Desde el 7 de noviembre, el texto que devuelve la API de Grok lleva una marca de agua invisible por defecto. No se añade ningún carácter: el modelo elige las palabras de otra forma, y eso deja una huella estadística.
Qué cambia el 7 de noviembre en la API de Grok
xAI ha añadido una página nueva a su documentación para desarrolladores, titulada «Output Watermarking». El pie del documento indica que la última actualización es del 31 de octubre de 2026.
La fecha de entrada en vigor es el 7 de noviembre. A partir de ese día, las respuestas de texto de los modelos compatibles saldrán marcadas por defecto en todas las llamadas a la API.
No hay nada que activar. Tampoco hay un parámetro nuevo que enviar. El cuerpo de la respuesta mantiene su formato, y el único rastro visible es una cabecera HTTP añadida, x-watermark: true, que indica que esa salida lleva la marca.
Para un desarrollador, el cambio se parece más a una actualización silenciosa del servidor que a un lanzamiento. Si el código no lee cabeceras, no notará nada.
Los siete modelos afectados y las rutas que cubre
La lista de modelos es concreta. Entran grok-4.7, grok-4.6, grok-4.5 y grok-4.3, además de las tres variantes de grok-4.20: razonamiento, sin razonamiento y multiagente.
Siete modelos en total. La marca no distingue entre ellos ni aplica solo a los más nuevos.
El alcance también es amplio. Cubre todos los endpoints de la API, incluido el global api.x.ai y los regionales, y llega por las dos vías principales: Responses API y Chat Completions.
El contenido marcado no es solo prosa. La documentación incluye las salidas estructuradas y los argumentos que el modelo escribe cuando hace una llamada a una herramienta. Ese último punto importa: un JSON generado para rellenar un formulario también queda marcado.
Cómo funciona una marca de agua que no se ve
La explicación de xAI es breve y técnica. La marca se aplica durante la generación, y lo hace inclinando ligeramente la probabilidad de que el modelo elija unos tokens y no otros.
Un token es una pieza de texto, muchas veces menor que una palabra. El modelo construye la respuesta eligiendo esas piezas una detrás de otra. Si en cada elección se empuja un poco la balanza hacia un conjunto concreto, el resultado global contiene un patrón.
Ese patrón es la marca. No hay caracteres ocultos, ni espacios de ancho cero, ni etiquetas metidas entre las palabras. El texto que ve el usuario es texto normal.
De ahí sale la propiedad más útil y más incómoda del sistema. Copiar el texto no elimina la marca, porque la marca está en la elección de las palabras y no en un añadido que se pueda borrar.
Por qué copiar y limpiar el texto no sirve
Las marcas de agua visibles se rompen con un copiar y pegar descuidado. Las invisibles basadas en caracteres ocultos se rompen con cualquier herramienta que elimine caracteres de control.
Aquí no hay nada que limpiar. Un editor de texto no encuentra un símbolo extraño porque no existe. Un script que borra espacios invisibles no cambia nada, porque no hay espacios invisibles.
Eso significa que el texto marcado viaja intacto cuando alguien lo copia en un documento, lo pega en un correo o lo publica en una web, siempre que no lo reescriba.
La resistencia tiene un límite, y xAI no lo ha medido en público. La propia compañía no ha publicado resultados de detección sobre textos reescritos, resumidos o traducidos. En los sistemas estadísticos, esas operaciones suelen debilitar la señal, porque cambian justo las elecciones de tokens donde vive la marca.
La detección es estadística, y ahí está el problema
El detector que describe xAI devuelve tres resultados posibles: con marca, sin marca e incierto.
Ese tercer estado no es un detalle de cortesía. Reconoce que la prueba no siempre concluye. La marca se apoya en un patrón repartido por el texto, así que necesita material suficiente para manifestarse.
Los textos largos dan señal fuerte. Una respuesta de una línea o un JSON corto suelen caer en el territorio de la duda.
La documentación tampoco ofrece tasas de acierto ni de falsos positivos. Sin esos números, nadie puede decir qué significa «con marca» en términos de probabilidad, ni cuántas veces un texto humano será señalado por error.
Es la parte que más debería interesar a quien piense usar la detección como prueba. Un resultado positivo es una señal. Un resultado incierto no es una absolución. Y un resultado negativo en un texto corto no demuestra gran cosa.
Quién puede comprobar una marca de agua de Grok
La API de detección no está abierta. La documentación dice que hay que solicitarla mediante un formulario, y no aclara quién cumple los requisitos, si el acceso será público o si costará dinero.
En la práctica, eso deja la verificación en manos de xAI y de las instituciones que la compañía apruebe. Un desarrollador independiente no puede comprobar por su cuenta si el texto que recibió lleva marca, más allá de leer la cabecera de su propia respuesta.
Para el usuario final, la consecuencia es directa. Si alguien le enseña un texto y asegura que salió de Grok, no hay forma de verificarlo sin pasar por el filtro de la empresa.
Cómo se desactiva y qué responsabilidad asume el equipo
Hay una salida, y está pensada para administradores. Los equipos pueden apagar la marca desde la consola, modelo por modelo.
La condición es seria. El administrador tiene que confirmar que le aplica una exención legal, y asumir por su cuenta las obligaciones de etiquetado y divulgación que sigan existiendo.
Dicho de otro modo: la herramienta deja de poner la marca, pero no traslada la responsabilidad a xAI. Quien apaga el interruptor se queda con el problema en su propio expediente.
¿Y un equipo sin asesoría legal? Esa casilla es un freno más que una opción. Para una organización con equipo jurídico, es una decisión que se puede documentar y defender.
Qué supone para quien construye con la API de Grok
El impacto técnico inmediato es pequeño. No hay que migrar código ni cambiar prompts, y la respuesta sigue siendo la misma cadena de texto.
El impacto operativo aparece en los registros. La cabecera x-watermark conviene guardarla junto a cada respuesta si el producto audita contenido o si un cliente pregunta por el origen de un texto.
También conviene revisar los flujos con salidas muy cortas. Ahí la detección será la menos fiable, y cualquier promesa de verificación automática sonará más firme de lo que es.
La razón declarada del cambio es el cumplimiento del Reglamento Europeo de Inteligencia Artificial, una norma que exige transparencia sobre el contenido generado por máquinas. xAI sostiene además que la marca no afecta a la calidad ni a la velocidad de las respuestas. Es una afirmación de la empresa: no hay comparaciones publicadas de resultados con y sin marca en pruebas de referencia, en validez de salidas estructuradas o en precisión de llamadas a herramientas.
Para quien desarrolla, la lectura práctica es esta. El texto sigue siendo texto, pero ya no es neutral: lleva una huella que el propio modelo dejó al escribirlo y que solo su creador puede leer con garantías.
