---
title: Cómo eliminar las marcas de agua de Claude de tu propio contenido
description: >-
Claude puede marcar texto y archivos a través de canales de procedencia
independientes. Esta guía explica un proceso de limpieza para contenido de tu
propiedad y qué es lo que el resultado no puede demostrar.
date: 2026-08-12T00:00:00.000Z
location: 'San Francisco, CA - 12 de agosto de 2026'
image: /images/claude-watermark-removal-guide-hero.jpg
keywords: >-
eliminación de la marca de agua de Claude, eliminar la marca de agua de
Claude, marca de agua de Claude AI, marca de agua de texto de Claude,
metadatos C2PA de Claude, procedencia de contenido de IA
tags:
- Claude
- Marcas de agua de IA
- Procedencia de contenido
- Privacidad
author:
name: Wayne Pan
url: 'https://www.linkedin.com/in/wapan/'
title: CTO
faq:
- question: ¿Puede Claude marcar texto que originalmente escribió un humano?
answer: >-
Sí. Anthropic afirma que una marca detectada puede significar que Claude
procesó el contenido, no que Claude escribiera cada idea o frase.
Corregir, traducir, resumir o convertir material humano puede producir una
salida marcada cuando se utiliza un modelo compatible.
- question: ¿Eliminar los metadatos C2PA quita la marca de agua de texto de Claude?
answer: >-
No. Son canales independientes. Los metadatos C2PA son metadatos de
procedencia firmados adjuntos a archivos compatibles, mientras que la
marca de agua de texto de Claude está incrustada a nivel de modelo. Un
proceso de limpieza completo trata los metadatos de archivo y el texto
como capas diferentes.
- question: >-
¿Puede una reescritura garantizar que la marca de agua de Claude sea
indetectable?
answer: >-
No. Anthropic no ha publicado su detector ni su algoritmo de marcado. Una
reescritura intensiva con un modelo que no sea Claude es una respuesta
razonable y la mejor opción disponible, y Anthropic cita la edición
intensiva y la paráfrasis como motivos por los que una marca puede dejar
de ser detectable, pero ninguna herramienta de terceros puede certificar
la eliminación frente a un detector no publicado.
howToSteps:
- name: Inspeccionar los archivos de salida exactos
text: >-
Escanear el texto en busca de Unicode sospechoso y los archivos
compatibles en busca de metadatos C2PA, EXIF, XMP o de generador antes de
cambiar nada.
- name: Ejecutar la limpieza determinista
text: >-
Normalizar los caracteres Unicode invisibles del texto y eliminar los
metadatos de procedencia incrustados de los archivos compatibles.
- name: Reescribir el texto con un modelo que no sea Claude
text: >-
Enviar el texto en lenguaje natural a través de un modelo configurado que
no sea Claude mediante Haimaker, protegiendo Markdown, enlaces, código,
tablas y datos numéricos.
- name: Limpiar e inspeccionar de nuevo
text: >-
Ejecutar la limpieza determinista después de la reescritura, inspeccionar
los archivos resultantes y registrar qué cambió.
- name: Mantener una divulgación honesta
text: >-
Eliminar una marca legible por máquina no hace que la asistencia de IA
desaparezca del historial del contenido ni elimina una obligación de
divulgación legal, contractual, académica o de plataforma.
locale: es-es
translationKey: claude-watermark-removal-guide
---
Una marca de agua de Claude puede persistir en un documento mucho después de la tarea que la introdujo. Un autor escribe un artículo, pide que se ajusten tres frases y recibe un archivo cuya señal de procedencia indica únicamente que Claude lo redactó.
Para contenido de tu propiedad, eliminar una marca de agua de Claude es un proceso de tres etapas: eliminar los puntos de código Unicode sospechosos, reescribir el texto con un modelo que no sea Claude y eliminar los metadatos de procedencia incrustados de los archivos compatibles. Para ello, puedes usar el módulo de código abierto `remove-ai-marks`, la API de modelos de Haimaker y un modelo de tu elección. Dos de las tres etapas son directamente verificables. Lamentablemente, la reescritura no lo es porque Anthropic mantiene el detector en privado.
## Claude ya aplica marcas de agua al texto y a los archivos
Claude utiliza al menos dos canales de procedencia confirmados en sus salidas. El texto recibe una marca invisible aplicada a nivel de modelo, y los archivos compatibles reciben metadatos C2PA firmados digitalmente. Anthropic afirma que los modelos introducidos a partir del 2 de agosto de 2026 incluyen el marcado activado por defecto; el despliegue en modelos anteriores continúa.
El alcance del marcado va más allá de la aplicación web de Claude. [El anuncio de Anthropic](https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content) cubre Claude Platform, Claude, Claude Code, Claude Cowork, Claude Tag, socios en la nube y todas las regiones donde Claude está disponible. Las marcas de texto pueden sobrevivir al copiado y pegado y a ediciones ligeras. El marcado de archivos se activa cuando tanto el producto como el formato lo admiten, y `.svg`, `.png` y `.jpg` figuran entre los formatos que Anthropic cita.
Anthropic no ha publicado el algoritmo de marcado de texto ni un detector. Ese vacío deja cualquier guía de eliminación con una dependencia sin resolver. Una frase como «integrada en el texto» no revela si la marca se basa en caracteres de ancho cero, sesgo en la selección de tokens, estructura semántica o una combinación de técnicas.
Se sabe que algunas transformaciones debilitan la detección. Anthropic enumera la edición intensiva, la paráfrasis, la traducción, la combinación con otro texto, los extractos cortos, la conversión de formato, volver a guardar y las capturas de pantalla. Estas transformaciones justifican un proceso de limpieza por capas. Sin embargo, no garantizan que la salida sea indetectable.
## La detección indica procesamiento, no autoría
Una marca de agua de Claude detectada respalda una única inferencia limitada: un modelo Claude compatible puede haber procesado el material. No significa que Claude produjera cada palabra, idea, dato o decisión de diseño. Anthropic menciona explícitamente la corrección, la traducción, la síntesis y la conversión de archivos como operaciones que pueden dejar una marca en el trabajo creado por humanos.
Imagina un autor que escribe un artículo y pide a Claude que edite tres frases. El resultado legible por máquina no puede distinguir esa solicitud de la generación del documento completo. Esa ambigüedad en la atribución ha provocado una gran reacción: nuestra muestra de los últimos 30 días incluye 15 hilos relevantes en Reddit con 8.138 votos a favor y 2.633 comentarios, muchos de ellos centrados en la propiedad y en las inferencias que una etiqueta genérica podría plantear.
A la inversa ocurre lo mismo. Un documento sin ninguna marca detectada no es necesariamente de autoría humana. Los modelos no compatibles o más antiguos pueden no marcar la salida, y la edición ordinaria puede reducir la detectabilidad. Un detector ofrece un indicio; no es una prueba de plagio ni una decisión final sobre la autoría.
La limpieza también preserva los datos subyacentes. Si un contrato, una política escolar, una norma de una plataforma o una ley exige revelar la asistencia de IA, esa obligación persiste. Este proceso sirve a la privacidad y a la higiene del contenido de tu propiedad, especialmente cuando una etiqueta amplia como «Claude procesó esto» oculta cómo se repartió el trabajo.
## Cada capa de marca de agua necesita un trabajo de limpieza diferente
El comportamiento del texto, los metadatos del contenedor y las señales a nivel de contenido se encuentran en lugares distintos y generan evidencias distintas. Un escaneo de Unicode puede enumerar los puntos de código exactos. Una herramienta C2PA puede mostrar un manifiesto firmado. Ninguna herramienta independiente puede verificar la eliminación de la marca de texto estadística de Claude hasta que Anthropic publique un detector y una especificación técnica.
| Capa | Dónde reside | Acción de limpieza | Confianza tras la limpieza |
|---|---|---|---|
| Unicode invisible | Caracteres de texto y espaciado | Normalizar caracteres de ancho cero, bidi, de etiqueta y espacios exóticos | Verificable reescaneando los puntos de código |
| Patrón de texto a nivel de modelo | Elección de palabras y tokens, método exacto no revelado | Reescribir cada frase del texto con un modelo que no sea Claude | Solo mejor esfuerzo |
| C2PA y metadatos incrustados | Contenedores PNG, JPEG, SVG, PDF, DOCX, ODT, HTML o Markdown | Eliminar metadatos C2PA, EXIF, XMP, propiedades de documento y metadatos de IA compatibles | Verificable para los campos y manifiestos eliminados |
| Señal no incrustada o de píxel | El propio contenido o un enlace a un manifiesto remoto | Fuera de este proceso | Persiste el riesgo residual |
La fila de Unicode es deliberadamente conservadora. Anthropic nunca ha afirmado que su nueva marca de agua de texto use caracteres ocultos. La limpieza de caracteres invisibles sigue corrigiendo problemas reales: diffs rotos, búsquedas fallidas y errores al pegar, y elimina caracteres introducidos por otro software. Es higiene determinista, no una prueba de que la marca privada de Claude haya desaparecido.
Los metadatos de archivo proporcionan una evidencia más sólida. Anthropic afirma que los archivos generados compatibles reciben metadatos firmados basados en el [estándar abierto C2PA](https://c2pa.org/), que las herramientas independientes pueden inspeccionar. Incluso ahí, el límite importa: [un manifiesto C2PA puede estar incrustado, almacenado en un sidecar o referenciado de forma remota](https://opensource.contentauthenticity.org/docs/manifest/understanding-manifest/). Eliminar un manifiesto incrustado no dice nada sobre un sidecar o una señal a nivel de contenido que la herramienta nunca tocó.
## Proceso de limpieza en tres etapas
Este proceso elimina el ruido conocido a nivel de caracteres, regenera el texto con un modelo que no sea Claude, limpia la salida del modelo y después elimina los metadatos de archivo compatibles. Cada etapa tiene una única responsabilidad. De esta forma se mantiene la limpieza determinista separada de la reescritura. Esta última no puede certificarse frente al detector no publicado de Anthropic.
El [repositorio de código abierto watermarks-remover](https://github.com/guillaumemeyer/watermarks-remover) de Guillaume Meyer proporciona la base. El módulo `remove-ai-marks` divide el trabajo en
* Capa A: limpieza de Unicode
* Capa B: reescritura estadística
* Capa C: eliminación de metadatos específicos del formato
El repositorio no contiene detectores ni claves de proveedores. No puede garantizar que se evite la detección.
Para la capa B, recomendamos dirigir el texto mediante Haimaker hacia un modelo configurado que no sea Claude. Haimaker da acceso a cientos de modelos ajenos a esa ruta de marcado de agua de Claude a través de un único endpoint compatible con OpenAI, de modo que puedas cambiar el modelo de reescritura sin alterar el proceso de limpieza.
### Nuestras preferencias de modelos probadas
¿Qué modelo deberías usar? Recomendamos pasar el mismo cuerpo de texto por varios modelos hasta encontrar uno que se ajuste a tu estilo editorial y a tus gustos. Por ahora, estos son los modelos que, en nuestra experiencia, dieron mejores resultados. Ten en cuenta que esto no es una puntuación de detección y no significa que un modelo elimine una marca de agua privada de forma más eficaz que otro.
| Posición | ID de modelo en Haimaker |
|---|---|
| 1 | `z-ai/glm-5.2` |
| 2 | `qwen/qwen3.7-plus` |
| 3 | `moonshotai/kimi-k3` |
| 4 | `deepseek/deepseek-v4-pro` |
| 5 | `minimax/minimax-m3` |
| 6 | `deepseek/deepseek-v4-flash` |
Una reescritura puede estropear el Markdown aunque la prosa se lea bien. Antes de la llamada al modelo, el wrapper del proyecto enmascara el frontmatter YAML, los encabezados, el código en bloque e inline, el HTML, las tablas, los enlaces, las URL y los datos numéricos. También carga la huella de voz del proyecto para que la reescritura altere los patrones estadísticos sin caer en una prosa genérica. Después de la llamada, el wrapper rechaza los placeholders ausentes o reordenados, los nuevos bloques de código, la salida vacía y los cambios drásticos de longitud. El archivo original permanece intacto si alguna comprobación falla.
## Instalación y configuración del módulo de limpieza
Instala la carpeta `remove-ai-marks` en `.claude/skills`; a continuación, configura su hook de reescritura compatible con OpenAI para que apunte a Haimaker y selecciona un modelo que no sea Claude disponible para tu cuenta. Guarda la clave API en una variable de entorno o en un gestor de secretos. Una clave incrustada en `SKILL.md`, subida al repositorio o visible en la línea de comandos convierte un paso de limpieza en una fuga de credenciales.
```bash
git clone https://github.com/guillaumemeyer/watermarks-remover.git
mkdir -p .claude/skills
cp -R watermarks-remover/skills/remove-ai-marks .claude/skills/
export WATERMARKS_REWRITE_BACKEND=openai-compatible
export WATERMARKS_REWRITE_BASE_URL=https://api.haimaker.ai/v1
export WATERMARKS_REWRITE_MODEL=provider/model-id
export WATERMARKS_REWRITE_API_KEY="$HAIMAKER_API_KEY"
```
Inspecciona la entrada antes de modificarla. La línea base deja constancia de lo que había realmente y evita que un comando ejecutado correctamente se interprete como prueba de que el archivo contenía una marca:
```bash
SCRIPTS=.claude/skills/remove-ai-marks/scripts
python3 "$SCRIPTS/inspect_file.py" --json draft.md
python3 "$SCRIPTS/clean_file.py" draft.md -o draft.layer-a.md
python3 "$SCRIPTS/rewrite_text.py" draft.layer-a.md \
-o draft.rewritten.md --strength paraphrase \
--voice-print .claude/reference/voice-print.md
python3 "$SCRIPTS/clean_file.py" draft.rewritten.md -o draft.cleaned.md
python3 "$SCRIPTS/inspect_file.py" --json draft.cleaned.md
```
El Markdown de producción debe pasar por un wrapper con protección de placeholders en lugar del hook de reescritura genérico que se muestra más arriba. El código fuente debe detenerse después de la limpieza determinista de Unicode y, a continuación, pasar por el formateador del lenguaje. Reescribir código para contrarrestar una marca estadística incierta crea un riesgo mayor y más inmediato: un cambio de comportamiento que un diff aparentemente correcto puede ocultar.
Una reescritura remota envía la prosa del documento a la API configurada. Envía solo el material que tu organización permita que ese proveedor procese; el contenido de uso exclusivamente interno debe permanecer en un modelo autoalojado aprobado. Elegir una familia de modelos diferente reduce el riesgo de que el texto vuelva a marcarse. No anula la política de tratamiento de datos.
EJECUTA LA REESCRITURA CON UN MODELO QUE NO SEA CLAUDE
## La verificación tiene tres niveles de confianza
Un informe de verificación útil separa tres resultados: Unicode y metadatos incrustados que se eliminaron de forma verificable, prosa que se sometió a una reescritura estadística sin garantía total y canales de procedencia que el proceso no pudo inspeccionar. Fusionar esos hallazgos en un único resultado de «marca de agua eliminada» afirmaría más de lo que la evidencia respalda.
La comparación antes y después deja constancia del proceso. Los scripts cuentan los puntos de código sospechosos, informan de los campos EXIF o XMP eliminados e identifican los segmentos C2PA compatibles. Si `c2patool` está disponible, puede inspeccionar los datos del manifiesto en activos compatibles. Un reescaneo limpio solo es concluyente respecto a esos campos exactos.
Para el texto, la conclusión debe ser más prudente. Anthropic no ha publicado el detector, y los diseños modernos de marcas de agua pueden sobrevivir a ataques que neutralizan esquemas simples de sesgo de tokens. Una evaluación [WaterPark](https://aclanthology.org/2025.findings-emnlp.1148/) de 2025 probó 10 métodos de marcado de agua frente a 12 ataques y concluyó que la robustez cambia significativamente según el diseño. Una investigación anterior de [ICLR](https://proceedings.iclr.cc/paper_files/paper/2024/hash/d78e9e4316e1714fbb0f20be66f8044c-Abstract-Conference.html) mostró que la paráfrasis humana agresiva puede dejar una señal detectable en texto suficientemente largo. La reescritura demuestra que el texto cambió. No demuestra que la señal haya desaparecido.
Registra el modelo, la intensidad de la reescritura, los archivos procesados, el número de regiones protegidas, los recuentos de caracteres, la huella de voz aplicada y los pasos de limpieza determinista. Después, enumera explícitamente el riesgo residual: el detector basado en clave secreta de Claude, la procedencia no incrustada o remota, las marcas de agua de píxel o multimedia y los cambios futuros del detector permanecen fuera del resultado.
## Preguntas frecuentes
#### ¿Puede Claude marcar texto que originalmente escribió un humano?
Sí. Anthropic afirma que una marca detectada puede significar que Claude procesó el contenido, no que Claude escribiera cada idea o frase. Corregir, traducir, resumir o convertir material humano puede producir una salida marcada cuando se utiliza un modelo compatible.
#### ¿Eliminar los metadatos C2PA quita la marca de agua de texto de Claude?
No. Son canales independientes. Los metadatos C2PA son metadatos de procedencia firmados adjuntos a archivos compatibles, mientras que la marca de agua de texto de Claude está incrustada a nivel de modelo. Un proceso de limpieza completo trata los metadatos de archivo y el texto como capas diferentes.
#### ¿Puede una reescritura garantizar que la marca de agua de Claude sea indetectable?
No. Anthropic no ha publicado su detector ni su algoritmo de marcado. Una reescritura intensiva con un modelo que no sea Claude es una respuesta razonable y la mejor opción disponible, y Anthropic cita la edición intensiva y la paráfrasis como motivos por los que una marca puede dejar de ser detectable, pero ninguna herramienta de terceros puede certificar la eliminación frente a un detector no publicado.
OBTÉN UNA CLAVE PARA EL PASO DE REESCRITURA CON UN MODELO QUE NO SEA CLAUDE