A Anthropic confirmou que todos os modelos Claude lançados a partir de 2 de agosto de 2026 embutem uma marca d’água imperceptível em todo texto gerado. Você não vê. Não altera a leitura. Mas viaja com o texto quando você copia e cola, e pode sobreviver a edições leves.
A seguir:
- Como a marca d’água funciona tecnicamente e onde aparece
- O argumento de Gruber sobre qualidade e por que a Anthropic discorda
- O que acontece com quem usa Claude para editar texto próprio
A medida cumpre o EU AI Act, que entrou em vigor em 2 de agosto e exige que empresas de IA marquem conteúdo gerado de forma que outros sistemas possam identificar. A Anthropic decidiu aplicar a política globalmente, não apenas na Europa.
A reação foi negativa. Usuários cancelaram assinaturas. O blogger John Gruber, criador do Markdown, publicou uma crítica técnica detalhada argumentando que a marca d’água piora a qualidade do texto por definição. A Anthropic contesta.
Como funciona tecnicamente
A marca d’água do Claude usa o método SynthID-Text, desenvolvido pelo Google DeepMind e descrito em artigo publicado na Nature em 2024. O mecanismo não insere um código oculto no texto. Em vez disso, ajusta levemente a fonte de aleatoriedade na seleção de palavras durante a geração do texto, criando um padrão estatisticamente detectável.
Na prática: quando o Claude escolhe entre duas palavras com sentido similar, o algoritmo de marca d’água influencia levemente essa escolha com base numa chave criptográfica secreta. O padrão acumulado ao longo de um texto longo é detectável por quem tem acesso ao algoritmo de verificação.
A marca d’água cobre todo output de modelos suportados em qualquer lugar onde você usa o Claude, incluindo Claude Platform (API), Claude, Claude Code, Claude Cowork e Claude Tag.
Para arquivos como PNG, JPG e SVG, a Anthropic usa o padrão C2PA: metadados criptograficamente assinados que indicam que o arquivo foi criado ou processado pelo Claude, sem alterar o arquivo em si.
Uma limitação importante: a marca d’água não distingue “Claude escreveu isso” de “Claude editou isso bastante”. Ela apenas determina que o Claude provavelmente esteve envolvido com o conteúdo em algum momento. Isso significa que um texto escrito por humano e apenas revisado ortograficamente pelo Claude pode retornar positivo numa verificação.
O argumento de Gruber: qualidade piora por definição
A crítica mais articulada veio de John Gruber, do Daring Fireball. O argumento é técnico e direto: por definição, a marca d’água piora o texto, a menos que a pontuação do modelo de linguagem subjacente esteja errada, porque a natureza do algoritmo de marca d’água exige que ele às vezes aumente a probabilidade de selecionar uma escolha de palavra pior e diminua a probabilidade da melhor.
Gruber argumenta que não existem dois sinônimos com significado idêntico. Quando o Claude escolhe entre “nublado” e “cinza” com base numa chave de marca d’água em vez de precisão semântica, a qualidade inevitavelmente sofre. O fato de que essa diferença seja “imperceptível” para leitores humanos em textos curtos não significa que não exista.
Ele também critica o dado citado pela Anthropic para defender que a qualidade não muda: o estudo da Google DeepMind mediu taxas de polegar para cima e para baixo, o que é um dado absolutamente inútil para avaliar se a marca d’água estilo SynthID piora o texto.
O que a Anthropic diz
A Anthropic contesta a crítica de Gruber. Em testes internos, a empresa não observou impacto da marca d’água no conteúdo, nível de criatividade ou legibilidade do texto do Claude. No estudo controlado, avaliadores humanos comparando respostas com e sem marca d’água lado a lado não viram diferença de qualidade.
A empresa também esclarece que a marca d’água é diferente de ferramentas de detecção de IA como a Pangram, que identificam “marcas” na escrita como construções típicas de IA. “Identificar esses padrões é fundamentalmente diferente de verificar uma marca d’água.” Uma pode ser enganada com edição e reescrita. A outra é estatística e mais robusta.
A Anthropic confirmou que vai lançar uma API de detecção de marca d’água para que terceiros possam verificar conteúdo. Ainda não há ferramenta pública de verificação disponível nem procedimento de contestação para falsos positivos.
A reação dos usuários
A crítica mais comum nas redes sociais não foi técnica. Foi sobre privacidade e autonomia. Usuários argumentaram que o Claude foi apenas uma ferramenta que facilitou o trabalho deles, e que marcar o output como gerado por IA equivale a “roubar crédito”.
Outros usuários responderam que a marca d’água não é o Claude “reivindicando crédito”, mas reconhecendo que o conteúdo é gerado por IA, e que quem copia e cola output do Claude verbatim em artigos ou trabalhos acadêmicos já estava fazendo algo antiético antes da marca d’água existir.
Alguns usuários cancelaram assinaturas. A ferramenta Declaude surgiu como resposta: um serviço que promete remover a marca d’água do texto. A Anthropic não se pronunciou sobre esse tipo de ferramenta, mas um engenheiro da empresa reconheceu: “não é perfeito, você pode editá-lo, mas é um primeiro passo.”
O que isso significa para quem usa Claude profissionalmente
Para usuários que usam o Claude para rascunhos que depois editam extensivamente, o impacto prático é pequeno. Uma reescrita completa provavelmente remove a marca d’água. Edições leves podem não remover.
O problema surge em dois cenários específicos. Contratos que proíbem uso de IA: textos gerados ou editados pelo Claude agora carregam evidência detectável de envolvimento da IA, o que pode ser relevante em negociações ou disputas contratuais. Jornalismo e academia: quem usa Claude para resumir documentos e copia o resumo para uso próprio agora tem esse uso potencialmente rastreável.
A OpenAI tem tecnologia de marca d’água para texto há anos mas escolheu não ativá-la, por preocupações com falsos positivos e risco de perda de usuários para concorrentes. Com o EU AI Act em vigor e a Anthropic sendo a primeira grande empresa a ativar a marca d’água globalmente, a pressão sobre a OpenAI para seguir o mesmo caminho deve aumentar.
