發生什麼事
Anthropic 在 10 月 12 日發表文章,說明它如何加強防範「蒸餾攻擊」。官方定義的蒸餾攻擊,是指透過大量假帳號,在未經授權的情況下系統性地取得某個模型的輸出,用來訓練另一個模型。Anthropic 表示,早期證據顯示新方法讓蒸餾者收集到的資料減少約 90% 至 99%。
文章列出三類措施:
- 控制推理內容的去向。2026 年 8 月 31 日(含)之後建立的 API 帳號會啟用 preserved thinking,不能編輯先前的上下文;推理內容也不再能被防護較弱的舊模型讀取;在 Sonnet 5.5 上,推理紀錄只對送出該請求的組織可見。
- 阻擋並修補擷取手法。Anthropic 部署了以 constitutional classifiers 研究為基礎的兩階段分類器,並說誤判率低於 0.1%。已針對「請 Claude 翻譯先前推理」「把推理寫進標籤」等花招修補。
- 讓重複嘗試變困難。對屢次嘗試擷取推理的帳號收緊用量上限、持續者封鎖。官方稱已封鎖數萬個與蒸餾相關的帳號,常在行動開始後兩小時內完成。

被點名的案例
文章點名兩家中國公司。這些內容都來自 Anthropic 單方面的說明,我們沒有看到對方的回應。
- 智譜:Anthropic 稱其在開發 GLM-5.3 時,從美國模型蒸餾資安能力;嘗試蒸餾 Claude Fable 5 時被資安防護降低效果,改用較舊的 Claude 與另一家實驗室的模型。文章引用美國 CAISI 的評估,稱 GLM-5.3 是目前釋出的資安能力最強的開放權重模型。
- 月之暗面(Kimi):Anthropic 稱 Kimi 的部分請求被暗中轉送給 Claude,其中一筆來自它認為與中國人民解放軍有關的使用者,內容是分析針對特定個人的監視器畫面。
代價與限制
Anthropic 自己承認有取捨:preserved thinking 讓部分開發者需要更新整合;分類器偶爾會擋到正常請求;被擋下的請求現在要付費(9 月 24 日起,涵蓋蒸餾等範圍)。文章也呼籲所有前沿模型開發商一起防禦,並指出目前產業誘因反而不利防禦,因為蒸餾者同時是付費客戶。
對你的影響
如果你的產品在 Claude API 上讀寫「推理內容」或會改動先前的對話上下文,且帳號是 8 月 31 日之後建立的,需要確認程式是否符合 preserved thinking 的限制。另外,正常使用被分類器誤擋的請求也可能被計費,建議在用量報表中留意異常的失敗請求。