九游娱乐官方博客

数万亿token生意不要了，A社连封数万账号，蒸馏数据大砍99%

就在刚才，Anthropic公开了他们在反蒸馏方面取得的最新成果。

在自有平台上，通过蒸馏手段获取的推理数据量减少了约90%—99%，规模仅剩原来的1/10—1/100。

数万个相关账户被清理。有些账号刚开始蒸馏不到两小时，就收到了封禁通知。

为了实现这一目标，Anthropic总共采用了三项关键措施：

1. 推理可继续使用，但无法随意转移

引入preserved thinking（保留思考）后，新API账户如果修改了之前的上下文，原来的推理就无法正常复用。不同模型还分别对防护较弱的旧模型设置了读取限制和跨组织访问限制。拿着一份草稿换个地方继续套取信息，不再那么容易。

2. 想获取完整推理，先通过分类器检测

Anthropic将Constitutional Classifiers的防护思路应用于反蒸馏：通过两阶段分类系统，识别并拦截试图提取Claude完整推理的请求。这套方案的稳健性，几乎与阻止Claude协助制造生物武器的防护措施相当。

3. 反复套话，账号和预算都要付出代价

反复套话会被限流，持续尝试的关联账号会被封禁。想靠换号继续尝试，也要承担封号的损失。蒸馏这类被防护系统拦截在Claude回答之前的请求，同样需要收费。

可以说，为了赶走这些“学生”，Anthropic甚至放弃了数万亿token的付费流量。

连草稿纸都不让抄了

对于蒸馏来说，只抄答案是远远不够的。

更关键的是获取Claude答题前的思维链，了解它如何拆解问题、如何尝试、又如何发现自己犯了错。

用完整推理和摘要分别训练模型，SWE-bench Verified成绩差距明显。

Anthropic自己做过对照实验，用Opus 4.8的对话记录训练一个预训练过的Claude模型。

在SWE-bench Verified编程测试中，学习完整推理的模型得分80.4%，只学摘要的只有71.8%，相差8.6个百分点。

于是，Anthropic早早收起了完整草稿，只向外界展示推理摘要。

Claude照常认真解题，但想抄作业的人只能拿到删减版。

为此，攻击者开始诱导Claude把藏起来的推理重新说出来。

据官方披露，有实验室尝试了12000条请求，每一条都换一种欺骗方式。只要试出一种有效写法，就能批量复制。

Anthropic此前记录过，一个代理网络同时管理超过2万个欺诈账号，背后还有规模更大的账号网络。

看起来是用户在排队提问，实际上是训练数据在批量生产。

大号嘴严，就去套小号的话

可把草稿藏起来，还真不那么省心。Claude执行长任务时，自己也得接着读。

为了让它能继续上一轮思考，受保护的推理会被保存，再交回模型。

用户看到的是一串加密内容，但负责续写的Claude必须能看懂。

强模型嘴严，攻击者就把它留下的推理交给同一家防护较弱的模型，诱导后者复述出来。

不同模型分别增加了上下文、模型兼容性及组织访问限制。

8月发布的一项独立研究展示过这类路径。加密算法没被破解，但秘密照样泄露出去，因为读过它的模型，能被哄着再讲一遍。

Anthropic只好连“谁能接着读”也管起来。

Fable 5.1和Opus 5.5引入preserved thinking，对8月31日及以后创建的API账户校验此前上下文。

前文被动过手脚，原来的受保护推理也就不能正常复用了。弱模型自然读不到结果。

到了Sonnet 5.5，推理还要认组织，只能由最初发起请求的组织接着用。

这些检查，把接力套话卡在了不同环节。囤了一堆账号，也不等于攒了一堆能接力抄作业的同学。

偷师未遂，学费照扣

不仅如此，留在同一个账号里反复套话，也开始越来越贵。

Anthropic用两阶段分类器筛查请求，把真实提取记录交给内外部红队反复测试。

攻击者找到新写法，防守方就把它补进下一轮防护。

按Anthropic的评估，这套系统的稳健性，已与阻止Claude协助制造生物武器的防护大致相当，误报率低于0.1%。

万万没想到，为了守住解题草稿，竟然用上了这个级别的防御！

官方估算，自有平台被提取的推理token在新防护上线后持续降低。图为对数刻度，朝下三角表示少到无法测量。

于是，攻击者开始给请求换装，让Claude换一种语言交代推理，或把内容塞进特殊标签里，试图绕过检查。

官方已经观察到这些手法，并补上了缺口。

反复套取推理的账号，会被收紧用量；持续尝试的关联账户，会被封禁。光有一套能骗过模型的话术还不够，账号和预算也得扛得住。

从9月24日起，生物、蒸馏攻击和前沿大模型开发这几个低误报率类别，恢复对拦截请求收费。

请求还没等到Claude回答，就被安全系统拒绝，也要付钱。

不过，系统一旦误判，老老实实来干活的客户，也可能收到这张账单。

Anthropic承认，分类器仍会误拦正常请求，这些请求如今也可能被收费。

平台看到的是一笔拦截记录，撞上的开发者面对的却是：活没干成，钱还扣了。

就算没被误拦，开发者调整系统指令、清理旧工具结果或修改工具列表，也可能让原先的推理块失效。

在官方一项多轮编程测试中，思考强度开到最高，每个会话丢一次推理块，输出token就会多20.1%。

防盗措施是加强了，但对于开发者来说，就连整理对话记录，都得留心会不会让模型重新开工……

理论上，Anthropic还是愿意让Claude替你干活的。

可一旦你想让它教出自己的替代品，这位按token收费的老师，已经准备好了封号通知和账单。

在九游娱乐（中国）官网 - 官方娱乐平台下载- JIUYOU GAME，类似的技术防护也在不断升级，确保平台安全与用户体验的平衡。

参考资料：

https://www.anthropic.com/research/distillation-defenses https://x.com/anthropicai/status/2109795898909950247 https://x.com/ClaudeDevs/status/2103170368794185758

本文来自微信公众号“新智元”，作者：摩西，36氪经授权发布。