Pedi ao ChatGPT para ler a explicação da Anthropic e formar uma explicação.
https://www.anthropic.com/news/claude-text-watermark

O “watermark” descrito pela Anthropic é bem diferente da marca d’água que conhecemos em imagens. Não existe uma palavra escondida, um código invisível ou caracteres especiais inseridos no texto.

O que existe é um padrão estatístico nas escolhas das palavras feitas pelo modelo durante a geração.

Uma forma simples de entender é esta.

Imagine que o Claude esteja escrevendo:

“O dia estava frio e ______.”

Ele pode considerar várias continuações igualmente boas, como “nublado”, “cinzento”, “úmido” etc. Normalmente, modelos de linguagem atribuem probabilidades às possíveis continuações e fazem uma escolha com algum grau de aleatoriedade.

Com o watermark, essa escolha continua parecendo normal, porém uma chave secreta participa do mecanismo que determina qual das alternativas aceitáveis será escolhida. O resultado poderia ser:

Sem watermark:

O dia estava frio e cinzento.

Com watermark:

O dia estava frio e nublado.

As duas frases são perfeitamente normais. Um ser humano olhando para elas não consegue saber qual contém watermark.

O segredo está na repetição

Uma única escolha como “cinzento” versus “nublado” não significa praticamente nada.

Porém, em um texto com centenas ou milhares de palavras, o Claude faz muitas dessas pequenas escolhas.

De forma simplificada:

O modelo chega a um ponto em que existem várias palavras aceitáveis.
A chave do watermark, combinada com algumas palavras anteriores, gera uma espécie de número pseudoaleatório.
Esse número influencia qual candidato será escolhido.
Isso acontece repetidamente ao longo do texto.
Quando alguém posteriormente analisa o texto usando a mesma chave, consegue verificar se essas escolhas apresentam o padrão esperado.

Portanto, poderíamos imaginar um texto assim:

Hoje fui ao mercado e percebi que o movimento estava grande. Depois resolvi voltar para casa porque o tempo estava nublado.

Talvez, sem watermark, as escolhas fossem:

Hoje passei no mercado e percebi que o movimento estava intenso. Depois resolvi retornar para casa porque o tempo estava cinzento.

Não são necessariamente essas palavras específicas que o sistema usa; estou apenas ilustrando o princípio. O padrão real ocorre no nível dos tokens, as unidades que o modelo utiliza para gerar texto. O SynthID-Text modifica justamente o processo de seleção do próximo token.

Uma analogia ainda melhor

Imagine que eu lhe diga para jogar uma moeda 500 vezes.

Uma moeda comum deveria produzir algo próximo de:

cara, coroa, cara, cara, coroa, coroa...

Agora imagine que eu tenha uma regra secreta que influencia levemente alguns resultados, sem produzir algo obviamente artificial.

Para você, a sequência continua parecendo aleatória.

Mas eu, conhecendo a regra secreta, consigo olhar para as 500 jogadas e perguntar:

“Essa sequência combina muito mais com minha regra secreta do que seria esperado por puro acaso?”

Se a resposta estatística for muito forte, posso concluir:

“Existe uma grande probabilidade de que essa sequência tenha sido produzida usando minha regra.”

É basicamente isso que acontece com as palavras.

A própria Anthropic usa uma analogia semelhante: em vez de lançar dados num jogo, os números poderiam ser retirados de uma sequência previamente determinada, como os dígitos de π. Para quem joga, o resultado continua parecendo aleatório; quem conhece a regra consegue posteriormente reconhecer o padrão.

Isso também explica uma coisa importante: o detector não procura uma “assinatura”

Ele não faz algo como:

procurar X7F92-CLAUDE-2026

porque isso simplesmente não está dentro do texto.

Ele pega o texto e, conhecendo a chave secreta, recalcula como aquelas escolhas deveriam se comportar. Depois atribui uma pontuação estatística ao conjunto. O artigo técnico do SynthID-Text descreve exatamente esse processo: a detecção mede a correlação entre os tokens encontrados e os valores que seriam esperados segundo a chave do watermark.

Por isso o resultado é do tipo:

“Este texto tem alta probabilidade de ter sido produzido com o watermark do Claude.”

e não:

“Temos prova absoluta de que Claude escreveu este texto.”

A própria Anthropic enfatiza essa limitação.

E se eu copiar e colar o texto?

O watermark continua lá.

Copiar do Claude para Word, e-mail, site, bloco de notas ou PDF não o elimina, porque a marca está no padrão das palavras escolhidas, e não na formatação ou nos metadados.

Por exemplo:

Claude → copiar → Notepad → copiar → Word → publicar na internet

Se as palavras permanecerem essencialmente iguais, o padrão estatístico permanece.

E se eu alterar algumas palavras?

Uma pequena edição provavelmente enfraquece o sinal, porém pode continuar existindo informação suficiente para detectá-lo.

Se você alterar profundamente o texto ou pedir que outro modelo o reescreva integralmente, o padrão pode desaparecer. A Anthropic afirma explicitamente que pequenas edições provavelmente não removem completamente a marca, enquanto uma reescrita integral pode removê-la.

Isso ocorre porque você começa a destruir aquelas centenas de pequenas decisões que formavam o padrão.

Textos pequenos são um problema

Considere:

“Obrigado pela informação. Até amanhã.”

São poucas palavras e poucas decisões.

Não existe informação estatística suficiente para o detector ter muita confiança.

Em um texto de várias páginas, existem muito mais decisões e, consequentemente, muito mais evidências. A Anthropic diz que a confiança da detecção aumenta conforme o trecho fica maior.

E textos muito objetivos?

Também são mais difíceis de marcar.

Por exemplo:

“2 + 2 = 4.”

O modelo praticamente não tem escolha.

Ele não poderia colocar:

“2 + 2 = 5”

apenas para fortalecer a marca d’água.

O mesmo acontece com nomes próprios, fatos muito específicos e vários trechos de código. Nessas situações existem menos escolhas equivalentes e, portanto, menos oportunidades para introduzir o padrão estatístico.

Essa é também a razão pela qual revisar um texto humano pode deixar pouco watermark. Se você escrever 2.000 palavras e pedir ao Claude apenas para corrigir três erros gramaticais, quase todas as decisões continuam sendo suas. Há muito pouco material gerado pelo Claude no qual o watermark possa aparecer.

O ponto mais importante

Portanto, pense no watermark do Claude assim:

O texto não contém uma mensagem escondida.

Ele contém uma impressão digital estatística criada pela maneira como o modelo escolheu entre palavras igualmente aceitáveis.

Um leitor não vê nada.

Um editor de texto não vê nada.

Copiar e colar não revela nada.

Mas quem possui a chave utilizada pelo sistema consegue analisar centenas de escolhas e verificar se elas obedecem ao padrão esperado.

E há uma consequência interessante: o watermark não identifica você. Segundo a Anthropic, ele não contém usuário, organização, conversa, conta ou qualquer identificador pessoal. Ele serve para indicar que Claude provavelmente participou da produção daquele conteúdo, e a empresa anunciou que disponibilizará uma API específica para essa verificação.

Então para remover a watermark, deve-se fazer várias trocas de palavras, só assim diminui-se o score do texto como sendo produzido por IA.