Claude 將替 AI 文字加不可見浮水印：Anthropic 簽署 EU AI Act Article 50 透明準則

Claude 將替 AI 文字加不可見浮水印：Anthropic 簽署 EU AI Act Article 50 透明準則

<

p class=”wp-block-paragraph”>Anthropic 正在把 AI 生成內容標記直接做進 Claude。依 Anthropic 最新公布的 EU AI Act 透明度實作計畫，支援標記的新 Claude 模型會在生成文字中加入人眼看不到、但可由機器偵測的 watermark；生成 .png、.jpg、.svg 等支援檔案時，則會加入具數位簽章的 C2PA provenance metadata。

最重要的限制也必須先講清楚：偵測到 Claude 的標記，不代表 Claude 一定是內容的原始作者；沒有偵測到標記，也不能證明內容是人類寫的。

這次變化真正重要的地方，是 AI 來源透明度開始從介面上的「AI generated」文字，往模型輸出與數位檔案本身下沉。

文章實體化：Claude、不可見浮水印與 AI 文字透明度

Claude 文字不可見浮水印的討論，牽涉的不只是「能不能抓出 AI」，而是生成內容如何被標示、驗證與追溯。Anthropic 簽署 EU AI Act Article 50 透明準則後，文字標記、來源揭露、可偵測性與隱私／可移植性之間的取捨，會直接影響媒體、教育、平台與企業內容流程。

• 不可見標記：理解浮水印與一般可見標籤在驗證、移除與誤判上的差異。
• Claude 與 Anthropic：把模型輸出、內容來源與平台治理放回產品責任。
• EU AI Act Article 50：聚焦透明度要求如何影響 AI 生成內容的揭露與使用規則。

本文以「Claude、Anthropic、AI 文字不可見浮水印、EU AI Act Article 50 與透明準則」為主線，補回人物、作品、產品、技術節點、產業場景與它們之間的因果關係，讓讀者能從具名實體一路追到實際流程、文化語境與影響。

Claude文字標記的推出背景

背景是歐盟《AI Act》Article 50。

2026 年 8 月 2 日起，歐盟對特定 AI 系統的透明度要求正式開始適用。其中 Article 50(2) 要求能生成合成文字、圖片、影片或音訊的 AI 系統，使輸出具有 machine-readable format，並能被偵測為人工生成或人工修改。

技術方案還需要在技術可行範圍內兼顧 effectiveness、interoperability、robustness 與 reliability。

歐盟另外建立《Code of Practice on Transparency of AI-Generated Content》，讓 AI 公司可以用一套較一致的技術與治理方法證明自己如何實作這些義務。

Anthropic 表示，已以生成式 AI 模型與生成式 AI 系統供應商的身分加入 Article 50(2) 相關透明度承諾。

但有一個容易混淆的地方：Code of Practice 本身是自願加入，Article 50 的透明度義務則是法律要求。

Claude內容標記的適用範圍

Anthropic 的計畫可以分成文字與檔案兩條路線。

對 2026 年 8 月 2 日或之後在歐盟推出的新 Claude 模型，Anthropic 表示 marking 將從模型推出第一天開始支援。

2026 年 8 月 2 日以前推出的模型則屬於另一組。歐盟針對既有系統設有過渡安排，Anthropic 也表示正在替既有 Claude 模型加入 marking support。

目前 Anthropic 尚未公布一份逐模型清單，因此不能直接假設每一個舊 Claude 模型現在都已經帶有可偵測 watermark。

Claude文字浮水印的形式

人眼看不到。

依 Anthropic 的說明，支援模型生成文字時，watermark 會直接嵌入文字本身，不會以「Generated by Claude」或特殊符號的形式出現在畫面上，也不應改變文字的語意、品質與正常閱讀。

因為標記存在於文字本身，複製貼上到其他地方後仍可能一起保留，部分文字修改後也可能繼續被偵測。

這和只在 claude.ai 網頁旁邊顯示一個 AI 標誌有很大差別。

如果 watermark 真正在 model level 實作，同一個支援模型經過 Claude API、Claude Code 或其他產品表面輸出文字時，標記仍有機會跟著內容走。

不過 Anthropic 目前沒有公開 watermark 的底層演算法。

目前不知道它究竟如何編碼，也不知道需要多少文字才能可靠偵測、經過多少程度改寫後訊號會消失，以及 detection threshold 如何設定。

因此現在把它稱為「Claude AI 鑑定器」仍然太早。

C2PA來源憑證的用途

圖片與檔案走的是另一套方法。

Anthropic 表示，在 Claude 產生支援的檔案類型時，會加入符合 C2PA 標準的 signed provenance metadata。

C2PA，全名 Coalition for Content Provenance and Authenticity，是一套數位內容 provenance 標準。

它的核心概念，是在數位資產中放入可以進行密碼學驗證的 Content Credential，記錄這個檔案曾經由哪些工具建立或處理，以及相關 provenance 資訊。

數位簽章可以協助驗證相關 claim 是否遭到修改。

但 C2PA 回答的是：

這個檔案經歷過什麼？

它並不直接回答：

這張圖片描述的事件是真的嗎？

一個具有完整 C2PA provenance 的 AI 圖片，仍然可能描述完全虛構的事情。

文字標記與C2PA的分工

因為兩種內容面對的問題不同。

圖片是一個完整檔案，可以附帶結構化 metadata、manifest 與數位簽章。

純文字卻常常直接被複製到 Email、文件、網頁、Slack、程式碼或 CMS。傳統 file metadata 很容易在這個過程中消失。

因此 Anthropic 對文字選擇 embedded watermark，讓標記有機會直接跟著字詞內容移動；對可保存檔案結構的圖片等資產，再使用 C2PA provenance。

這也是 AI provenance 開始變成基礎設施的重要訊號：單一方法無法覆蓋所有媒介。

受影響的Claude產品

Anthropic 表示，支援模型的 marking 不只存在 Claude 網頁版。

規劃範圍包括：

• Claude Platform，也就是 API
• Claude
• Claude Code
• Claude Cowork
• Claude Tag

而且 Anthropic 選擇將 marking 套用到支援模型在全球提供服務的地方，不只歐盟使用者。

透過 AWS、Google Cloud 或 Microsoft Foundry 使用支援 Claude 模型時，文字 embedded watermark 也在規劃範圍內。

但 C2PA signed provenance metadata 能否完整保留，仍取決於不同平台是否支援相關檔案流程。

換句話說，EU 法規是觸發點，Anthropic 選擇的產品實作範圍則是全球。

檢出Claude標記能證明什麼

只能證明一件比較窄的事情：這段內容可能曾經經過支援的 Claude 系統處理。

它不能直接證明 Claude 是作者。

例如一名作家先完整寫完文章，再把文章交給 Claude：

• 校稿
• 改寫
• 翻譯
• 摘要
• 格式轉換

最後輸出的版本仍可能帶有 Claude mark。

原始觀點與文字可能主要來自人類，但檔案或文字已經經過 Claude。

因此出版社、學校、企業或內容平台未來若使用 Claude detection，不能把：

偵測到 Claude mark

直接翻譯成：

這個人使用 AI 作弊

或「文章由 AI 創作」。

兩件事情之間沒有這麼直接的因果關係。

沒有watermark也不能證明是人寫的

反方向同樣成立。

Anthropic 已經列出多種可能讓標記消失或無法偵測的情況：

• 使用尚未支援 marking 的舊模型
• 大幅改寫
• paraphrase
• 翻譯
• 與其他文字混合
• 文字太短
• 格式轉換
• 重新儲存檔案
• screenshot
• 平台移除 metadata
• 特定功能或檔案格式不支援

因此 watermark detection 比較適合作為 provenance signal，而不是二元的 AI／Human 判定器。

這個限制對新聞、教育與內容審核尤其重要。

Claude API開發者的注意事項

如果你的產品直接呼叫 Claude API，這次改變需要分成兩層理解。

第一層是 Anthropic 自己加入的 model-level marking。

如果使用支援模型，文字 output 會包含 Anthropic 的 watermark。你不必依賴 claude.ai 的 UI 才能取得這個標記。

第二層則是你自己的法律與產品責任。

Anthropic 已經明確提醒開發者：如果把 Claude 部署進自己的產品，仍應獨立判斷 Article 50 對自己的服務有哪些義務。

Claude 有 watermark，不代表你的產品就自動完成所有 disclosure。

例如 EU AI Act 還另外處理 deepfake 的揭露，以及部分用於公共利益資訊的 AI 生成文字標示。

因此比較完整的架構應該是：

Claude model marking
→ API與檔案流程保留provenance
→ 平台自己的AI disclosure規則
→ 最終發布與人工editorial responsibility

這幾層不能互相取代。

檔案工作流還有一個容易被忽略的問題

C2PA metadata 有可能在後續處理中消失。

Anthropic 自己也提醒，格式轉換、重新儲存、截圖或其他處理方式，都可能讓 signed provenance metadata 被移除。

對企業與媒體工作流而言，這代表「模型產生時有 Content Credential」還不夠。

從生成、下載、DAM、CMS、圖片處理、CDN 到最後發布，每一個環節都可能決定 provenance 是否能保留下來。

YOLO LAB 先前整理 AIGC 製作流程時提到的 Source Manifest 與 Content Credentials，因此會變得更重要：來源紀錄最好不能只依賴最終檔案的一份 metadata。

Article 50還區分「標記」和「揭露」

EU AI Act 裡還有另一個很重要的區別。

Provider 需要解決的是 machine-readable marking。

內容的 deployer 在特定情況下，則需要向人類受眾揭露 AI 生成或修改的事實，例如 deepfake，以及部分用於告知公眾公共利益事項的 AI 文字。

這意味著使用者看不到 Claude watermark 並不奇怪。

它主要是給機器偵測。

真正面向讀者的 visible label、disclosure 或其他提示，可能是在內容發布平台的另一層完成。

Claude標記機制的未知範圍

Anthropic 已經公布方向，但真正決定這套系統是否好用的技術文件還沒全部公開。

目前仍值得追蹤：

1. 文字watermark的實際技術方案。
2. Detector會以API、SDK還是公開工具提供。
3. Detection confidence如何呈現。
4. 最短文字長度。
5. 各種改寫對watermark robustness的影響。
6. 舊Claude模型何時完成支援。
7. AWS、Google Cloud與Microsoft Foundry各自的檔案provenance能力。
8. 不同CMS、社群平台與文件工具會不會保留C2PA metadata。

沒有這些資料，目前還無法客觀比較 Claude watermark 在實際世界中的可靠度。

Claude文字標記的常見疑問

Claude文字標記的適用版本

不能這樣理解。Anthropic 表示，2026 年 8 月 2 日或之後在歐盟推出的新 Claude 模型會從發布時支援 marking；舊模型正在逐步加入支援。目前沒有完整逐模型公開清單。

Claude文字浮水印的可見性

依 Anthropic 的說明看不到。它是 machine-readable embedded watermark，不是顯示在文字旁邊的可見標誌。

複製與編輯對Claude標記的影響

Anthropic 表示，由於 watermark 嵌入文字本身，複製貼上後可以跟著內容移動，部分修改後也可能保留；大幅改寫、翻譯或混合其他文字則可能讓訊號無法被偵測。

C2PA能驗證的內容範圍

不能。C2PA主要提供檔案來源與處理歷史的可驗證 provenance。它可以幫助確認相關紀錄與簽章完整性，但不會自動判斷圖片描述的現實事件是否真實。

Claude API輸出的標記狀態

Anthropic 的計畫是讓 marking 存在於支援模型層級，因此 Claude Platform API 也在適用範圍內。

Claude標記與作弊判定的界線

不能單獨當作證據。Claude 可能只是協助校稿、翻譯或整理，而非撰寫原始內容；同時，沒有 mark 也不能證明內容完全沒有使用 AI。

AI內容來源正在變成基礎設施問題

Claude watermark 最值得注意的地方，不是「AI文章以後都抓得到」。

目前的技術限制根本不支持這種結論。

更重要的變化，是生成式 AI 公司開始把 provenance 從產品介面推進模型、文字與檔案層。

文字需要能跟著複製移動的 watermark，檔案需要具簽章的 provenance，平台需要自己的 disclosure，企業還需要保存完整製作紀錄。

未來判斷一份內容從哪裡來，愈來愈不會只靠一個 AI detector。

它會是一整條內容來源鏈。

出處與延伸閱讀

• Anthropic：How Claude marks AI-generated content：核對 Claude 文字標記與檔案來源憑證的官方說明。
• 歐盟執委會：Transparency rules for AI systems：核對 AI Act Article 50 的透明度與機器可讀標記要求。
• C2PA 官方解說：核對 Content Credentials 與來源資料的技術邊界。
• YOLO LAB：生成式 AI 與內容工作流延伸閱讀。

先把 Anthropic 的標記承諾拆成時間、模型、介面三個座標

Anthropic 官方支援頁不是在宣稱「所有 Claude 文字從此都有一個人人可見的浮水印」。它寫的是更窄、也更容易被工程實作的範圍：在歐盟於 2026 年 8 月 2 日或之後推出的新模型，會在推出時支援 machine-readable marking；官方同時說明，標記會套用到支援的模型與 Claude Platform API、Claude、Claude Code、Claude Cowork、Claude Tag 等使用面向，但部分平台或功能可能不支援所有標記類型。這裡至少有三個欄位不能合併：模型何時推出、使用者從哪個介面呼叫、輸出是文字還是檔案。

因此，工程師或編輯看到「Claude 會加浮水印」時，第一個問題不應是怎麼抓到它，而是這次輸出是否落在官方描述的支援範圍。舊模型、非歐盟推出情境、第三方整合、被重新格式化的文字，以及不同檔案類型，都可能有不同結果。這不是替標記留下漏洞，而是把產品聲明還原成可以逐項驗證的條件，避免把一次測試誇大成整個 Claude 生態系的永久保證。

文字 watermark 與檔案 C2PA provenance 是兩種不同的證據

Anthropic 官方「How Claude marks AI-generated content」支援頁把兩種輸出分開說明：生成文字會帶 embedded watermarks；在支援的檔案類型中，檔案可能附上符合 C2PA 開放標準的 digitally signed provenance metadata。前者是藏在文字輸出裡、需要偵測器理解的標記；後者是檔案內的簽署式來源資訊。它們不是同一串 token，也不是把文字包成一個人人都能看到的標籤。

C2PA 的官方規格說明把 provenance 放在 manifest、claim、assertion 與簽署關係裡理解。對實務而言，這意味著「檔案曾由 Claude 處理」和「檔案目前仍保持原始狀態」要分開讀：若簽署的 provenance label 存在，它可以協助判斷來源與是否遭到篡改；若檔案經過不支援 C2PA 的編輯器、平台轉檔或重新匯出，metadata 可能遺失，沒有標記不能反推從未使用 Claude。

同理，文字 watermark 也不能被想像成一個永遠黏在文章上的肉眼印章。複製、改寫、翻譯、摘要、拼接與人工編修，都可能讓偵測問題從「這段輸出是否帶有支援標記」變成「目前這份文字還剩多少原始輸出」。檢出是一個訊號，不是作者身份、意圖、責任或整篇文章產製過程的完整證明。

EU AI Act Article 50 要求的是透明度工作流，不只是加一個技術標籤

歐盟委員會的 AI Act transparency factsheet把 Article 50 放在更大的透明度框架裡：某些 AI 系統的輸出需要以 machine-readable format 標記，並且要讓人能辨識內容是由 AI 生成或操弄；對 deepfake 等情境，還牽涉部署者的揭露責任。這個制度關心的不是某家模型的品牌，而是內容進入公共空間後，提供者、部署者與使用者各自要做什麼。

所以「Anthropic 已簽署準則」或「Claude 有 watermark」都不能直接替網站完成 Article 50 合規。網站還要知道內容從哪個模型、哪個介面、哪種檔案流程進來，標記是否保留，讀者在什麼位置能看到或讀取揭露，人工編輯又是否改變了原始來源。合規是可追溯流程，不是把一個 class 名稱加到 HTML、在文章末尾補一句「本內容由 AI 生成」就結束。

把 Claude 標記放進真實內容管線：四個節點要分開記錄

第一個節點是生成：記下模型版本、產生時間、使用介面與是否屬官方描述的 supported model。第二個節點是傳輸：確認 API 回應、聊天介面、Claude Code 或 Cowork 是否經過中介服務、格式轉換或安全過濾。第三個節點是編輯：標示哪些段落仍接近原始輸出、哪些由人改寫、哪些混合外部資料。第四個節點是發布：確認 CMS、CDN、社群平台與下載流程有沒有保留 machine-readable mark 或 C2PA metadata。

這四個節點可以讓新聞室、教育機構或企業內容團隊回答比「是不是 AI 寫的」更有用的問題：哪一版文件帶有標記？誰在什麼時間修改過？來源 metadata 在哪個轉檔步驟消失？讀者能否取得原檔和驗證結果？如果只做最後一步偵測，團隊可能把真正的問題——版本、責任與編輯紀錄——全部推給一個不可能完美的分類器。

為什麼「檢出 Claude」不能直接等於「Claude 是原作者」

標記通常回答的是來源訊號，而不是完整作者論。某段文字可能由 Claude 生成後被人大量重寫，也可能由人先寫、再請 Claude 做翻譯、摘要、語氣調整或格式轉換；檢測器若只回傳有或沒有，就無法說明每個句子的貢獻比例。相反地，一段完全由人撰寫的文字若經過帶標記的工具重新排版或潤飾，也可能留下與原始寫作意圖不同的來源訊號。

負面結果同樣不能證明人寫。標記可能不適用於該模型、該地區、該介面或該檔案格式，也可能因為複製貼上、截圖 OCR、翻譯、重編碼、清除 metadata 而失去。這就是為什麼 AI detector 的分數、watermark 偵測、C2PA manifest 與人工版本紀錄應該互相補充，而不是互相冒充。高風險決策若只依一個訊號處分作者，會把技術不確定性轉成程序不公。

API 開發者最容易漏掉的不是模型，而是出口

使用 Claude API 的團隊常把注意力放在 prompt、模型名稱與回應內容，卻忽略輸出離開 API 後發生什麼。若系統把回應轉成 Markdown、HTML、PDF、簡報或資料庫欄位，應在每一個出口定義保留標記的責任；若系統會做摘要、去除格式、合併多個模型的輸出，也應保存原始回應與處理紀錄。否則最後即使文章頁面有「AI 來源」欄位，也未必能回溯這個欄位是否真實對應到原始輸出。

對檔案工作流，C2PA 也不是自動替團隊完成版控。簽署 metadata 能提供可驗證的 provenance，但團隊仍要管理金鑰、簽署時機、撤銷與重新匯出；對文字工作流，則要保存原始 response、編輯 diff、引用來源和人工核稿。真正可靠的紀錄不會只存一個「AI=true」，而是把工具、版本、時間、處理者、輸出類型與可驗證附件放在同一條內容 lineage 裡。

讀者、老師與編輯應如何解釋一個標記結果

面對檢測結果，第一層可以說「這份內容帶有某種可辨識來源訊號」；第二層要說明訊號來自文字 watermark、C2PA metadata、平台揭露，還是第三方模型推測；第三層才討論它對作者、編輯責任與發布政策的意義。若缺少第二層，讀者會把不同證據混成同一件事；若跳過第一、二層直接處分人，便是在用未知的技術流程製造確定的道德判決。

這個界線也適用於學術與教育場景。教師可以要求學生提交版本歷史、研究筆記、引用來源與工具使用說明，讓評量看見思考過程；不能只把沒有 watermark 當作誠實證明，或把檢出標記當作抄襲的充分證據。Article 50 的透明精神如果要落地，應該增加可理解、可申訴的來源資訊，而不是把所有責任交給一個不透明的偵測分數。

官方資料與本文的法規界線

產品標記範圍以Anthropic 官方支援頁核對，Article 50 的透明度方向以歐盟委員會 factsheet核對，C2PA 的 manifest、provenance 與簽署概念以C2PA 官方 Explainer核對。本文對作者判定、教育評量、內容 lineage 與 API 出口的部分，是依上述資料提出的實務分析，不是法律意見；實際義務仍取決於服務所在地、角色、內容類型、執法時程與最新官方解釋。