A partir de agosto de 2026, cada bloco de texto gerado pelo Claude carrega uma marca d'água invisível. Ela não aparece no corretor ortográfico e sobrevive ao copiar e colar do Claude para outro documento. A Anthropic projetou esse mecanismo para permitir o rastreamento estatístico de texto até o modelo de origem.
Se você precisa fazer higiene de privacidade em conteúdo que possui, o projeto open source watermarks-remover oferece scripts para limpar caracteres invisíveis e metadados de arquivos. Este guia mostra o que cada camada remove, como executar os scripts e como validar o resultado.
Use essas técnicas apenas em conteúdo que você possui e de acordo com políticas acadêmicas, contratos e requisitos de divulgação. Remover proveniência para ocultar uso de IA ou apresentar trabalho gerado por IA como humano pode violar regras aplicáveis.
TL;DR
- Marca estatística do Claude: não é um caractere oculto. Ela resulta de escolhas de tokens influenciadas por uma chave secreta e detectáveis em textos longos.
- Copiar e colar não remove a marca: como o sinal está nas escolhas de palavras, ele acompanha o texto.
- Edições alteram o sinal: paráfrases, traduções e revisões pesadas degradam a assinatura estatística.
- Camada A: remove caracteres Unicode invisíveis, espaços exóticos, controles bidirecionais e caracteres de tag. É determinística e não altera a prosa visível.
- Camada B: reescreve o texto para tentar degradar uma marca estatística. É uma abordagem de melhor esforço e pode afetar estilo e precisão.
- Arquivos: a ferramenta pode limpar C2PA, EXIF, XMP e propriedades de documentos em PNG, JPEG, SVG, PDF, DOCX, ODT, HTML e Markdown.
- Valide sempre: inspecione o arquivo antes e depois da limpeza.
O que é a marca d'água do Claude
A marca d'água de texto do Claude não é uma sequência de caracteres invisíveis inserida entre palavras. Não existe um espaço de largura zero específico para localizar ou um glifo oculto para apagar.
O sinal está nas escolhas de palavras. Durante a geração, o modelo seleciona tokens entre alternativas estatisticamente semelhantes. A marca d'água influencia essas escolhas de acordo com uma chave secreta. Em uma passagem longa, essas pequenas preferências formam uma assinatura estatística que pode ser detectada por quem possui a chave.
Na prática, isso implica duas coisas:
- A marca sobrevive ao copiar e colar. O texto leva consigo as escolhas de tokens, independentemente do editor usado.
- A marca é frágil sob edição. Alterar palavras, traduzir, resumir ou misturar o texto com escrita própria degrada o padrão.
A Anthropic lançou esse mecanismo em nível de modelo a partir de 2 de agosto de 2026. Segundo a empresa, aplicativos Claude, API, Claude Code e acessos de terceiros por AWS, Google Cloud e Microsoft Foundry emitem a marca. A Anthropic também afirmou que disponibilizará uma API de detecção.
Para acompanhar mudanças na linha de modelos e nas políticas de acesso da Anthropic, veja Fable 5 Is Down for Everyone.
Uma detecção positiva indica que o texto pode ter passado pelo Claude. Ela não prova, por si só, fraude, autoria ou intenção.
Duas camadas de marcação, dois tipos de limpeza
O watermarks-remover separa o trabalho em camadas porque caracteres invisíveis, metadados de arquivo e marcas estatísticas são mecanismos diferentes.
Camada A: limpeza determinística de caracteres
A Camada A remove elementos Unicode não visíveis, como:
- espaços de largura zero;
- espaços em branco incomuns;
- controles de texto bidirecionais;
- caracteres Unicode de tag.
Essa etapa é executada localmente em Python, não depende de modelo e não modifica a prosa visível. É a opção apropriada para remover caracteres de rastreamento ou formatação invisível de rascunhos próprios.
Camada B: reescrita estatística
A Camada B tenta degradar marcas baseadas em escolhas de tokens por meio de reescrita. Como o sinal está no vocabulário e na estrutura das frases, não existe uma remoção determinística equivalente à exclusão de um caractere Unicode.
O próprio projeto trata essa camada como melhor esforço, não como garantia. A reescrita pode:
- reduzir a fidelidade técnica;
- alterar nuances de significado;
- uniformizar o estilo do texto;
- introduzir erros em conteúdo especializado.
Metadados de arquivos
Separadamente, a ferramenta remove dados de proveniência e propriedades de arquivos, incluindo:
- manifestos C2PA;
- EXIF;
- XMP;
- propriedades de documentos.
Os formatos cobertos incluem PNG, JPEG, SVG, PDF, DOCX, ODT, HTML e Markdown.
C2PA é um padrão da Coalition for Content Provenance and Authenticity. Diferentemente de uma marca estatística em texto, metadados C2PA podem desaparecer ao salvar novamente, converter ou reexportar um arquivo.
O projeto também cita suporte arquitetural para marcas de Claude, Gemini/SynthID-Text, OpenAI e implementações open source no estilo Kirchenbauer. Marcas no domínio dos pixels, como SynthID em imagens, não fazem parte do escopo de remoção.
Quando a marca estatística já tende a ser fraca
Antes de executar qualquer script, avalie se há algo relevante para limpar.
A marca tende a ser menos significativa em:
- Passagens curtas: poucas frases normalmente não acumulam sinal estatístico suficiente.
- Código-fonte: há menos liberdade de escolha de tokens, e formatadores, linters e refatorações alteram a estrutura restante.
- Texto extensamente editado: revisões manuais, paráfrases e traduções podem degradar o padrão.
- Arquivos convertidos: uma conversão ou reexportação já pode remover C2PA e outros metadados.
Em geral, a limpeza prática se aplica mais a caracteres invisíveis e metadados do que a tentativas de alterar prosa longa.
Instalando o watermarks-remover
O projeto é distribuído como uma skill de agente e um conjunto de scripts Python independentes. Você precisa de Python 3.10 ou superior.
git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover
Os scripts principais usam apenas a biblioteca padrão do Python, então não há instalação obrigatória com pip para operações básicas de texto e metadados.
Se você usa uma estrutura de skills compatível com os exemplos do repositório, crie o link simbólico:
mkdir -p ~/.grok/skills
ln -sfn "$(pwd)/skills/remove-ai-marks" ~/.grok/skills/remove-ai-marks
Para chamar os scripts diretamente, defina uma variável para o diretório:
export SCRIPTS="$(pwd)/skills/remove-ai-marks/scripts"
Ferramentas opcionais:
-
c2patool: inspeciona manifestos C2PA. -
exiftool: ajuda a limpar metadados residuais em imagens.
Inspecione antes de modificar
Comece identificando o que está presente no arquivo. Isso evita remover dados às cegas.
python3 "$SCRIPTS/inspect_file.py" draft.md
O comando inspeciona o arquivo sem alterá-lo. Use a saída para verificar se existem caracteres invisíveis, blocos de metadados ou manifestos de proveniência.
Fluxo recomendado:
- Execute o inspetor no arquivo original.
- Salve a saída da inspeção.
- Limpe apenas a camada necessária.
- Execute o inspetor novamente no arquivo resultante.
Limpando caracteres invisíveis de texto
Para a limpeza determinística da Camada A, execute clean_text.py:
python3 "$SCRIPTS/clean_text.py" draft.md -o draft.cleaned.md --stats
A opção --stats mostra um resumo dos itens detectados e removidos.
Esse comando remove:
- Unicode invisível;
- espaços exóticos;
- controles bidi;
- caracteres de tag.
A flag -o cria um novo arquivo. Mantenha o original até validar o conteúdo limpo.
diff -u draft.md draft.cleaned.md
Use um diff para confirmar que a prosa visível permaneceu como esperado.
Limpando metadados de imagens e documentos
Para remover metadados incorporados, execute clean_file.py:
python3 "$SCRIPTS/clean_file.py" photo.png -o photo.cleaned.png
O script cobre PNG, JPEG, SVG, PDF, DOCX, ODT, HTML e Markdown.
Se exiftool estiver instalado, faça uma limpeza adicional em imagens:
exiftool -all= photo.cleaned.png
Lembre-se: C2PA é um metadado de arquivo. Em muitos casos, salvar ou converter o arquivo já remove o manifesto, mas usar um processo explícito torna o resultado mais previsível e auditável.
Camada B: reescrita de texto e seus limites
Para preparar uma passagem para paráfrase, o projeto expõe rewrite_text.py:
python3 "$SCRIPTS/rewrite_text.py" draft.md --backend print-prompt --strength paraphrase
Com --backend print-prompt, o script imprime um prompt de reescrita em vez de chamar um modelo diretamente. Isso permite revisar e controlar o processo.
A opção --strength controla o nível de reformulação. Porém, esse processo exige atenção:
- reescrever frases pode modificar a voz do texto;
- conteúdo técnico pode perder precisão;
- uma paráfrase precisa ser revisada por quem entende o domínio;
- o resultado não pode ser tratado como confirmação de remoção estatística.
Para conteúdo que precisa preservar fidelidade, prefira a limpeza determinística de caracteres e a remoção de metadados. Use reescrita apenas quando houver uma necessidade legítima e quando a revisão humana fizer parte do processo.
Verificando o resultado
Após a limpeza, execute novamente o inspetor:
python3 "$SCRIPTS/inspect_file.py" draft.cleaned.md
Para verificar C2PA especificamente:
c2patool photo.cleaned.png
A verificação de caracteres invisíveis e metadados é objetiva. Já a verificação de uma marca estatística de texto depende da chave e do detector do fornecedor. Até que uma API de detecção da Anthropic esteja disponível, trate resultados de reescrita como não confirmados.
Se você automatiza inspeções em pipelines de conteúdo, conecte essas verificações a testes repetíveis. Uma ferramenta de teste de API como Apidog pode ajudar a executar validações de forma consistente em fluxos automatizados. Para testes de endpoints com suporte a modelos, consulte How to Test AI Agents Over an API.
Salvaguardas legais e éticas
O uso apropriado dessas ferramentas é higiene de privacidade em conteúdo próprio, por exemplo:
- remover caracteres invisíveis de rascunhos;
- limpar metadados antes de publicar uma imagem;
- remover propriedades residuais de documentos próprios.
Não use esse processo para:
- ocultar uso de IA em trabalhos acadêmicos quando a divulgação é exigida;
- violar contratos que exigem transparência sobre conteúdo gerado por IA;
- atribuir falsamente autoria humana a conteúdo gerado por modelos.
A ausência de uma marca não prova origem humana, assim como a presença de uma marca não prova autoria ou má conduta. Quando houver obrigação de divulgação, a medida correta é cumprir a política aplicável.
Se seu objetivo é executar modelos sob sua própria política de proveniência, considere opções de auto-hospedagem. Veja The Best Local LLMs to Run in 2026.
FAQ
Posso localizar e apagar a marca d'água do Claude como um caractere oculto?
Não. A marca d'água de texto do Claude é descrita como um viés estatístico nas escolhas de palavras, não como caracteres escondidos. A Camada A remove caracteres invisíveis inseridos por outros mecanismos, mas isso é diferente de uma marca estatística.
Copiar e colar a saída do Claude remove a marca?
Não. Como o sinal está nas escolhas de tokens, copiar o texto entre aplicativos não altera esse padrão.
O watermarks-remover é gratuito?
Sim. O projeto é open source sob licença MIT. Para os scripts principais de texto e metadados, basta ter Python 3.10 ou superior.
Funciona com saída do Claude Code?
Os scripts podem ser executados, mas marcas estatísticas em código tendem a ser mais fracas devido às escolhas de tokens restritas e às transformações causadas por formatadores, linters e ferramentas de refatoração.
Ele remove marcas de imagem como SynthID?
Ele remove metadados de nível de arquivo, como C2PA, EXIF e XMP. Marcas inseridas diretamente no domínio dos pixels não fazem parte do escopo de remoção.
Como confirmar que uma marca estatística desapareceu?
Sem acesso à chave de detecção da Anthropic, não há uma confirmação independente definitiva. Para caracteres invisíveis e metadados, use inspect_file.py e c2patool antes e depois da limpeza.
Top comments (0)