوان حذف‌کننده واترمارک عرضه می‌شوند، بر این نشان خاص هیچ اثری ندارند.

نشان Anthropic در خودِ انتخاب واژه‌ها قرار دارد. هیچ چیزی به متن افزوده نمی‌شود. وقتی این روشن شود، پرسش‌های عملی خودبه‌خود به شکلی پاسخ داده می‌شوند که تا وقتی تصویر نویسه پنهان همچنان مبنا باشد، چنین امکانی ندارند، از جمله این که کدام عملیات نشان را منتقل می‌کنند، کدام‌ها آن را پاک می‌کنند، و یک آشکارساز وقتی یک مورد را گزارش می‌کند، در واقع چه چیزی را به شما می‌گوید.

آنچه در ادامه می‌آید، نه از پوشش خبری پیرامون آن، بلکه از مستندات خود Anthropic گرفته شده است، و عمدا درباره محدودیت‌هایی که خود شرکت بیان می‌کند، دقیق است.

Anthropic چه چیزی را و چه زمانی فعال کرد

Anthropic از 11 August 2026 نشانه‌گذاری خروجی Claude را آغاز کرد. مقاله مرکز راهنمایی آن درباره این موضوع نشان متنی را چنین توصیف می‌کند: "یک واترمارک نامحسوس که مستقیما در خودِ متن قرار می‌گیرد"، و می‌گوید خواننده "آن را نخواهد دید، و این نشان معنا، کیفیت یا خوانایی را تغییر نمی‌دهد".

پوشش گسترده است. مدل‌هایی که در 2 August 2026 یا پس از آن عرضه شده‌اند، از زمان انتشار دارای نشانه‌گذاری هستند، و Anthropic سطوح را به صورت Claude Platform API، Claude، Claude Code، Claude Cowork و Claude Tag فهرست می‌کند، از جمله Claude که از طریق AWS، Google Cloud و Microsoft Foundry در دسترس قرار می‌گیرد. این قاعده در سطح جهانی اعمال می‌شود. تلقی هر چیزی که پیش از August تدوین شده است به عنوان معافیت خودکار، عاقلانه نیست، زیرا شرکت توضیح داده است که مدل‌های پیشین را طی یک دوره گذار مشمول خواهد کرد.

فشار مقرراتی پشت این موضوع، Article 50 of the EU AI Act است، که تعهدات شفافیت آن از ارائه‌دهندگان سامانه‌های مولد می‌خواهد خروجی قابل‌خواندن توسط ماشین را علامت‌گذاری کنند. Anthropic Code of Practice مربوط به Article 50(2) را امضا کرده است. نکته قابل توجه این است که این مقرره سامانه‌هایی را تنظیم می‌کند که درون European Union به کار می‌روند و هیچ چیز در آن وجود ندارد که اجرای جهانی را الزام کند. Anthropic این نشانه را با این حال در همه جا اعمال کرد، و این یک انتخاب سیاستی است نه یک الزام حقوقی، و به همین دلیل است که یک پژوهشگر در Kuala Lumpur یا Chicago مشمول یک قاعده European می‌شود.

این نشانه یک الگوی انتخاب واژه‌ها است، نه یک نویسه پنهان

در هر گام از تولید متن، یک مدل زبانی از میان چند ادامه ممکن انتخاب می‌کند که از نظر آمارهای خود آن، به هم نزدیک و تقریباً معادل‌اند. هر جا که یک واژه به خوبی واژه دیگر باشد، چیزی باید این تساوی را بشکند. یک watermark نمونه‌گیری این تساوی‌ها را بر اساس یک کلید در اختیار ارائه‌دهنده می‌شکند، به گونه‌ای که در یک متن با طول معقول، انتخاب‌های انباشته الگویی را شکل می‌دهند که یک آشکارسازِ دارای همان کلید می‌تواند آن را اندازه‌گیری کند.

هیچ چیزی به صفحه افزوده نمی‌شود. نه نویسه‌ای برای یافتن وجود دارد، نه یک فیلد فراداده در متن، نه یک اثر قالب‌بندی. واژه‌هایی که می‌خوانید خودِ watermark هستند، به معنای خاصی که نشانه، ثبتِ این است که کدام واژه‌ها از میان گزینه‌ها برگزیده شده‌اند. به همین دلیل Anthropic می‌تواند بگوید این نشانه از نظر معنا یا خوانایی هیچ هزینه‌ای ندارد: هرگز لازم نبود نثر را دگرگون کند، فقط کافی بود بارها یک صورت‌بندی پذیرفتنی را بر صورت‌بندی پذیرفتنی دیگری ترجیح دهد.

همچنین دوام آن را توضیح می‌دهد. Anthropic می‌گوید این نشان «هنگامی که متن در جای دیگری کپی و جای‌گذاری شود، همراه متن حرکت خواهد کرد»، و دلیل آن ساختاری است نه مبتکرانه. کپی کردن، واژه‌های شما را حفظ می‌کند. بازقالب‌بندی، واژه‌های شما را حفظ می‌کند. تغییر فونت، خروجی گرفتن به PDF، جای‌گذاری در یک ویرایشگر دیگر، تبدیل به متن ساده: همه این‌ها توالی واژه‌ها را حفظ می‌کنند، و توالی واژه‌ها همان چیزی است که اندازه‌گیری می‌شود.

چرا پاک‌کننده‌های نویسه‌های نامرئی بر آن اثری ندارند

تعداد زیادی از ابزارهای رایگان اکنون خود را به‌عنوان حذف‌کننده‌های واترمارک AI معرفی می‌کنند. تقریباً همه آن‌ها یک کار انجام می‌دهند: جست‌وجوی Unicode با عرض صفر، فاصله‌گذاری نامرئی و نویسه‌های هم‌سان‌نما، سپس حذف آنچه پیدا می‌کنند. این پاسخ معقولی به یک مسئله واقعی بود، زیرا برخی سامانه‌ها واقعاً منشأ را در نویسه‌ها تعبیه می‌کنند، و این ابزار درست برای زدودن آثار قالب‌بندیِ پراکنده از متنِ جای‌گذاری‌شده است.

در برابر یک واترمارک نمونه‌برداری، هیچ کاری از پیش نمی‌برد. یک متن Claude را از یک پاک‌کننده نویسه عبور دهید و هر نویسه نامرئی در آن ناپدید می‌شود، در حالی که متن دقیقاً همان‌گونه که پیش‌تر بود اندازه‌گیری می‌شود، زیرا حتی یک واژه هم تغییر نکرده است. ابزار در جایی جست‌وجو می‌کند که نشان هرگز در آن نبوده است. این مهم‌ترین سوءبرداشتِ رایج است، و هر کسی که برای این منظور به یک حذف‌کننده نویسه تکیه کند، نتیجه‌ای می‌گیرد که شبیه یک کنش است و در واقع کنش نیست.

نکته کلی در کنار پرسش گسترده‌ترِ اینکه آشکارسازهای AI در عمل چگونه کار می‌کنند قرار می‌گیرد، هرچند واترمارکِ کلیددار با یک طبقه‌بند آماری ماهیتی متفاوت دارد. یک طبقه‌بند از روی شکل نوشتار حدس می‌زند. یک واترمارک سیگنالی را می‌خواند که عمداً کاشته شده است، و همین آن را در تشخیصِ آنچه شناسایی می‌کند بسیار دقیق‌تر می‌سازد، اما در پاسخ به این پرسش که چه کسی سند را نوشته است هیچ بهتر نمی‌کند.

سازوکار دوم، که به‌جای متن بر فایل‌ها اعمال می‌شود

Anthropic دو سیستم را اجرا می‌کند، و پوشش رسانه‌ای تا حد زیادی این دو را در یکی ادغام کرده است. در کنار واترمارک متنی، فایل‌هایی که توسط Claude تولید می‌شوند می‌توانند «فراداده منشأ امضاشده» داشته باشند که از استاندارد باز Coalition for Content Provenance and Authenticity (C2PA) پیروی می‌کند.

این نیمه برخلاف بخش نخست عمل می‌کند. فراداده C2PA به خود فایل پیوست می‌شود، نه اینکه در سراسر نثر تنیده شود، بنابراین از دست رفتن آن نسبتاً آسان است: اگر متن را از فایل بیرون کپی کنید، فراداده همان‌جا می‌ماند، چون هرگز در خود واژه‌ها نبوده است. این دو سیستم قوت‌های معکوس دارند. نشان متنی در جابه‌جایی باقی می‌ماند و در برابر ویرایش‌های سطحی مقاومت می‌کند. امضای فایل دقیق و قابل راستی‌آزمایی است، اما عمل معمولِ انتخاب یک بخش و چسباندن آن در سندی از خودتان را تاب نمی‌آورد.

یک تشخیص مثبت در عمل چه چیزی را ثابت می‌کند

بسیار کمتر از آنچه واژه "detection" القا می‌کند، و Anthropic در این باره به‌طور غیرمعمولی صریح است. مستندات آن بیان می‌کند که "detecting a Claude mark tells you that the content may have been processed by Claude" و این‌که "does not, on its own, confirm the full provenance".

این را با دقت بخوانید، زیرا کار دقیقی انجام می‌دهد. پردازش‌شده، نه نوشته‌شده. یک نتیجه مثبت با سندی که Claude از هیچ نوشته است سازگار است. همچنین با سندی که خودتان نوشته‌اید و از Claude خواسته‌اید آن را دقیق‌تر کند نیز کاملاً سازگار است. این سیگنال راهی برای جدا کردن این موارد ندارد، زیرا در هر دو حالت Claude توکن‌هایی را تولید کرده است که در نهایت روی صفحه آمده‌اند.

محدودیت‌ها در جهت دیگر هم وجود دارند. Anthropic اشاره می‌کند که نشان‌ها ممکن است در اثر ویرایش سنگین، تبدیل قالب یا بخش‌های بسیار کوتاه باقی نمانند، و این‌که نبودِ نشان به این معنا نیست که محتوا توسط AI تولید نشده است. بنابراین یک نتیجه منفی تقریباً هیچ چیز را ثابت نمی‌کند: متن ممکن است از مدلی دیگر، از Claude پیشین، یا از Claude پس از آن‌همه بازنگری آمده باشد که سیگنال را از بین برده است. تشخیص از طریق رابط خود Anthropic برنامه‌ریزی شده است، نه برای اشخاص ثالث، و به همین دلیل آشکارسازهای عمومی AI این سیگنال را نمی‌خوانند و نباید انتظار داشت که بخوانند.

عملیات	اثر بر واترمارک متن	دلیل
کپی و چسباندن	حفظ می‌شود	واژه‌های شما دقیقاً حفظ می‌شوند
بازقالب‌بندی، تغییر فونت، خروجی PDF	حفظ می‌شود	نمایش تغییر می‌کند، توالی واژه‌ها تغییر نمی‌کند
حذف نویسه‌های نامرئی	بی‌اثر است	این نشانه هرگز در یک نویسه ذخیره نشده بود
ویرایش سبکِ جزئی	معمولاً حفظ می‌شود	بیشتر واژه‌ها باقی می‌مانند، بنابراین بیشتر الگو نیز باقی می‌ماند
بازنویسی گسترده	از هم می‌پاشد	واژه‌های تازه به معنای انتخاب‌های تازه‌اند، که به متن اصلی پیوند نخورده‌اند
ترجمه به زبانی دیگر	از هم می‌پاشد	توالی نشانه‌ها از نو ساخته می‌شود
گزیده‌های بسیار کوتاه	در هر دو حالت نامطمئن است	یک سنجش آماری به رشته‌ای از متن نیاز دارد تا بتواند درباره چیزی نتیجه‌گیری کند

مسئله انتسابی که این امر برای افرادی که کار خود را خودشان نوشته‌اند ایجاد می‌کند

تیزترین واکنش به این اعلامیه از سوی هیچ‌کس که می‌کوشید کارِ نوشته‌شده توسط ماشین را پنهان کند، نیامد. این واکنش از سوی وکلا، پژوهشگران، دانشگاهیان و ویراستارانی بود که از این مدل همان‌گونه استفاده می‌کنند که از یک copy-editor استفاده می‌کردند، و متوجه شدند که این نشانه چه چیزی را ثبت می‌کند.

مورد معمول را در نظر بگیرید. شما یک بند می‌نویسید. استدلال از آنِ شماست، شواهد از آنِ شماست، ساختار از آنِ شماست. از Claude می‌خواهید ریتم را اصلاح کند و 200 واژه را حذف کند. آنچه بازمی‌گردد بند شماست، با نشانه، و این نشانه نمی‌تواند بگوید که تقریباً همه اندیشه و بیشترِ صورت‌بندی پیش از آنکه مدل آن را ببیند، از پیش وجود داشته است. اگر یک نهاد، ناشر یا کارفرما یک نتیجه مثبت را به‌مثابه اثبات قطعیِ نویسندگیِ AI تلقی کند، که برداشتی قوی‌تر از آن چیزی است که حتی عبارت‌بندی خود Anthropic پشتیبانی می‌کند، نویسنده ناچار می‌شود در برابر سیگنالی استدلال کند که هرگز برای پاسخ دادن به پرسشی که از آن می‌پرسند طراحی نشده بود.

این یک مسئله واقعی درباره انتساب است، نه مسئله‌ای درباره پنهان‌سازی، و شایسته است که صریح گفته شود، زیرا این دو پیوسته با هم خلط می‌شوند. این که بخواهید استدلال خودتان به نام شما نسبت داده شود، با این که بخواهید نحوه تولید یک سند را پنهان کنید، یکسان نیست. هرچه سیاست افشای مؤسسه شما اقتضا کند، همچنان همان را اقتضا می‌کند: پاک شدن یک نشان، هیچ چیز را درباره آنچه در یک اعلامیه استفاده از AI به خواننده بدهکارید، تغییر نمی‌دهد.

چه چیزی نشان را پاک می‌کند، و چه چیزی فقط چنین به نظر می‌رسد

یک اصل همه این موارد را پوشش می‌دهد. هر عملی که واژه‌های شما را همچنان برقرار نگه دارد، نشان را نیز به جلو منتقل می‌کند. هر عملی که واژه‌ها را از نو و از ابتدا تولید کند، آن را می‌شکند. همه چیز از اینجا نتیجه می‌شود.

کپی کردن، بازآرایی قالب، تبدیل نوع فایل و حذف نویسه‌های نامرئی، همگی واژه‌ها را همچنان برقرار نگه می‌دارند، بنابراین همگی نشان را حمل می‌کنند. ترجمه و بازنویسیِ اساسی، واژه‌ها را از نو تولید می‌کنند، بنابراین هر دو آن را می‌شکنند، و Anthropic پذیرفته است که ویرایش سنگین می‌تواند باعث ناپدید شدن نشان شود. بازنویسی دستی اگر برایش وقت داشته باشید کاملاً خوب کار می‌کند، که برای یک فصل کامل، بیشتر مردم چنین وقتی ندارند.

این همان سازوکاری است که free Claude watermark remover ما بر آن بنا شده است. این ابزار یک متن را جمله به جمله، از طریق مدلی دیگر، بازسازی می‌کند، بنابراین هر token از نو تولید می‌شود و سیگنالی که به نمونه‌گیری Claude وابسته است دیگر چیزی برای اتصال ندارد. آغازها جابه‌جا می‌شوند و ترتیب بندها تغییر می‌کند، در حالی که اعداد، تاریخ‌ها، نام‌ها، قیدهای احتیاط و واژگان تخصصی حوزه ثابت نگه داشته می‌شوند، و مواد نقل‌قولی و ارجاعات دقیقاً، نه به صورت بازنویسی‌شده، بلکه به همان شکل منتقل می‌شوند. یکی از پیامدهای این قاعده آخر، شایسته است از پیش دانسته شود: یک نقل‌قول طولانی که از Claude برداشته شده باشد، هر نشانی را که همراه خود آورده است حفظ می‌کند، زیرا بازتولید دقیق یک نقل‌قول، از میان این دو تعهد، مهم‌تر است.

برای اسناد طولانی‌تر، یا برای کار دانشگاهی که در آن لحن و شیوه ارجاع‌دهی اهمیت بیشتری از نثر عمومی دارند، همان رویکرد بازنویسی در سراسر یک دست‌نوشته کامل در TextPulse humanizer به کار می‌رود، که به طور خاص برای نوشتار پژوهشی ساخته شده است و ارجاعات، اصطلاحات تعریف‌شده و واژگان فنی را به عنوان نقاط ثابت در نظر می‌گیرد.

اگر نوشته خودتان با برچسب بازگشته است

ابتدا دقیق باشید درباره آنچه می‌بینید. یک برچسب یعنی Claude در مقطعی متن را پردازش کرده است. این برچسب میزان سهم شما را در سند رتبه‌بندی نمی‌کند، و حتی بیان خود Anthropic نیز اگر گفت‌وگو رسمی شود، از شما در این باره پشتیبانی خواهد کرد.

هرگونه مدرک فرایندی را که از پیش دارید حفظ کنید. تاریخچه پیش‌نویس‌ها، فایل‌های نسخه، یادداشت‌ها و طرح‌ها همگی به گونه‌ای از نویسندگی گواهی می‌دهند که یک نشانه منشأ نمی‌تواند، و از استدلال درباره آمار بسیار قانع‌کننده‌ترند. اگر کار شما باید به نام خودتان منتشر شود و این برچسب یک مشکل واقعی در انتساب ایجاد می‌کند، بازسازی آن بخش با واژگان خودتان آن را برطرف می‌کند، چه این کار را دستی انجام دهید و چه با ابزار، و دقیقاً به این دلیل آن را برطرف می‌کند که بازسازی تنها چیزی است که این نوع برچسب را دست‌کاری می‌کند.

Anthropic جزئیات را همچنان تغییر خواهد داد. پوشش هنوز در حال گسترش به مدل‌های قدیمی‌تر است، تشخیص هنوز در حال توسعه است، و تصویر مقرراتیِ پشت آن از خود فناوری جوان‌تر است. بخشی که بعید است تغییر کند سازوکار است، و دانستن این که برچسب در انتخاب واژه‌ها قرار دارد نه در یک نویسه پنهان، همان چیزی است که یک گام مؤثر را از گامی که فقط چنین به نظر می‌رسد جدا می‌کند. اگر بخواهید همان پرسش را از سمت طبقه‌بند، نه از سمت واترمارک، ببینید، واژگانی که نوشتار AI را برای یک خواننده انسانی لو می‌دهند باز هم نشانه‌ای متفاوت هستند، و نشانه‌ای که هیچ کلیدی نمی‌تواند آن را اندازه‌گیری کند.