Cambiar un solo parámetro desactiva la marca de agua en modelos antiguos de Claude

Una marca de agua en el texto suena como una solución cómoda: el modelo marca discretamente su propia respuesta y la empresa la comprueba después con un detector. Pero la implementación de Anthropic en varios modelos antiguos de Claude resultó depender de los ajustes de generación. Basta con cambiar uno de los tres parámetros —temperature, top_p o top_k— para que la marca oculta deje de aplicarse.

Para los desarrolladores, esto no es un truco por el truco. Si un producto usa la marca de agua para auditorías, el cumplimiento de políticas internas o el etiquetado de contenido, un ajuste corriente de la API puede destruir sin ruido todo el esquema de control.

Cómo funciona la marca oculta

Anthropic describe la marca de agua como un patrón estadísticamente detectable en la elección de palabras. A la respuesta no se añaden caracteres especiales, campos de servicio ni tokens adicionales. En cambio, en cada paso de generación el modelo modifica ligeramente la probabilidad de las opciones admisibles. Para una persona el texto parece normal, mientras que el detector, con un fragmento suficientemente largo, busca una distribución de palabras característica.

Un ejemplo sencillo: el modelo puede continuar una frase de varias maneras de significado cercano. Sin marca, elige una opción según las probabilidades originales. Con marca, parte de las palabras adecuadas recibe una ligera prioridad según una regla secreta. Tras cientos de elecciones así se acumula una señal que puede detectarse estadísticamente.

El problema es que la elección de la siguiente palabra ya depende de temperature, top_p y top_k. Estos parámetros controlan la aleatoriedad y el conjunto de opciones disponibles para el modelo. En Claude Opus 4.6, Opus 4.5, Sonnet 4.5 y Haiku 4.5, la marca de agua se aplica solo con los valores por defecto. Cambiar incluso un parámetro saca la solicitud del modo de marcado.

Dónde se rompe el esquema práctico

Imaginemos un servicio que genera descripciones de productos y promete al cliente etiquetar todo el contenido de IA. El equipo fija el uso de Claude, conecta un detector y da la tarea por cerrada. Después, un desarrollador reduce la temperature para obtener respuestas más estables. Los textos se siguen generando, la API no devuelve ningún error, el formato de la respuesta no cambia, pero la marca de agua ya no está.

Esto es especialmente peligroso donde los parámetros pueden enviarse desde la interfaz de usuario o modificarse mediante configuración sin una nueva verificación. Formalmente el sistema funciona, pero en realidad el control del origen del texto está desactivado.

Existe también el problema inverso: la presencia de una señal estadística no convierte al detector en una pericia judicial. El texto se puede editar, acortar, traducir o mezclar con fragmentos de otros modelos. Varias marcas de agua en un mismo documento también pueden complicar la verificación. Por eso el resultado del detector debe considerarse una señal más, no una prueba definitiva.

Qué deben hacer los equipos

Si el etiquetado es necesario para el cumplimiento normativo, fije en el servidor el modelo compatible y los valores de temperature, top_p y top_k. No permita que el cliente los cambie directamente. Añada una prueba que envíe solicitudes de control y compruebe las respuestas con el detector oficial tras actualizar el modelo, el SDK o la plataforma en la nube.

Por separado, registre el identificador del modelo, los parámetros de generación, el proveedor de infraestructura y la hora de la solicitud. Ese registro es más útil que una sola marca oculta: muestra exactamente cómo surgió el texto, incluso si el documento se editó después.

La conclusión principal es simple: la marca de agua de Anthropic es un mecanismo adicional útil, pero todavía no un sistema de control independiente. Si un proceso debe distinguir de forma demostrable entre texto humano y de máquina, no basta con revisar el documento terminado. Se necesita una cadena de procedencia: restricciones en el servidor, registros de solicitudes, versiones de modelos y pruebas de control periódicas.