北京
蒸馏者能从Claude身上薅走的推理数据，少了90%~99%。这个数字来自Anthropic对自有平台数据的估算，前提是新的保护机制已经上线。
所谓蒸馏攻击，指的是操作者用大量请求去套取Claude的回答和推理记录，再拿这些数据去训练能力更弱的模型。Anthropic强调，推理记录能展示模型如何得出答案，因此比最终回答更有训练价值——这也是它值得被保护的原因。
完整推理记录，到底值多少分
Anthropic内部做了一组对比测试。用完整推理记录训练的模型，在编程基准测试中拿到80.4%；换成推理摘要训练，得分是71.8%。这组数字被用来说明完整记录的训练价值。Anthropic也承认，具体蒸馏情况和训练结果会随操作手法、模型不同而存在差异。
为了堵住这条路，Anthropic给部分Claude模型加了保留思考机制。一个明确的时间节点是：2026年8月31日及之后新创建的API账户，不能编辑Claude先前的对话上下文。同时，不同模型之间读取推理记录也被限制，Claude Sonnet 5.5的推理记录被限定在发起请求的组织内。
两阶段分类器，和数万个被封的账户
识别环节用的是两阶段分类器，专门盯那些试图套取隐藏推理的请求。Anthropic还针对新出现的绕过方式更新防护，比如有人要求模型翻译先前的推理，或者把推理内容塞进特定标签里。持续尝试这类操作的账户，可能面临更严格的使用限制，甚至被封禁。
Anthropic称分类器上线后，平台上被提取的推理token比此前大幅下降，并封禁了数万个账户。代价也摆在明面上：保留思考机制要求部分开发者调整接口集成，分类器也可能拦截正常请求。Anthropic给出的总体误报率低于0.1%，被拦截的请求仍会正常计费。
至于这波降幅能不能长期维持，Anthropic自己也没把话说满。它表示尚未观察到高度复杂且持续适应防护的规避行动，所以目前的下降幅度还有待观察。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
