OpenAI 於二零二六年十月五日公布文本浮水印計畫，回應歐盟 AI 法案對生成文字須可機器辨識的要求。其技術命名為 textGrain，做法是在模型的用字選擇中嵌入不可見的統計訊號，再由專屬偵測器判斷段落是否出自 OpenAI 系統。目前全球 API 客戶可自願啟用，歐盟地區的 ChatGPT 與 Codex 輸出則會在數週內逐步加上浮水印，偵測器則先開放給通過審核的研究人員與專家機構。

textGrain 是 OpenAI 回應歐盟 AI 法案而推出的文本浮水印技術，會在模型用字中嵌入不可見的統計訊號，再由偵測器判斷段落是否出自其系統，目前先於歐盟推出。

textGrain 是什麼？

textGrain 是一套在語言模型輸出中嵌入不可見統計訊號的浮水印技術，偵測器會尋找該訊號以評估段落是否由 OpenAI 系統產生，官方計畫日後以開源形式釋出。

textGrain 的運作方式並非在文字中插入符號或標記，而是調整模型選字時的統計分布，使輸出帶有一組人眼無法察覺的規律。偵測器讀取一段文字後，會檢驗其中是否存在這組規律，藉此判斷段落是否經過 OpenAI 系統產生或處理。由於訊號藏在詞語的選擇傾向之中，複製或貼上文字並不會令浮水印消失。

OpenAI 表示，在內部評測中 textGrain 的表現達到或超越其他受測方案，包括用於文本的 SynthID。公司亦計畫把這項技術開源，讓外部團隊能在同一基礎上繼續發展。不過官方同時強調，理想條件下的良好表現，並不代表日常使用時同樣可靠。

OpenAI 為什麼要推出文本浮水印？

主因是歐盟 AI 法案要求生成式 AI 供應商讓生成文字可被機器辨識。OpenAI 採取分階段做法，在合規與技術侷限之間取得平衡，並強調對外說明浮水印能與不能證明什麼。

歐盟 AI 法案規定，生成式人工智能供應商必須讓生成文字以機器可讀的方式被辨識。文本浮水印與偵測仍屬早期技術，學界對其效益與負責任用法尚無定論，因此 OpenAI 選擇分階段推進，而非一次全面覆蓋。

階段安排包括三項。第一，全球 API 客戶即日起可自願啟用部分模型的文本浮水印，預設維持關閉。第二，未來數週會為歐盟地區合資格的 ChatGPT 與 Codex 文字輸出加入不可見浮水印。第三，開放研究人員與專家機構申請偵測器使用權，初期以個案審核方式提供。

textGrain 的偵測準確度如何？

在百分之一誤報率目標下，偵測器可辨識約八成二百個詞元段落、約九成五四百個詞元段落；文字愈長準確度愈高，數學等用字受限內容的偵測率明顯較低。

官方公布的數據以百分之一誤報率為目標。心理學等用字較自由的內容，偵測器在約八成二百個詞元的段落中辨識出浮水印，四百個詞元段落則約為九成五。文字愈長、用字愈有彈性，準確度愈高。

數學類內容的偵測率明顯偏低，原因是可選擇的詞語有限，模型能施加的統計變化較少。這也說明浮水印的可靠性與文本性質密切相關，並非所有輸出都能穩定辨識。OpenAI 因此把偵測器開放範圍收窄，先交由能評估可靠性與負責任用法的機構使用。

改寫或翻譯會怎樣影響浮水印？

改寫會明顯削弱訊號。在四百個詞元段落中，以同義詞替換一成詞語會令偵測率由約九成二降至約六成六；替換兩成五則跌至約一成七，翻譯亦可能造成類似效果。

浮水印依附在模型原本的用字傾向，一旦文字被大幅改動，訊號便會減弱。官方以四百個詞元段落測試，以同義詞替換一成詞語後，偵測率由約九成二下降至約六成六；替換比例提高至兩成五，偵測率只剩下約一成七。

翻譯是最難處理的情境之一。不同語言的詞彙結構與語序差異大，模型原本嵌入的統計規律難以原封不動保留，這對跨語言流通的內容構成實質限制。OpenAI 表示會持續研究浮水印在改寫與翻譯下的存續程度。

文本浮水印不能證明什麼？

浮水印不能衡量人類貢獻、不能確立擁有權或責任、不能識別使用者、也不能驗證內容準確；而偵測不到浮水印，同樣不能證明文字由人手撰寫。

OpenAI 明確列出浮水印的能力邊界。它可指出某段文字由 OpenAI 系統產生或處理，卻無法衡量其中有多少人類判斷、編輯或創意。它也不決定文字的擁有權、使用是否合法、是否需要披露，或由誰負責。

浮水印不會連結到特定使用者、機構、帳號、提示或對話，亦不代表內容真實、無誤導或無害。反過來說，偵測不到浮水印並不等於人手撰寫：文字可能過短、經過編輯或翻譯，或出自未支援的模型與其他公司的工具。

開發者與企業該如何看待這項變化？

API 浮水印採自願啟用、歐盟先行，開發者可先小規模試用並評估合規需求。官方基準顯示啟用後模型能力未見明顯差異，企業宜同步檢視自身內容披露義務。

對開發者而言，最直接的變化是 API 多了一個可選項。全球客戶可自願為部分模型的輸出加上浮水印，這讓團隊能按自身透明度義務與產品體驗決定是否啟用。OpenAI 亦正與雲端夥伴合作，讓經由夥伴服務取用的模型輸出同樣支援浮水印。

官方以最新前沿模型 Astra 的基準測試說明影響。在有無浮水印的比較中，Artificial Analysis 智能指數由 49.57 分變為 49.76 分，BrowseComp 由 87.92% 變為 87.35%，GPQA Diamond 由 94.44% 變為 93.94%，各項差異在誤差範圍之內。企業導入前，宜先釐清所在地法規是否要求披露生成內容，再決定啟用範圍。

出處連結有哪些？

本文資訊整理自 OpenAI 於二零二六年十月五日發布的官方說明與技術文件，浮水印名稱、偵測數據與推行時程均以該公司公布內容為準。

完整的技術說明、評測圖表與申請方式，可於下列來源查閱：

常見問題有哪些？

以下整理四個常見疑問，涵蓋啟用方式、對輸出品質的影響、偵測器開放範圍及與其他溯源技術的分別，答案以 OpenAI 官方說明為準。

文本浮水印會預設開啟嗎？

不會。API 客戶需自行選擇啟用，預設維持關閉；歐盟地區的 ChatGPT 與 Codex 輸出則會在數週內陸續加入不可見浮水印。

浮水印會影響模型輸出品質嗎？

官方基準顯示未見明顯差異。以 Astra 為例，智能指數由 49.57 分變為 49.76 分，多數指標變動都在誤差範圍內。

偵測器任何人都可以用嗎？

不可以。基於漏檢與誤報風險，初期只開放給通過審核的研究人員與專家機構，並以個案方式審批。

它與圖片、音訊的溯源技術有何分別？

圖片與音訊已有公開驗證工具與內容憑證，文本則因易被改寫與翻譯，技術更難穩定，因此推進方式較為保守。

總結：文本浮水印適合哪些場景？

它適合需要回應法規、又願意接受偵測不確定性的場景，例如歐盟地區的內容平台與企業應用；對準確度要求極高的鑑識用途，現階段仍不宜依賴。

文本浮水印的意義，在於為生成內容補上一層機器可讀的來源訊號。當文字容易被複製、改寫與翻譯，單靠肉眼判斷來源已不可行，浮水印提供了額外的判斷依據。OpenAI 選擇以歐盟為起點、API 自願啟用的方式推進，反映技術尚未成熟到可以全面預設。

實際應用時，較務實的做法是把浮水印視為輔助訊號而非結論。它能協助平台與企業履行披露義務，卻不足以支撐歸屬、責任或準確性判斷。在標準與證據持續演進之前，先小規模試用、並清楚理解其能力邊界，是風險較低的起步方式。