Anthropic은 Claude의 출력에 워터마크가 들어 있다고 밝혔습니다. 그것이 어떤 방식인지는 말하지 않았습니다.
“텍스트 워터마크”라는 말을 들으면 대부분 글자 사이에 무언가를 심는 장면을 떠올립니다. 폭 없는 공백을 끼워 넣거나, 눈에 보이지 않는 유니코드 문자를 섞어 두거나, 조금 더 공을 들여 각 줄의 첫 글자에 메시지를 새기는 세로드립까지 갑니다. 이런 수법은 실제로 존재하고 도구도 성숙해 있습니다.
문제는 거의 쓸모가 없다는 것입니다. hex 편집기로 열면 그대로 보이고, 검색이 되고, 찾아 바꾸기 3초면 사라집니다. Anthropic이 그 길을 갔다면 이 글은 두 문단으로 끝났을 것입니다.
공식 설명이 내세운 행동 특성으로 미루어 보면 이번 워터마크는 다른 길을 갑니다. 그 길은 문자를 하나도 심지 않습니다. 그래서 지울 수 없습니다. 지울 대상 자체가 없기 때문입니다.
Anthropic이 말한 것과 말하지 않은 것
Anthropic이 공식 지원 문서에서 확인한 내용은 이렇습니다. 2026년 8월 2일 이후 출시된 Claude 모델은 텍스트 출력에 기계가 읽을 수 있는 워터마크를 심습니다. 공지가 올라온 날짜는 2026년 8월 11일이고, 더 오래된 모델에도 순차적으로 적용하는 중입니다. 범위는 API, Claude, Claude Code, Claude Cowork, 그리고 클라우드 파트너를 통한 사용까지 포함합니다. EU에 한정되지 않고 전 세계에 적용됩니다.
공식 설명은 이렇습니다. “When a supported Claude model generates text, it weaves an imperceptible watermark directly into the text itself.” 메타데이터와는 다르다는 점을 강조하며, 복사해서 붙여 넣어도 따라온다고 덧붙였습니다.
거기까지입니다.
Anthropic은 그것이 어떤 기술인지 밝히지 않았습니다. 알고리즘도, 논문도, 규격도 내놓지 않았습니다. 기술 문서를 나중에 공개하겠다는 약속이 전부입니다. The Register 기자는 “it’s unclear how Anthropic will make the watermarks hard to remove”라고 그대로 적었습니다.
이 점이 중요합니다. 벌써 “Anthropic이 쓰는 방식은 무엇무엇이다”라는 식의 설명이 돌아다니고 있기 때문입니다. 지금 나와 있는 그런 설명은 전부 추측입니다.
문자를 심는 방식은 아무도 채택하지 않았습니다
먼저 그 길부터 끝까지 정리하겠습니다. 구체적인 수법은 폭 없는 공백 U+200B, 유니코드 변형 선택자, 연달아 들어간 두 칸 공백, 어딘가 어색한 아포스트로피입니다. 세로드립은 각 줄이나 각 문단의 첫 글자에 메시지를 새겨 넣습니다.
쉽게 지워진다는 것 말고도 약점이 하나 더 있습니다. 글자 하나만 손대도 신호가 통째로 흩어집니다. 세로드립은 한 줄만 빠져도 무너지고, 폭 없는 공백은 편집기에 따라 한 번 복사해 붙이는 것만으로 함께 떨어져 나갑니다.
게다가 이 방식을 쓴다고 공식적으로 인정한 LLM 업체는 한 곳도 확인되지 않습니다. 문서로 남은 관련 사건은 하나뿐입니다. 2025년 4월, 교육 기술 회사 Rumi가 GPT-o3와 o4-mini의 긴 응답에 특수 유니코드 문자, 주로 좁은 줄바꿈 없는 공백 U+202F가 섞여 있다는 것을 발견하고 그 패턴이 체계적이라고 주장했습니다. 이틀 뒤 Rumi는 내용을 갱신했습니다. OpenAI가 먼저 연락해 워터마크가 아님을 밝혔고, “a quirk of large-scale reinforcement learning”이라는 설명을 내놓았다는 것입니다. 그리고 하루 뒤, 현상 자체가 사라졌습니다.
다른 한 갈래는 통계적 워터마크라고 불립니다. 2023년 Kirchenbauer 연구진의 논문 《A Watermark for Large Language Models》가 이 연구 방향을 열었습니다. 이쪽은 문자를 하나도 끼워 넣지 않습니다.
한 낱말이 선택되기 직전에 벌어지는 일
모델이 「이 방법은 정말 ＿＿」을 쓰려는 순간, 머릿속에는 후보가 여럿 있습니다. 평소에는 확률대로 하나를 뽑습니다. 워터마크는 먼저 열쇠로 어휘를 두 무리로 가른 다음, 한쪽으로 살짝 기울입니다.
이 문장 하나만 보면 아무것도 보이지 않습니다. 네 낱말 모두 원래 자연스러웠으니까요. 그런데 글 전체로 통계를 내면 초록 무리가 우연이라고 하기엔 너무 자주 나옵니다. 그것이 서명입니다.
기울임은 뜻이 거의 같은 후보들 사이에서만 일어납니다. 워터마크를 위해 「효과적」을 「파란색」으로 바꾸지는 않습니다.
논문에 적힌 파라미터는 이렇습니다. 어휘 사전에서 초록 그룹으로 잘라내는 비율 γ는 보통 0.25, 그 그룹을 밀어주는 힘 δ는 보통 2.0을 씁니다. 탐지할 때는 z 점수를 계산하는데, 문턱값을 z > 4로 잡으면 사람이 쓴 글을 AI로 오판할 확률이 십만분의 3입니다. 논문 초록은 최소 25개 토큰만 있어도 검출될 수 있다고 주장하며, 128개 토큰 구간에서는 생성물의 98.4%를 잡아낸다고 밝힙니다.
그러면 Anthropic이 이 방식을 씁니까. 알 수 없습니다. 다만 공식 설명이 내세운 네 가지 행동 특성, 즉 메타데이터와 다르다는 점, 복사해 붙여도 따라온다는 점, 일부 편집을 견딜 수 있다는 점, 너무 짧으면 신호가 부족하다는 점은 통계적 워터마크의 행동과 일치하고 보이지 않는 문자 방식과는 어긋납니다. 보이지 않는 문자에는 “편집을 견딘다”는 성질이 없고, “글이 짧아서 검출이 안 된다”는 문제도 생기지 않습니다.
행동으로 미루어 본 추론입니다. 증명된 사실은 아닙니다.
작가가 진짜 궁금해하는 것
일부만 AI가 썼으면 걸립니까
걸립니다. 기술적으로는 “어느 대목인지”까지 답이 나옵니다. Kirchenbauer 팀이 2024년 ICLR에서 발표한 후속 연구는 WinMax라는 슬라이딩 윈도우 검정을 설계했습니다. 긴 문서 안에서 z 점수가 가장 높은 연속 구간을 찾아내는 용도입니다.
논문이 copy-paste 공격이라고 부르는 실측치가 정확히 이 상황을 다룹니다.
| 섞인 비율 | 텍스트 길이 | 탐지 AUC |
|---|---|---|
| 25%(한 덩어리) | 600 토큰 | 0.95 초과 |
| 10%(세 조각으로 분산) | 200 토큰 | 0.7 미만 |
| 10%(세 조각으로 분산) | 600 토큰 | 0.85 미만 |
2만 자짜리 소설에 AI가 쓴 문장이 2천 자 들어 있다면 그게 10%이고, 표에서 가장 불리한 구간에 정확히 걸립니다. 다만 전제가 있습니다. 그 2천 자가 손대지 않은 상태 그대로여야 하고, 텍스트가 길수록 탐지력은 도리어 올라갑니다.
장편 연재물이라면 이렇게 읽는 편이 감이 옵니다. 한 회차를 통째로 AI 초고로 채운 경우와, 여러 회차에 조금씩 흩뿌린 경우는 노출되는 정도가 다릅니다.
얼마나 고쳐 써야 지워집니까
다들 원하지만 학계가 아직 내놓지 못한 것부터 말씀드리겠습니다. “몇 % 고쳐 쓰면 탐지율이 몇 %로 떨어진다”는 대조표는 존재하지 않습니다. 지금까지의 연구가 측정한 것은 고쳐 쓰는 “방법”입니다. 고쳐 쓴 “비율”을 측정한 연구는 없습니다. 인터넷에서 그런 표를 보신다면 지어냈을 가능성이 큽니다.
있는 것은 이런 수치들입니다.
| 무엇을 했는가 | 탐지력은 얼마나 남는가 |
|---|---|
| 아무것도 하지 않음 | AUC 0.999 초과 |
| 다른 AI로 고쳐 씀 | AUC가 0.05에서 0.15만큼 하락, 200 토큰이면 여전히 0.85 초과 |
| 사람이 고쳐 씀(상금 지급, 지우는 것이 명시적 목표) | 평균 800 토큰을 넘겨도 검출됨 |
| 다른 언어로 번역 | AUC가 0.54에서 0.67까지 하락 |
세 번째 줄의 실험 설계는 짚어둘 만합니다. 대학원생 열네 명에게 금전적 유인을 주고, 워터마크를 지우는 것이 이 과제의 목적이라고 명확히 알린 뒤, 길이와 의미는 유지하라고 요구했습니다. 결과는 이렇습니다. 모든 공격이 400에서 800 토큰 구간을 넘어서면 확실하게 검출됐습니다.
네 번째 줄이 현재까지 알려진 가장 효과적인 제거 수단입니다. 번역은 신호를 거의 무작위 추측 수준까지 떨어뜨립니다. 서명이 원래 언어의 특정 토큰 배열 속에 살아 있기 때문에, 어휘 체계를 통째로 갈아 끼우면 함께 사라집니다.
논문 저자들이 제시한 틀이 “지워지느냐 마느냐”보다 정확합니다. 고쳐 쓰기가 워터마크를 제거할 수 있느냐고 묻는 대신, 그 공격이 확실한 탐지에 필요한 토큰 수를 얼마나 밀어 올리는지를 물으라는 것입니다.
글의 품질은 나빠집니까
두 설계의 대가가 크게 다르므로 나눠서 봐야 합니다.
Kirchenbauer 방식처럼 확률 분포를 직접 건드리는 접근에는 측정 가능한 대가가 있고, 그 대가는 워터마크 강도에 비례합니다. 논문의 트레이드오프 곡선을 보면, 밀어주는 힘을 아주 세게 올렸을 때 퍼플렉시티가 약 4에서 5 사이이던 값에서 13 부근까지 나빠집니다. 모델이 다음 단어를 고를 때 얼마나 헤매는지를 나타내는 값이니, 숫자가 커진 만큼 문장이 어색해진다는 뜻입니다.
Google DeepMind의 SynthID-Text(2024년 10월 《Nature》 게재)는 다른 길을 갑니다. 분포 자체는 손대지 않습니다. 모델이 원래 가지고 있던 분포에서 후보 여덟 개를 뽑아 둘씩 맞붙이고, 비밀 키가 정한 점수로 승자를 올려 보냅니다. 한 판에 경쟁자가 둘뿐일 때 출력 분포가 기댓값 기준으로 원래 분포와 같아진다는 것을 논문이 증명합니다.
품질 근거도 이쪽이 가장 단단합니다. Google은 Gemini에서 약 2천만 건의 실제 응답을 대상으로 온라인 실험을 돌렸습니다. 좋아요 비율 차이 0.01%, 싫어요 비율 차이 0.02%, 통계적으로 유의하지 않았습니다.
그래서 “워터마크는 품질에 영향이 없다”는 문장은 너무 나간 표현입니다. 정확한 버전은 두 조각으로 되어 있습니다. 분포를 왜곡하지 않도록 설계한 쪽은 2천만 건의 실제 피드백에서 차이가 잡히지 않았고, 확률에 직접 편향을 주는 쪽은 대가가 측정되며 그 대가가 강도에 비례합니다.
문장의 순서는 영향을 받지 않습니다. 어떤 단어를 고를지만 바뀔 뿐, 문법 구조나 문단 순서는 건드리지 않습니다.
가장 직관에 어긋나는 대목
Anthropic 공식 문서에는 위의 기술적 세부보다 작가가 더 기억해야 할 문장이 하나 있습니다.
표시가 검출된다는 것은 그 내용이 Claude를 거쳤을 수 있다는 의미일 뿐입니다. 공식 문서는 Claude가 원저자가 아닐 수 있다고 명시합니다. 교정도 처리에 들어가고, 요약도 처리에 들어가고, 윤문도 마찬가지입니다.
반대 방향도 성립합니다. 같은 문서가 표시가 사라질 수 있는 경우도 함께 나열합니다. 대폭 편집, 고쳐 쓰기, 번역, 형식 변환, 심지어 스크린숏까지 포함됩니다.
두 문장을 나란히 놓으면 결론이 조금 따갑습니다.
처음부터 끝까지 혼자 쓰고 원고를 AI에 한 번 맡겨 다듬기만 한 작가의 글에는 표시가 남아 있을 수 있습니다.
전부 AI로 생성한 뒤 번역을 한 번 거친 원고에서는 아무것도 검출되지 않을 수 있습니다.
워터마크가 증명하는 것은 “누가 썼는가”가 아니라 “무언가를 거쳤는가”입니다. 대중적인 논의에서 이 둘은 거의 언제나 같은 것으로 취급됩니다.
이 부담은 생각과 반대쪽에 떨어집니다
머릿속에 먼저 떠오르는 그림은 대개 이렇습니다. 하루에 백 편씩 글을 찍어내는 콘텐츠 공장이 있고, 워터마크가 저기부터 막아 줄 것이라는 그림입니다.
계산은 그 그림을 지지하지 않습니다.
신호의 세기는 손대지 않은 모델 출력이 얼마나 남아 있는지로 결정됩니다. 원본 그대로 쓰거나 가볍게 다듬기만 한 글에서 가장 강하고, 크게 고쳐 쓰거나 다른 언어로 옮긴 글에서 가장 약합니다.
그러면 빠져나가는 비용은 어느 쪽에 더 쌉니까.
산업 규모의 생산 라인이라면 번역을 한 겹 더 얹는 것으로 끝납니다. 그것만으로 AUC는 0.54에서 0.67까지 내려가고, 거의 무작위 추측과 다를 바 없는 자리에 닿습니다. 아예 다른 선택지도 남아 있습니다. 사업자의 협조가 필요한 서비스를 처음부터 쓰지 않는 것입니다. 이런 워터마크는 생성하는 그 순간에 모델을 돌리는 쪽이 심습니다. 공개 가중치(open-weights) 모델을 직접 돌리면 심어 줄 사람이 아무도 없습니다. SynthID의 《Nature》 논문은 이 점을 스스로 한계로 적어 두었고, 이 장치가 의미를 가지려면 업계 전체가 함께 채택해야 한다고 밝혔습니다.
반대쪽 사정은 다릅니다. AI를 코치로 두고 자기가 쓴 문장을 한 번 다듬게 한 사람은, 표시를 지우겠다고 번역까지 돌리지는 않습니다. 표시는 그대로 남습니다.
효과가 비대칭이라는 뜻입니다. 정직하게 쓰는 사람에게 가장 선명한 흔적을 남기고, 작정하고 피하려는 쪽에는 거의 비용이 되지 않습니다. 그렇다고 가치가 없다는 말은 아닙니다. 손쉽게 생성한 것을 원작인 척 내놓는 일이 그만큼 번거로워지고, 대부분의 악용은 원래 그 손쉬운 수준에 머뭅니다. 다만 이것이 시장에 밀려든 AI 콘텐츠를 씻어낼 것이라는 기대는 접어 두시는 편이 낫습니다.
AI를 도구로 쓰는 작가에게
위의 이야기를 일상의 단위로 옮기면 대략 이렇습니다.
- 교정이나 윤문에만 쓴 경우: 원고에 표시가 남을 수 있고, 표시가 AI를 저자로 만들지는 않습니다
- 초고를 맡기고 자기가 다시 쓴 경우: 신호가 희석되며, 얼마나 희석되는지는 원래 문장을 얼마나 남겼는지로 갈립니다
- 일부 회차에만 쓴 경우: 섞인 비율이 낮을 때 가장 잡기 어렵지만, 기술적으로는 어느 대목인지 찾아냅니다
- 다 쓰고 나서 번역해 내보낸 경우: 거의 사라집니다
어느 항목도 작가에게 쓰는 방식을 바꾸라고 요구하지 않습니다. 바뀌어야 하는 것은 하나뿐입니다. 자기 원고가 무엇을 거쳤는지 스스로 알고 있어야 한다는 것. 나중에 질문을 받았을 때, 설명할 수 있는 사람과 못 하는 사람의 처지는 크게 다릅니다.
그런데 지금은 아무도 확인하지 못합니다
이 글을 쓰는 2026년 8월 11일 기준으로 Anthropic에는 공개된 탐지 도구도, 공개된 기술 규격도, API도 없습니다. 사용자와 제3자가 탐지할 수 있도록 노력하고 있다는 정도가 공식 입장의 전부입니다.
바꿔 말하면 출판사도 지금은 확인하지 못하고, 문학상과 공모전 심사도 확인하지 못하고, 작가 본인도 확인하지 못합니다.
Google의 SynthID가 그나마 열려 있는 편입니다. 알고리즘은 2024년 10월 오픈소스로 공개됐고 Hugging Face Transformers에도 들어갔습니다. 다만 그것으로 검증할 수 있는 대상은 같은 비밀 키로 직접 생성한 텍스트뿐입니다. Gemini의 출력을 확인하려면 여전히 Google의 키가 필요하고, 탐지 창구는 지금까지 대기자 명단제로 운영되며 대상은 기자와 연구자입니다.
진짜 위험은 워터마크 쪽에 있지 않습니다
이미 인쇄까지 끝난 소설이 출판사 손에 폐기된 일이 있습니다. 이유는 숫자 하나였습니다. 78%.
책 제목은 《Shy Girl》입니다. 독자들이 먼저 앞뒤 문체가 어긋난다는 것을 알아챘고, 이어서 AI 탐지 업체 Pangram이 전문을 스캔해 “AI 생성 확률 78%“라는 결과를 내놓았습니다. 《뉴욕 타임스》가 이를 보도하자 Hachette는 미국판을 취소했고, 영국판 재고는 폐기했습니다. 2026년 3월의 일입니다.
작가 Mia Ballard는 AI를 쓰지 않았다고 부인했습니다. 문제가 된 대목은 외주 편집자가 자신도 모르는 사이에 넣은 것이며, 소송이 진행 중이라 더 말하기 어렵다는 입장입니다. 주요 출판사가 AI 사용 의혹을 이유로 이미 출간된 책을 회수한, 알려진 첫 사례입니다.
이 책을 잡아낸 것은 워터마크가 아닙니다. Commonwealth 단편소설상 논란도 마찬가지입니다. 작가 Vauhini Vara가 《The Atlantic》을 위해 이 상의 지난 15년치 지역 수상작을 전부 Pangram에 넣었고, 네 편이 주로 AI가 썼을 것으로 의심된다는 표시를 받았습니다. 결과적으로 취소된 수상은 하나도 없습니다. Commonwealth Foundation은 믿을 만한 도구가 나오기 전까지는 “operate on the principle of trust”할 수밖에 없다고 밝혔습니다.
이 과정에는 현재 상황을 잘 보여주는 장면이 하나 있습니다. 《Granta》는 의혹이 제기되자 문제의 텍스트를 Claude라는 챗봇에 넣고 AI가 쓴 것 같으냐고 물었습니다.
실제로 움직이고 있는 것은 그런 사후 탐지기(post-hoc detector)입니다. 통계적 워터마크와는 완전히 다른 물건입니다. 워터마크는 생성하는 순간에 업체가 개입해야 하고, 대신 위양성률을 수학으로 통제할 수 있습니다. 사후 탐지기에는 생성 쪽에서 넘어온 증거가 전혀 없습니다. 퍼플렉시티나 문장 길이 변화 같은 표면적 특징만 보고 추측하며, 위양성률은 경험적으로만 잴 수 있는데 그 경험값이 상당히 나쁩니다.
OpenAI 자사의 AI Text Classifier는 2023년 7월 내려갔습니다. 정확도가 너무 낮다는 이유였습니다. AI 텍스트를 26%만 맞게 골라냈고, 동시에 사람이 쓴 글의 9%를 AI로 오판했습니다. 같은 해 《Patterns》에 실린 연구는 더 뼈아픕니다. 비원어민이 쓴 토플 에세이의 절반 이상이 GPT 탐지기에서 AI 생성으로 분류됐고, 미국 8학년생의 작문은 오판이 거의 없었습니다. 연구진은 비원어민 글의 어휘를 “고급스럽게” 바꾸기만 해도 오판률이 떨어진다는 것을 보였습니다. 그 탐지기가 실제로 재고 있던 값은 언어의 복잡도였습니다. 밴더빌트 대학은 2023년 8월 Turnitin의 AI 탐지 기능을 껐고, 이유는 위양성 위험이었습니다.
작가 앞에 놓인 실제 상황은 이렇습니다. 위양성률이 얼마인지 알 수 없는 탐지기가 당신을 지목할 수 있고, 당신에게는 결백을 증명할 방법이 없습니다. 워터마크는 아직 순번이 오지도 않았습니다.
같은 표현을 자주 쓰는 작가에게
통계적 워터마크의 위양성률은 수학으로 통제할 수 있지만, 논문 자신이 구체적인 구멍을 하나 기록해 두었습니다.
초록 그룹은 앞 문맥의 n-gram이 결정합니다. 그래서 같은 n-gram이 반복해서 나오면 반복해서 초록 그룹으로 계산됩니다. 논문이 든 예는 “Barack Obama” 같은 조합입니다. 이 조합이 마침 초록 그룹에 떨어졌다면, 이 어구를 대량으로 반복한 사람의 글이 기계 생성으로 오판될 수 있습니다.
소설 쓰는 사람에게 이것은 추상적인 위험이 아닙니다. 후렴을 가진 산문, 시, 고정된 호칭이 대량으로 반복되는 작품, 반복 구문으로 리듬을 만드는 문체가 모두 이 범위에 들어갑니다. 연재물이라면 회차마다 되풀이되는 도입 상용구나 인물의 말버릇도 같은 자리에 놓입니다.
규제가 요구하는 것
대부분 생각하는 것보다 적습니다.
EU AI Act 제50조 제2항이 의무를 지우는 대상은 모델 제공자입니다. 작가는 여기에 들어가지 않습니다. 합성 텍스트를 생성하는 AI 시스템의 제공자는 출력이 기계 판독 가능하게 표시되도록 보장해야 한다는 내용입니다. 이 조항은 2026년 8월 2일부터 적용되며, 이번 Anthropic 조치의 법적 근거이기도 합니다.
사용자에게 공개를 요구하는 쪽은 제4항인데, 범위가 좁습니다. 공공의 이익에 관한 사안을 대중에게 알릴 목적으로 공표되는 텍스트만 해당하고, 사람이 검토했고 편집 책임을 지는 주체가 있다면 면제도 가능합니다.
소설은 이 범위에 들어가지 않습니다. 현행 조문대로라면 EU는 소설가에게 AI 사용 공개를 요구하지 않습니다.
실제로 작가를 구속하는 것은 출판사, 문학상, 플랫폼이 각자 만든 규칙입니다. 그것은 사적 계약입니다. 법이 아닙니다. 그리고 그 규칙들은 지금 한창 쓰이는 중이며, 대개 법보다 엄격하게 쓰입니다.
이 글이 드릴 수 있는 판단
기술적으로 확정할 수 있는 것은 사실 많지 않습니다. 확정할 수 있는 부분만 모으면 이렇습니다.
워터마크는 글자 사이에 숨겨 넣은 기호가 아닙니다. 지울 수 없습니다. 지울 대상 자체가 없기 때문입니다. 통계적 서명 쪽에 가깝고, 일정한 길이가 있어야 신뢰할 만한 판정이 나오며, 번역은 거의 지워버리고, 대폭 고쳐 쓰기는 약화시키되 0으로 만들지는 못합니다. 증명할 수 있는 범위는 이 텍스트가 어떤 모델을 거쳤다는 사실까지입니다. 누가 썼는지는 증명하지 못합니다. 그리고 Anthropic의 그 버전은 지금 아무도 검증하지 못합니다.
조금 더 쓸모 있는 생각은 이것입니다. 이 사건이 실제로 바꾸는 것은 아주 작습니다. 먼저 밝히는 쪽이 나중에 지목당하는 쪽보다 안전하다는 것, 그 정도입니다.
일본 작가 구단 리에는 《도쿄도 동정탑》으로 2024년 아쿠타가와상을 받았고, 수상 소감에서 전체 텍스트의 약 5%가 ChatGPT에서 그대로 왔다고 스스로 밝혔습니다. 심사평은 거의 완벽하다는 것이었습니다. 상은 취소되지 않았습니다.
《Shy Girl》은 회수됐습니다. 두 사건의 차이는 사용 비율보다 누가 먼저 입을 열었는지에 있을지도 모릅니다.
이 글의 모든 기술적 세부는 2026년 8월 11일에 확인했습니다. Anthropic의 공지는 같은 날 나왔고, 기술 문서와 탐지 도구는 아직 나오지 않았으며, 세부 내용은 몇 주 안에 바뀔 수 있습니다. 인용한 연구는 Kirchenbauer et al.(arXiv:2301.10226, arXiv:2306.04634), Dathathri et al.(Nature 634, 2024), He et al.(ACL 2024), Liang et al.(Patterns, 2023)입니다.