🚨 AI-LECTURER 快訊速報｜2026-08-16｜5 分鐘速讀

🚨 新版 Claude／Gemini 悄悄在文字裡加浮水印，原理一次搞懂

取材：How AI text watermarking works（Hacker News（AI 高人氣））｜完整課同日跟進，見書架
📍 真實場景
阿凱，接案部落格寫手，常用 Claude 打草稿再自己潤稿

他剛用 Claude 寫完一篇技術文章草稿，潤稿後打算直接貼上自家部落格發布

😖 卡住的地方：看到新聞說 2026 年 8 月起新版 Claude 會在文字裡偷偷加浮水印，他很慌：自己改寫過的段落，浮水印還抓得到嗎？會不會被平台誤判成『未經修改的 AI 產出』
💡 讀完你就懂浮水印藏在哪、為什麼改寫幾個字它還在，以及要怎麼親自測一段文字有沒有被動過手腳

⚡ 一句話講清楚

文字要藏浮水印聽起來不可能——圖片可以把資料藏進像素裡，文字複製貼上後所有格式、metadata 全部消失，你看到的就是一串字，哪裡還能動手腳？但事實是 Google 從 2024 年起，已經在 Gemini App 與網頁版輸出的文字裡加了浮水印（目前只有 API 是例外），2026 年 8 月起新版 Claude 也開始在模型層級加浮水印，舊版模型之後會陸續跟進。秘密不藏在字裡，而藏在「選哪個詞」這個動作本身。

模型寫句子時，其實不是只有一個「正確答案」。走到 分岔點一句話寫到一半、還有好幾個詞都說得通、可以任選其中之一接下去的地方，要選哪一個詞，靠的是 權重骰子模型依照每個候選詞的可能性高低去擲一顆不公平的骰子，機率高的詞比較容易雀屏中選，但不保證每次都選機率最高的那個。浮水印的做法，是先用一把只有製造者知道的 密鑰一組秘密數字，用來把每次要選的候選詞分成「綠色組」跟「紅色組」，沒有這把鑰匙就無法還原分組，把候選詞分成綠色組跟紅色組，再把骰子悄悄往綠色那邊推一點。紅色詞還是有機會中選（只是機率被壓低），而且同一個詞在不同的上下文底下，這次可能被分到綠色、下次可能被分到紅色——因為分組是根據「前面幾個字」現算出來的，不是詞本身固定的顏色。

要偵測有沒有浮水印，不是看文字寫得順不順，而是拿同一把密鑰把整篇文章重新分組一次，數一數「綠色詞」出現的比例。沒被動過手腳的文字，綠色詞大概只會出現一半左右（純巧合）；被加了浮水印的文字，綠色詞出現的比例會明顯偏高，這就是 統計偵測不用主觀判斷文字風格，而是用機率統計，計算特定分組的詞出現頻率是否顯著高於巧合值，藉此判斷文字是否被動過手腳 的原理。Google 的 SynthID 用的是更細緻的「小型錦標賽」做法，OpenAI 內部研究的方案則是直接用密鑰算出骰子怎麼轉，做法不同但道理一樣：印記藏在選字的過程裡，不藏在字本身。

🏃 快速上手三步（今天就能做）

1
查清楚你用的工具有沒有加浮水印打開你常用的 AI 工具官方公告頁（例如 Anthropic 的模型說明或 Google Gemini 的更新日誌），搜尋關鍵字「watermark」或「浮水印」，確認你現在用的版本、介面（App/網頁版 vs. API）是否在已啟用清單內——這篇素材提到 2026 年 8 月起新版 Claude 開始加，但 API 目前不受影響，你的用法可能根本不受影響。
▼
2
拿一段AI寫的文字自己測一次把最近一段用 AI 生成、且幾乎沒有大幅修改的文字，貼到你能找到、評價可信的 AI 文字偵測工具（先搜尋『AI text detector 評測』挑一個口碑好的），觀察它給出的『疑似AI生成機率』；接著把同一段文字自己動手改寫三到五成的用字，再測一次，比較兩次結果的差異，直觀感受浮水印在改寫後有多容易失效。
▼
3
訂出你自己的『AI協助標示』判斷標準如果你會公開發表 AI 協助寫的內容（部落格、報告、作業），先問自己：平台或單位有沒有要求標示 AI 協助？有的話，別靠『改寫到偵測不出來』當作合規做法——浮水印和偵測技術都在快速進化，統計方法抓的是機率分佈不是字面用詞，改寫不保證洗掉痕跡；乾脆直接誠實標示，比賭偵測工具抓不到更省風險。

🧠 工程思維透鏡（資深工程師看到的是什麼）

🔭 浮水印的『綠色機率調高一點點』，會不會讓AI寫出來的文字品質變差？
這正是這套機制的權衡核心。調得越明顯（紅綠差距拉大），偵測越準，但每個字都被迫往「不一定是最適合」的方向偏，長文章下來風格、用字可能變得微妙地不自然；調得越溫和，文字品質幾乎不受影響，但偵測的把握度也跟著下降，需要夠長的文本累積夠多的『分岔點』才能在統計上站得住腳。所以短文字（例如一則推文）幾乎測不準，長文字才是這套技術真正可靠的場景。
🔭 同一段文字被翻譯、摘要，或請另一個沒有浮水印的AI改寫過一輪，浮水印還在嗎？
多半不在了。因為浮水印依賴的是「這個字前面接了哪幾個字」來重新計算顏色分組，只要文字的詞序、用字被大幅打散重組（翻譯成另一種語言、找別的模型大幅改寫、甚至只是人工重新排版整段），原本用來對齊分組的『前綴』就對不上了，密鑰重新分組出來的結果會跟原文脫鉤，統計上就看不出偏差。這也是為什麼各家公司會把浮水印當作『事後追蹤與研究用的訊號』，而不是能百分之百防堵抄襲或造假的保證。