A SynthID-Text fut a Geminiben és a Claude-ban. Felismerő API továbbra sincs.

A három legnagyobb nyelvimodell-szolgáltatóból kettő már vízjelezi a szöveget, amit előállít. A Google 2024 óta csinálja ezt a Geminiben. Az Anthropic 2026. augusztus 14-én kapcsolta be a Claude-ban. Mindketten ugyanazt a módszert használják, a SynthID-Textet, amelyet a Google DeepMind a Nature-ben publikált.

Ha ellenőrizni akarja, hogy egy adott bekezdés hordozza-e valamelyik vízjelet, nem tudja. Sem API-n, sem portálon, sem nyílt forráskódú eszközzel. A jel ott van, elvben géppel olvasható, és az egyetlen gépek, amelyek el tudják olvasni, ahhoz a két céghez tartoznak, amelyek beletették.

Ez a hézag többet nyom, mint egy éve, mert az MI-rendelet mostanra kapott egy dátumhoz kötött jelölési határidőt, és sokan elkezdtek olyan eszközöket vásárolni, amelyek állítólag betömik a hézagot, de nem tömik be.

Mit csinál valójában a SynthID-Text

Érdemes pontosnak lenni, mert az MI-szöveg vízjelezéséről írtak túlnyomó része pontosan ugyanúgy téves.

A SynthID-Text semmit nem tesz hozzá a szöveghez. Nincsenek nulla szélességű karakterek, szokatlan Unicode, láthatatlan jelölők, árulkodó központozás, sem plusz tokenek. Az Anthropic ezt szó szerint kimondja, és a módszerre általában is igaz. Ha valaha látta azt a tanácsot, hogy távolítsa el a láthatatlan karaktereket az MI-vízjel megkerüléséhez, az a tanács olyasmire céloz, ami itt nem létezik.

Amit viszont csinál: megváltoztatja, hogyan választ szavakat a modell.

Amikor egy nyelvi modell szöveget állít elő, valószínűségeloszlást képez a következő tokenre, és mintát vesz belőle. A SynthID-Text pontosan ezen a ponton avatkozik be. Az utolsó néhány token, jellemzően négy, csúszóablakát egy titkos vízjelkulccsal együtt hasheli, és ebből lesz a mag. Ez a mag hajt egy sor álvéletlen pontozófüggvényt, a g-függvényeket. Az algoritmus jelölt tokeneket húz, és több tornaszinten futtatja végig őket: minden szint g-függvénnyel pontozza a versengő jelölteket, és a győztes megy tovább. A tornát megnyerő token az, ami kikerül.

Az eredmény az, hogy egy elég hosszú szakaszon a kiadott tokenek úgy korrelálnak a g-értékekkel, ahogy emberi szóválasztás nem hozná létre. A felismerés ekkor statisztikai próba: számoljuk újra a g-értékeket a szövegen, és kérdezzük meg, magasabb-e az átlag, mint amit a véletlen megengedne. A publikált felismerők háromfélék: sima átlag, súlyozott átlag, és egy bayesi felismerő, amelyet vízjelezett és vízjelezetlen mintákon tanítanak, ez a három közül a legerősebb.

Ebből a felépítésből két tulajdonság következik, és ezek magyaráznak szinte minden mást.

Először: a felismeréshez nem kell a modell. Nem kell Geminit futtatnia, hogy Gemini-szöveget ellenőrizzen. Ez teszi a sémát elég olcsóvá az üzemeltetéshez, és valódi előrelépés az utólagos osztályozókhoz képest.

Másodszor: a felismeréshez viszont kell a kulcs. A g-függvényeket ez keltezi. A vízjelkulcs nélkül az Ön által számolt g-értékeknek semmi közük a generáláskor használtakhoz, és a próba zajt ad vissza. Ez nem megvalósítási hiányosság, amit majd valaki egyszer betöm. Ez az a biztonsági tulajdonság, ami megakadályozza, hogy bárki a Google vízjelét ráhamisítsa olyan szövegre, amit a Google sosem írt.

Az egész felismerési probléma ebben a második tulajdonságban lakik.

Ki vízjelez ma szöveget

A kép 2026 augusztusában, arra korlátozva, amit a szolgáltatók maguk megerősítenek:

Google Gemini. Vízjelezett a Nature-cikk óta, amely az első nagy léptékű bevezetést írta le, a Geminire és a Gemini Advancedre. A Google munkatársai a hivatalos fejlesztői fórumon megerősítették, hogy a Gemini API-n, a Google AI Studión és az Antigravityn keresztül generált szöveg is vízjelezett. Ez a válasz egy korábbi, ellenkező értelmű és téves válasz után érkezett, ami jó mérce arra, milyen vékonyan van ez dokumentálva.

Anthropic Claude. Globálisan aktív 2026. augusztus 14-től azokon a Claude-modelleken, amelyek 2026. augusztus 2-án vagy után jelentek meg, a régebbiek követik. Az Anthropic a SynthID-Text megközelítés egy változataként írja le, és az ötletet Scott Aaronson 2022-es javaslatáig vezeti vissza. Az Anthropic ezenfelül aláírt C2PA-tanúsítványokat csatol a generált képfájlokhoz, ami külön mechanizmus.

OpenAI. Nincs szöveges vízjel. Az OpenAI épített egyet, a Wall Street Journal 2024-es beszámolója szerint nagy pontosságút, és a fiókban hagyta. A megnevezett aggályok: rosszul bírta a fordítást és az átfogó újraírást, és aránytalanul jelölhette meg azokat, akiknek nem az angol az anyanyelvük. Az OpenAI viszont C2PA Content Credentialst csatol a generált képekhez.

Mindenki más. A nyílt súlyú modellek semmilyen jelet nem hordoznak, hacsak az nem teszi bele, aki futtatja őket, és semmi nem akadályozza abban, hogy el is távolítsa. Ez az a szerkezeti lyuk, amit maga a Nature-cikk nevez meg: a vízjelezés csak ott működik, ahol a szolgáltatók együttműködnek, és a nyílt modelleket nem lehet együttműködésre kényszeríteni.

Nem véletlen, hogy mindkét bevezetés 2026. augusztus 2-ához igazodik. Ekkor vált alkalmazandóvá az MI-rendelet 50. cikke.

A létező eszközök, és hogy melyik mire jó

Ezt a részt érdemes pontosan megcsinálni, mert a téma keresési találatai súlyosan szennyezettek.

google-deepmind/synthid-text a GitHubon. A Nature-cikk referenciamegvalósítása, Apache 2.0 licenc alatt. Vízjelez és felismer, és tartalmazza a bayesi felismerő tanítókódját. Gemmát és GPT-2-t támogat mixin osztályokon keresztül. A README kereken kimondja, hogy ez a kutatás reprodukálhatóságát szolgálja, hogy a mixinek nem éles üzemre készültek, és hogy a hash-függvény semmilyen kriptográfiai biztonsági garanciát nem nyújt. Hasznos, őszinte, és nem mások szövegének felismerője.

Hugging Face Transformers. Az éles üzemre alkalmas út, amelyre a Google mutat. A SynthIDTextWatermarkingConfig és a SynthIDTextWatermarkLogitsProcessor lehetővé teszi, hogy vízjelezett szöveget generáljon egy Ön által felügyelt modellből, egy kulcslista és egy n-gram hossz megadásával. Akinél a kulcsok vannak, az fel tud ismerni. Ma ez az egyetlen út, amelyen egy szokásos fejlesztőcsapat végponttól végpontig működő szöveges vízjelezéshez jut, és csak a saját rendszere által generált szöveget fedi le.

MarkLLM. A THU-BPM akadémiai eszközkészlete, amely sok vízjelalgoritmust valósít meg egyetlen felület mögött, köztük a KGW-t, az Unigramot, az EXP-t és a SynthID-Textet az átlag, súlyozott átlag és bayesi felismerőivel. Ha sémákat értékel, nem pedig egyet vezet be, itt kezdje.

A SynthID Detector portál. A Google feltölt és ellenőriz eszköze, amelyet a 2026 májusi I/O-n nyitottak meg korai tesztelőknek egy várólistán át újságíróknak, kutatóknak és médiaszakembereknek. A Google saját, ellenőrzésről szóló súgódokumentációja képeket, videót és hangot említ. A szöveg nincs a listán, és a fejlesztői fórum API-vízjelezésről szóló szála világosan kimondja, hogy a portál nem fogadja.

A Google Content Detection API-ja. 2026-ban előzetesként a Gemini Enterprise platformon, néven nevezett partnereknek, köztük a Shutterstocknak, a Snapnek, a Canvának és a Fox Sportsnak. Csak képek, JPEG, PNG és WebP. Szöveg nincs, általános elérhetőségi dátum nincs, közzétett árazás nincs.

Az Anthropic felismerő API-ja. Bejelentve, hogy jön, ütemterv és megvalósítási részletek nélkül. Amikor megérkezik, feltehetően a Claude szövegére válaszol majd, és másra nem.

C2PA Content Credentials. Egyáltalán nem vízjel, és inkább kiegészítő, mint versenytárs. Kriptográfiailag aláírt eredetmetaadat: ki készítette ezt, milyen eszközzel, mikor, és részt vett-e benne MI-rendszer, a digitalSourceType mezőben rögzítve. A 2.3-as verzió manifesztumokat vezetett be sima szöveges dokumentumokhoz, ami új és fontos. A gyengesége a vízjelének tükörképe: a metaadat egy másolás és beillesztés során eltűnik, márpedig a szöveg pontosan így utazik.

És aztán ott van, ami nem eszköz.

Rengeteg oldal rangsorol a „SynthID detection API” kifejezésre, és egy olyan terméket ír le, amelyet a Google Cloud konzolján kapcsol be az ember, kérésenkénti árazással és másodperc alatti szöveges késleltetéssel. Ilyen termék nem szerepel a Google Cloud dokumentációjában. Ezek közül legalább egy oldal tartalommarketing egy vízjeleltávolító szolgáltatásnak. Ettől függetlenül: azok az oldalak, amelyek felajánlják, hogy leellenőrzik a szöveget SynthID-re, statisztikai MI-felismerőket futtatnak, amelyek nem olvassák a vízjelet, és nem is tudják, mert nincs kulcsuk. A szöveget kiszámíthatóság és ritmus alapján pontozzák. Ez más dolog ugyanabban a szóban.

Mennyire működik jól

Az őszinte válasz: hosszú, szerkesztetlen, magas entrópiájú szövegen jól működik, azokon a feltételeken kívül pedig gyorsan romlik. A számok nyilvánosak, és nem hízelgőek.

Hossz. A felismerés statisztikai próba, tehát a bizonyíték a tokenekkel gyűlik. A SynthID-Text 2026-ban publikált elméleti elemzése 50 tokenes szövegeken nagyjából 0,3 valódi pozitív arányra teszi a felismerést 1 százalékos hamis pozitív arány mellett, és a saját kísérleteit 100 és 400 token közötti sorozatokon futtatja. Egy közösségi bejegyzés, egy termékleírás vagy egy ügyfélszolgálati válasz nem elég szöveg.

Entrópia. A vízjel a modell választási szabadságából él. Ahol csak egy helyes válasz van, ott nincs hely bármit is kódolni. Az Anthropic ezt egyenesen kimondja: a jel ritkább a tényközlő szakaszokon és a kódban, ahol a szintaxisnak és a számtannak pontosnak kell lennie. Kérje meg a modellt, hogy javítsa a nyelvtanát, és a vízjel csak abban a maroknyi javításban lakhat, ami kevés lehet ahhoz, hogy megjelenjen.

Átfogalmazás. Ez a gyenge pont. Egy robusztussági vizsgálat szerint a SynthID valódi pozitív aránya a tiszta szövegen mért 0,998-ról 0,498-ra esett mérsékelt átfogalmazás mellett. A zürichi ETH SRI Labja több mint 90 százalékos eltávolítási sikert jelent szokásos átfogalmazással, ami vízjellopás segítségével közel 100 százalékra emelkedik, és megjegyzi, hogy a tornás mintavétel, amelyet biztonsági intézkedésnek szántak, érzékenyebbé teszi a tokenerősítést az újraírásokra, tehát kevésbé robusztussá, mint az egyszerűbb sémákat. Egy 2026-os, igazságügyi szabványokhoz mért értékelés 98,3 százalékos eltávolítást mért jelentésmegőrző átfogalmazással, miközben a szemantikai hasonlóság 0,83 körül maradt.

Hamis pozitívok. Ugyanez az igazságügyi értékelés 5,4 százalékos hamis pozitív arányt mért tiszta, ember írta szövegen, 93,6 százalékos ítéletingadozással a felismerési küszöb apró változtatásaira, és talált egy szabványos gépelési tesztmondatot, amely átlépte a küszöböt. A következtetés: a három vizsgált módszer közül, KGW, Unigram és SynthID-Text, egyik sem elégít ki kettőnél többet az öt Daubert-tényezőből a szakértői bizonyítékra.

Hamisítás. Itt a SynthID-Text jobban áll, mint az alternatívák. Az SRI Lab munkája 4 százalékos hamisítási sikert jelent alapértelmezett paraméterekkel, szemben a piros-zöld sémák 80 százalékával vagy többel, bár a siker 15 százalékra nőtt, amikor a támadó lekérdezései 30 000-ről 90 000-re emelkedtek. Ugyanez a munka azt is megmutatta, hogy magának a vízjelnek a jelenléte fekete dobozos lekérdezésekből kideríthető, tehát a bevezetés titokban tartása nem opció.

Összességében: egy hosszú szakaszon kapott pozitív eredmény érdemi bizonyíték. A negatív eredmény szinte semmit nem jelent, mert ugyanannyira összefér emberi írással, vízjel nélküli modellel, rövid mintával vagy átfogalmazással. Aki erre munkafolyamatot épít, annak ezt az aszimmetriát el kell mélyítenie magában, mielőtt megrajzolja a felületet.

Mit kér a jog

Három szabályozás követel már valamit ezen a területen, és egyik sem illik pontosan arra, ami be van vezetve.

MI-rendelet, 50. cikk (2) bekezdés. A szintetikus hang-, kép-, videó- vagy szöveges tartalmat előállító MI-rendszerek szolgáltatóinak géppel olvasható formátumban kell megjelölniük a kimenetet, hogy az mesterségesen előállítottként felismerhető legyen. A jelölésnek hatékonynak, interoperábilisnak, robusztusnak és megbízhatónak kell lennie, amennyire ez műszakilag megvalósítható. Az 50. cikk 2026. augusztus 2-án vált alkalmazandóvá, a jelölési és címkézési követelmények pedig 2026. december 2-án érkeznek, azon a napon jár le a türelmi idő is a 2026. augusztus 2. előtt már piacon lévő rendszerekre. A gyakorlati kódex rétegzett megközelítést jelöl ki, amely ötvözi a metaadatot, a vízjelezést és a naplózást. A C2PA-t nem nevezi meg, de a szabvány tulajdonságait olyan közelről írja le, hogy megfigyelők megjegyezték: jelenleg a C2PA az egyetlen bevezetett technológia, amely illik rá. Az 50. cikk tágabb képét az MI-rendelet átláthatósági kötelezettségeiről szóló útmutatónkban vettük végig.

Figyeljen az interoperábilis szóra. Egy vízjel, amelyet csak a szerzője tud elolvasni, furcsán illeszkedik ehhez a követelményhez, és ez a feszültség feloldatlan.

Kína. Az MI által generált szintetikus tartalom címkézési intézkedései 2025. szeptember 1-jén léptek hatályba, és a három közül ezek a legkonkrétabbak. Kifejezett, a felhasználó számára látható címkét és a fájl metaadatában elhelyezett rejtett címkét egyaránt megkövetelnek. A szöveg beletartozik. A platformoknak címkézési funkciókat kell biztosítaniuk, és a MI-vel generált tartalmat közzétevő felhasználóknak nyilatkozniuk kell róla.

Kalifornia. Az AI Transparency Act, vagyis az AB 853-mal módosított SB 942, 2026. augusztus 2-tól hatályos az egymillió havi felhasználónál többet kiszolgáló szolgáltatókra. Ingyenes felismerő eszközt, látható közlést és beágyazott rejtett közlést ír elő, amely tartalmazza a szolgáltató nevét, a rendszer nevét és verzióját, az időbélyeget és egy egyedi azonosítót. Olvassa figyelmesen a hatályt: a rejtett közlési kötelezettség képre, videóra és hangra vonatkozik. A szöveg nincs benne. 2027. január 1-jétől a nagy online platformoknak meg kell jeleníteniük az eredetadatokat, és nem távolíthatják el őket tudatosan.

A minta mindhárom helyen ugyanaz. A jog felismerhető jeleket kér, a bevezetett szöveges jeleket pedig csak a szerzőik tudják felismerni. Vagy megnyílik a felismerés, vagy a szöveges kötelezettségeket C2PA-szerű metaadattal fogják teljesíteni, amely a másolás és beillesztést gyakorlatilag soha nem éli túl.

Mit jelent ez, ha szoftvert épít

Ennek nagy része nem megfelelőségi projekt. Néhány mérnöki döntés, amely most olcsó, később pedig drága utólag beépíteni.

Ne vegyen felismerőt ítéletként. Ha egy szállító azt állítja, hogy tetszőleges szövegben felismeri a SynthID-t, nem tudja, és kérje el tőle a kulcsot. Ha már futtat MI-felismerést a felhasználói beküldéseken, kezelje a pontszámot triázsként, amely emberi átnézésre irányít, sose megállapításként. A következményes használat elleni bizonyíték erős: egy stanfordi tanulmány szerint a felismerők a nem anyanyelvi szerzők TOEFL-esszéinek több mint felét tévesen MI-generáltnak minősítették, és egyre több egyetem kapcsolta ki ezeket az eszközöket, miután 100 százalékos magabiztossággal jelöltek meg emberi munkát. Erre szabályzatot építeni felelősségi kockázat, nem kontroll.

Hagyja abba az eredetmetaadat leszedését. Ez a leggyakoribb önkéntes seb. A képfeldolgozó folyamatok rutinszerűen újrakódolnak, átméreteznek és normalizálnak, és a legtöbb közben eldobja a C2PA-manifesztumokat és az XMP-t. Az 50. cikk (2) bekezdése szerint ekkor Ön távolítja el azt a jelölést, amelyet a jog meg akar őrizni, 2027 januárjától pedig Kaliforniában ez platformkötelezettség. Nézze át a folyamatot, őrizze meg a manifesztumot, vagy írja alá újra az átalakítás után. Most, hogy a C2PA 2.3 támogatja a sima szöveges dokumentumokat, ugyanez a fegyelem hamarosan a szövegre is vonatkozik.

Vezessen saját eredetnyilvántartást. Ez az a rész, ami tényleg működik. Bármit tesz is a vízjel, az Ön rendszere tudja, melyik modell mit generált, mikor, milyen prompttal, és ki nézte át. Tárolja mezőként a rekordon. Ez a bizonyíték az 50. cikk emberi átnézési kivételére, ezt adja át egy hatóságnak vagy egy ügyfélnek, és nem függ attól, hogy bárki kiad-e egy API-t.

Aki maga üzemeltet, annak megvan a teljes kör. Egy csapat, amely saját modellt futtat Hugging Face Transformersen, generáláskor vízjelezhet és később felismerhet, mert nála vannak a kulcsok. Ha nagy mennyiségben állít elő tartalmat, és később fel kell ismernie a saját kimenetét, ez ma elérhető, és senki nem árulja Önnek.

Tegye fel a szállítóknak a helyes kérdést. Nem azt, hogy „vízjeleznek-e”, amire ma többnyire igen a válasz, és semmit nem mond. Kérdezze meg, hogy a jel az Ön számára olvasható-e vagy csak nekik, mi történik vele szerkesztés és fordítás során, csatolnak-e C2PA-metaadatot és mely formátumokhoz, és mit vállalnak szerződésben az 50. cikk (2) bekezdéséről 2026. december 2. után.

Merre tart ez

A technológia valódi, és a Nature-eredmény komoly mérnöki munka: egy vízjel, amely fél százalék késleltetésbe kerül, kiállja a nagyjából 20 millió valós Gemini-válaszon végzett értékelést anélkül, hogy mérhetően változtatna a felhasználói elégedettségen, és a modell érintése nélkül felismerhető. Ez nem semmi.

A bevezetés egyelőre ugyanakkor zárt. Két szolgáltató vízjelezi a szöveget, egyikük sem engedi másnak elolvasni a jelet, a harmadik épített egyet és félretette, a nyílt modellek pedig teljesen a rendszeren kívül állnak. A rés a között, amit a jelölési szabályok kérnek, és amit egy, e cégeken kívüli ember ténylegesen ellenőrizni tud, itt az érdekes probléma, és nem műszaki természetű.

Az ügyfeleinknek azt tanácsoljuk, hogy felismerésre ne költsenek semmit, eredetre viszont valamit. Az a felismerés, amelyet nem tud futtatni és nem tud elhinni, nem kontroll. A saját rendszerei által generáltak tiszta nyilvántartása, és egy eszközfolyamat, amely felhagy a már csatolt metaadat elpusztításával, olyan munka, amelyet Ön irányít, és pontosan ez az, amit a 2026. december 2-i határidő valóban érint. Hogy ez hol helyezkedik el minden más között 2028-ig, arról az EU digitális megfelelési útmutatónk 2026 szól.

MI-funkciókat építünk Európában működő cégek termékeibe, ami azt jelenti, hogy az eredetmezők, a tanúsítványokat megőrző eszközfolyamatok és az auditnyomok a szokásos szállítás részei, nem külön gyakorlat. Ha szeretné átnézetni, hol lép be MI-generált tartalom a termékébe, és mi történik az eredetével kifelé menet, írjon az office@c9group.dev címre.

Mérnökök vagyunk, nem jogászok. Hogy egy adott kötelezettség szolgáltatóként vagy alkalmazóként érinti-e Önt, az a jogi tanácsadójára tartozik. Mi arról gondoskodunk, hogy a rendszer megfeleljen a válasznak.