Anthropic 三层反蒸馏防御：数万账号被封

lifcc @mylifcc原推发布于 2026.10.13

在 X 上打开原推

Anthropic 宣布找到了一套新方法，让其他 AI 公司更难通过 Claude 的回答和推理过程来训练自己的模型。 根据官方数据，被提取的推理数据量下降了约 90%～99%。 文章还有一个很有意思的实验。Anthropic 使用 Claude Opus 4.8 的推理记录训练另一个模型，测试其在 SWE-bench Verified 上的成绩。即使只把完整推理过程改成摘要，蒸馏模型的成绩就下降了 8.6 个百分点。 这也解释了为什么 Anthropic 如此重视保护 reasoning tokens。 Anthropic这次做了有三层防御： 1. 限制推理记录流转： 防止把一个账户、模型或对话中的受保护推理记录移到别处，绕过防护。 2. 双阶段分类器： 识别试图诱导 Claude 泄露内部推理的请求，并持续针对新攻击方式打补丁。 3. 提高攻击成本： 对反复尝试提取推理的账户限流或封禁，并开始对某些被安全系统拦截的请求收费。 Anthropic 表示，已经封禁了数万个与蒸馏活动有关的账户，部分账户在开始相关活动后不到两小时就被封禁。