Kartka z tekstem, na której wzór znaku wodnego widoczny po lewej stronie zanika ku prawej

Usuwanie znaku wodnego Claude – co da się usunąć, a czego nikt nie potrafi sprawdzić

Dominik Małysa

Większość narzędzi reklamowanych jako „Claude watermark remover” usuwa coś, co nie jest znakiem wodnym Claude. Kasują ukryte znaki Unicode – a znak Anthropic nie jest ukrytym znakiem, tylko wzorcem w doborze słów. Prawdziwy znak da się osłabić wyłącznie przez przepisanie tekstu innym modelem, i tu pojawia się problem, którego dziś nie da się obejść: Anthropic nie wydało detektora, więc nikt – łącznie z autorami tych narzędzi – nie może udowodnić, że usunięcie zadziałało.

Trzy warstwy, które mylą się prawie wszystkim

Pod hasłem „znak wodny Claude” funkcjonują trzy zupełnie różne rzeczy. Rozróżnienie ich jest całą treścią tego artykułu, bo od niego zależy, czy dane narzędzie robi cokolwiek sensownego.

WarstwaCzym jestCzy da się usunąćCzy da się sprawdzić skutek
Ukryte znaki Unicodespacje zerowej szerokości, znaczniki, selektory wariantówtak, trywialnietak – widać w edytorze heksadecymalnym
Metadane plikuC2PA, EXIF, XMP w .png, .jpg, .svgtak, jednym poleceniemtak – porównanie plików
Znak statystyczny w tekściewzorzec w doborze słów przez modeltylko przez przepisanie, best-effortnie – brak publicznego detektora

Pierwsze dwie warstwy są proste i weryfikowalne. Trzecia jest tą właściwą – i jednocześnie jedyną, o której nie da się dziś powiedzieć nic pewnego.

Handel opiera się na myleniu warstwy pierwszej z trzecią. Narzędzie kasuje niewidoczne znaki, pokazuje „usunięto 47 ukrytych znaków” i sprawia wrażenie, że zdjęło oznaczenie Anthropic. Nie zdjęło.

Ukryte znaki Unicode to nie jest znak wodny Claude

Claude nie znakuje tekstu niewidocznymi znakami i nigdy tego nie robił.

Powód jest oczywisty dla każdego, kto zna temat: taki znak byłby bezwartościowy. Ukryte znaki widać w edytorze heksadecymalnym, a usuwa je zwykłe „znajdź i zamień”. Mechanizm identyfikacji, który da się skasować jednym kliknięciem, nie spełniałby wymogu wykrywalności z artykułu 50 aktu o sztucznej inteligencji, a to ten przepis wymusił całą zmianę.

Skąd więc ukryte znaki w tekstach z modeli językowych? Bo modele faktycznie generują nietypowe znaki – twarde spacje, półpauzy, niełamliwe łączniki, znaki interpunkcyjne w wariantach typograficznych. To pozostałość po danych treningowych, nie oznaczenie. Ich obecność bywa poszlaką, że tekst pochodzi z modelu, ale nie jest znakiem wodnym w żadnym technicznym sensie.

Do tego dochodzi warstwa realnie złośliwa: ukryte znaki bywają używane do przemycania instrukcji w tekście – ładunek niewidoczny dla człowieka, ale odczytywany przez model, który ten tekst przetwarza. Czyszczenie tekstu z takich znaków ma sens jako higiena bezpieczeństwa i to jest uczciwe uzasadnienie istnienia tej funkcji. Tylko że nie ma ono nic wspólnego z usuwaniem oznaczenia Anthropic.

Prawdziwy znak siedzi w doborze słów

Znak wodny Claude to statystyczne odchylenie w wyborach między równoważnymi słowami.

Anthropic korzysta z podejścia SynthID-Text opracowanego przez Google DeepMind. Model, mając do wyboru kilka słów równie dobrze pasujących w danym miejscu – firma podaje przykład „overcast” i „grey” – wybiera je według wzorca, który przy dostatecznej długości tekstu daje się wykryć statystycznie. Mechanizm opisałem szczegółowo w tekście o znakowaniu treści przez Claude.

Konsekwencja dla usuwania jest bezpośrednia. Nie ma czego skasować. Nie ma pola, znacznika ani sekwencji bajtów. Jedyny sposób zniszczenia wzorca to zmiana słów, z których się składa.

Anthropic mówi o odporności wprost:

  • lekka redakcja prawdopodobnie nie usunie znaku w całości
  • pełne przepisanie, w którym wymieniane jest każde słowo – usunie
  • im krótszy tekst, tym słabszy sygnał i tym łatwiej go zgubić

Stąd bierze się jedyna technicznie sensowna metoda: przepuszczenie tekstu przez inny model, z poleceniem przeredagowania. Nazwa branżowa to statistical rewrite. I stąd bierze się problem, który psuje cały pomysł.

Nie ma detektora, więc nie ma weryfikacji

To jest centralny fakt tego tematu: żadne narzędzie nie może udowodnić, że usunęło znak wodny Claude, bo nie istnieje publiczny sposób jego sprawdzenia.

Anthropic zapowiedziało API do wykrywania oznaczeń, ale go nie wydało – nie opublikowało też specyfikacji technicznej ani kluczy. Bez tego nie da się wykonać jedynego testu, który cokolwiek znaczy: wziąć oznaczony tekst, przepuścić przez narzędzie i sprawdzić, czy oficjalny detektor przestaje go rozpoznawać.

Serwis branżowy implicator.ai ujął to precyzyjnie, analizując najgłośniejszy z projektów: najszersza deklaracja narzędzia pozostaje niezweryfikowana, ponieważ Anthropic nie ujawniło mechanizmu detekcji. Sam projekt opisuje swoją funkcję przepisywania jako „best-effort attack, not a verified deletion” – próbę ataku, nie potwierdzone usunięcie.

Ten sam projekt formułuje granicę, której nie przekracza, i jest to zdanie uczciwsze niż wszystko, co piszą serwisy komercyjne:

Dopóki dostawcy nie udostępnią publicznych detektorów i kluczy, żadne narzędzie nie może rzetelnie zaświadczyć, że treść „nie przechodzi oficjalnej weryfikacji”.

Każda strona, która obiecuje dziś gwarantowane usunięcie znaku Claude, obiecuje coś, czego sama nie umie sprawdzić.

BleepingComputer, testując falę takich usług, doszedł do tego samego wniosku i dodał ustalenie z niezależnego sprawdzenia: jeden z popularnych „czyścików” nie usunął nawet wszystkich typowych ukrytych ładunków, czyli zawiódł w warstwie, która jest łatwa i weryfikowalna.

watermarks-remover – co ten projekt faktycznie robi

Najbardziej znanym narzędziem jest watermarks-remover Guillaume’a Meyera, założyciela Memo – projekt otwartoźródłowy na licencji MIT. Powstał w ciągu kilku godzin, praktycznie nazajutrz po ogłoszeniu Anthropic, i rósł bardzo szybko: BleepingComputer podawał ponad 4 500 gwiazdek, implicator.ai ponad 14 000, a dokumentacja samego projektu mówi o 19 300. Te liczby pochodzą z różnych dni sierpnia 2026 i pokazują raczej tempo zainteresowania niż stan bieżący.

Warto oddzielić, co projekt robi w każdej warstwie:

Funkcja projektuWarstwaOcena
czyszczenie znaków Unicodeukryte znakidziała i da się sprawdzić
usuwanie metadanych i C2PA z plikówmetadanedziała i da się sprawdzić
przepisywanie tekstu przez modelznak statystycznybest-effort, niesprawdzalne

Sam autor zajmuje stanowisko, które warto zacytować, bo nie jest to stanowisko przeciwnika oznaczania treści. Meyer deklaruje: „jestem całkowicie za atrybucją treści”, a jego zarzut dotyczy konstrukcji mechanizmu – że traktuje autorstwo zerojedynkowo, oznaczając tekst tak samo wtedy, gdy model napisał go w całości, jak i wtedy, gdy tylko pomógł w redakcji.

To jest ten sam zarzut, który podnosili użytkownicy rezygnujący z subskrypcji, i jest on merytorycznie trafny. Nie zmienia jednak faktu, że narzędzie nie może wykazać skuteczności w warstwie, która ma znaczenie.

Uwaga o jakości dokumentacji

Podczas przygotowania tego tekstu sprawdziłem twierdzenia zawarte w dokumentacji projektu. Jedno z nich – że Google wycofało znakowanie SynthID dla tekstu w API w sierpniu 2026 – jest nieaktualne.

Na oficjalnym forum deweloperskim Google pracownik firmy początkowo odpowiedział, że tekst z Gemini API nie jest znakowany. Cztery dni później sprostował: tekst generowany przez Gemini API oraz w AI Studio jest oznaczany SynthID. Dokumentacja projektu utrwaliła pierwszą, wycofaną wersję.

Wniosek praktyczny wykracza poza ten jeden projekt. W temacie, w którym stan faktyczny zmienia się w ciągu dni, dokumentacja narzędzia nie jest źródłem pierwotnym – jest zapisem tego, co jej autor wiedział w dniu ostatniej aktualizacji.

Rachunek, który podważa sens całej operacji

Najmocniejszy argument przeciwko usuwaniu znaku pochodzi z dokumentacji narzędzia, które go usuwa.

Projekt zawiera sekcję opisującą koszt operacji, i jest ona bardziej trzeźwa niż większość publicystyki na ten temat. Rozumowanie wygląda tak:

  1. Usunięcie znaku statystycznego wymaga przepisania tekstu innym modelem
  2. Przepisanie modelem słabszym obniża jakość – to nie jest efekt uboczny, tylko istota operacji, bo znak siedzi dokładnie w tych wyborach słów, które decydują o jakości
  3. A skoro tekst i tak zostanie przepisany tańszym modelem, to po co płacić za droższy na wejściu

To pytanie trafia w sedno. Płacisz za Claude, bo dobiera słowa lepiej niż tańsza alternatywa. Usuwanie znaku polega na wymianie tych właśnie wyborów. Kupujesz jakość i płacisz drugi raz, żeby ją zniszczyć.

Do tego dochodzi rachunek czysto operacyjny: dwa przebiegi modelu zamiast jednego, dodatkowy czas, dodatkowe tokeny i tekst, którego nikt już nie sprawdził pod kątem sensu.

Czym ryzykujesz, instalując takie narzędzie

Największym realnym zagrożeniem nie jest skuteczność tych narzędzi, tylko to, gdzie się je wpina.

Wokół tematu powstał rynek z udowodnionym popytem, a więc i z motywacją dla dostawców niesprawdzonych. BleepingComputer wskazuje jako główne ryzyko łańcuch dostaw: narzędzia podpinane bezpośrednio do potoków agentowych i środowisk deweloperskich.

Mechanika ryzyka jest prosta. Narzędzie tej klasy z definicji:

  • czyta całą treść, którą przetwarzasz, łącznie z tym, co w niej wrażliwe
  • bywa instalowane jako wtyczka albo hook uruchamiany automatycznie po każdej operacji
  • w wariancie przepisującym wysyła tekst do zewnętrznego modelu

Trzeci punkt jest szczególnie niewygodny. Narzędzie sprzedawane jako ochrona prywatności w wariancie statystycznym wysyła twój tekst do kolejnego dostawcy. Projekt otwartoźródłowy z możliwością uruchomienia modelu lokalnie daje tu przewagę nad usługą webową, do której po prostu wkleja się treść – ale tylko wtedy, gdy faktycznie uruchomisz go lokalnie.

Osobno warto powiedzieć rzecz oczywistą: serwis, który każe wkleić tekst w okienko, dostaje ten tekst. Przy dokumentach objętych tajemnicą przedsiębiorstwa albo danymi osobowymi to jest zdarzenie, nie detal.

Metadane C2PA – jedyna warstwa, gdzie sprawa jest prosta

Metadane pochodzenia w plikach graficznych usuwa się łatwo, weryfikuje bez problemu i najczęściej giną same.

Anthropic dołącza podpisane metadane C2PA do plików .svg, .png i .jpg. Jest to zapis obok treści, nie w niej – więc usunięcie jest wykonalne standardowymi narzędziami do obróbki metadanych i widoczne w porównaniu plików.

Praktyczna uwaga jest jednak inna, niż się wszyscy spodziewają: te metadane i tak rzadko przeżywają normalne użycie. Znika przy zrzucie ekranu, przy ponownym zapisie w edytorze graficznym i przy przepuszczeniu przez serwis społecznościowy, który przetwarza pliki. Warstwa reklamowana jako najtrwalsza jest w rzeczywistości najbardziej kruchą.

Odwrotny wniosek jest ważniejszy dla osób, którym na atrybucji zależy: jeśli chcesz, żeby informacja o pochodzeniu pliku przetrwała, sam C2PA ci tego nie zapewni.

Stan prawny – co właściwie reguluje AI Act

Akt o sztucznej inteligencji nakłada obowiązki na dostawcę modelu i na wdrażającego, a nie zakaz modyfikowania własnego tekstu przez osobę prywatną.

Rozdzielmy trzy sytuacje, bo mieszanie ich jest źródłem większości mylnych porad w sieci:

Obowiązek oznaczania spoczywa na dostawcy. To Anthropic musi zapewnić, że wyjścia modelu są oznaczone maszynowo. Ten obowiązek nie przenosi się na użytkownika i nie zamienia się w zakaz edycji.

Obowiązek ujawnienia spoczywa na wdrażającym i jest niezależny od znaku. Jeśli podlegasz artykułowi 50 jako podmiot wdrażający – na przykład publikując deepfake albo prowadząc system wchodzący w interakcję z ludźmi – usunięcie znaku wodnego nie zdejmuje z ciebie obowiązku poinformowania odbiorcy. To dwie odrębne rzeczy i pierwsza nie załatwia drugiej.

Regulaminy to osobna kategoria. Uczelnia, wydawca albo klient mogą wymagać ujawnienia udziału AI na mocy umowy lub regulaminu. Naruszenie takiego zapisu jest sprawą cywilną albo dyscyplinarną i akt o sztucznej inteligencji nie ma tu nic do rzeczy – odpowiedzialność wynika z umowy, nie z rozporządzenia.

Sam projekt watermarks-remover deklaruje przeznaczenie do treści, których użytkownik jest właścicielem, i wyklucza użycie do fałszowania autorstwa. To rozgraniczenie jest zgodne z tym, co wynika z przepisów.

Kiedy usuwanie ma sens, a kiedy nie

SytuacjaOcenaUzasadnienie
Czyszczenie tekstu z ukrytych znaków przed wklejeniem do systemusensownehigiena bezpieczeństwa, chroni przed przemyconymi instrukcjami
Usuwanie metadanych z własnych grafik przed publikacjąsensownezwykła kontrola nad danymi, które publikujesz
Przepisywanie tekstu, żeby zdjąć znak statystycznywątpliweniesprawdzalne, kosztuje jakość i drugi przebieg modelu
Usuwanie znaku, żeby podać treść za w pełni własnąbez sensu i ryzykownenie zdejmuje obowiązku ujawnienia ani odpowiedzialności umownej
Wklejanie dokumentów firmowych do darmowego czyścika w siecinie rób tegooddajesz treść nieznanemu podmiotowi

Jeśli problemem jest to, że redakcja własnego tekstu przez Claude zostaje oznaczona tak samo jak generowanie od zera – a to zarzut trafny – rozwiązaniem nie jest usuwanie znaku, którego skuteczności nikt nie potrafi zmierzyć. Rozwiązaniem jest dokumentowanie procesu powstawania tekstu: historia wersji, szkice, notatki. To działa niezależnie od tego, co pokaże przyszły detektor, i nie wymaga płacenia dwa razy za ten sam tekst.

Najczęstsze pytania

Czy da się usunąć znak wodny Claude?
Częściowo i bez możliwości sprawdzenia. Ukryte znaki i metadane plików usuwa się łatwo, ale to nie jest znak wodny Anthropic. Znak statystyczny w doborze słów znika dopiero przy pełnym przepisaniu tekstu i nikt nie potrafi dziś potwierdzić skuteczności, bo brakuje publicznego detektora.

Czy darmowe narzędzia do usuwania znaku wodnego Claude działają?
Usuwają ukryte znaki i metadane, czyli warstwy, które nie są znakiem Anthropic. W testach BleepingComputer jeden z popularnych czyścików nie usunął nawet wszystkich typowych ukrytych ładunków. Żadne z nich nie może wykazać skuteczności wobec znaku statystycznego.

Czy usunięcie ukrytych znaków Unicode usuwa znak wodny Claude?
Nie. Claude nie znakuje tekstu ukrytymi znakami – byłyby bezwartościowe, bo widać je w edytorze heksadecymalnym i kasuje zwykłe „znajdź i zamień”. Ukryte znaki w tekstach z modeli to artefakt danych treningowych, nie oznaczenie.

Czy przepisanie tekstu usuwa znak wodny?
Zależy od zakresu. Anthropic podaje, że lekka redakcja prawdopodobnie nie usunie znaku w całości, a pełne przepisanie z wymianą każdego słowa – tak. Im krótszy tekst, tym słabszy sygnał.

Czy usuwanie znaku wodnego AI jest legalne?
Akt o sztucznej inteligencji nakłada obowiązek oznaczania na dostawcę modelu, a nie zakaz edycji własnego tekstu. Jeśli jednak podlegasz obowiązkowi ujawnienia jako podmiot wdrażający, usunięcie znaku go nie znosi. Regulaminy uczelni i umowy z klientami to odrębna podstawa odpowiedzialności.

Co to jest watermarks-remover?
Otwartoźródłowy projekt Guillaume’a Meyera na licencji MIT, powstały tuż po ogłoszeniu Anthropic. Czyści ukryte znaki i metadane C2PA – to działa i da się sprawdzić – oraz przepisuje tekst modelem, co sam opisuje jako próbę ataku, nie potwierdzone usunięcie.

Czy usunięcie znaku wodnego pogarsza tekst?
Tak, i wynika to z istoty metody. Znak siedzi w wyborach między równoważnymi słowami, więc jego zniszczenie polega na wymianie właśnie tych wyborów. Dokumentacja watermarks-remover stawia z tego powodu pytanie, po co płacić za droższy model, skoro tekst i tak zostanie przepisany tańszym.

Czy Anthropic wykryje usunięty znak wodny?
Dziś nikt tego nie sprawdzi, bo detektor nie został wydany. Anthropic zapowiedziało API do wykrywania, więc stan „niesprawdzalne” należy traktować jako przejściowy.

Źródła

Dla mnie sztuczna inteligencja to coś więcej niż technologia – to nowy sposób myślenia o rozwiązywaniu problemów i kreatywności. Od lat działam na styku marketingu, danych i technologii, wierząc, że AI nie jest zagrożeniem, lecz niezbędnym narzędziem przyszłości, które pozwala nam przekraczać dotychczasowe granice efektywności.

Moje podejście opiera się na analitycznym myśleniu i ciągłej adaptacji do błyskawicznie zmieniającego się ekosystemu technologicznego.

Swoją wiedzę opieram na solidnych fundamentach akademickich i branżowych.

Jako absolwent programu Artificial Intelligence & Machine Learning na Politechnice Wrocławskiej (EQF 4-6), posiadam techniczne zrozumienie mechanizmów Big Data i uczenia maszynowego.

Moje kompetencje potwierdzają certyfikaty od światowych liderów, takich jak Google, Microsoft, Uniwersytet Helsinki

Specjalizuję się w praktycznym zastosowaniu AI, w tym:

Agentach AI: Posiadam certyfikację Hugging Face w zakresie fundamentów agentów inteligentnych.

Generatywnej Twórczości: Wykorzystuję modele AI do profesjonalnego tworzenia treści wideo, graficznych oraz muzyki. Moim największym zainteresowaniem obecnie jest tworzenie muzyki.

Optymalizacji Biznesowej: Wdrażam strategie AI in business development, które realnie wpływają na rozwój projektów cyfrowych.

Dlaczego dzielę się wiedzą na forum-ai.pl?

Wierzę w synergię kompetencji. Moim celem jest budowanie społeczności, która potrafi świadomie wykorzystywać narzędzia AI do automatyzacji, analizy konkurencji i tworzenia innowacyjnych ekosystemów w sieci.

„Największą wartość wnoszę tam, gdzie spotykają się różne kompetencje. Myślę szeroko, działam precyzyjnie”

Podobne wpisy

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *