持续封号打击蒸馏：A社称强化防护措施让Claude蒸馏推理数据提取量下降90%~99%
内容提要
Anthropic加强Claude推理数据保护以打击模型蒸馏，新措施使推理数据提取量下降90%~99%。措施包括保留思考功能、禁止编辑先前对话上下文、限制跨模型读取推理记录，并用分类器识别套取请求，已封禁数万账户。但保留思考机制需开发者调整集成，分类器可能误拦正常请求，误报率低于0.1%，被拦请求仍计费。
延伸解读
蒸馏攻击为何瞄准推理记录
文章指出，蒸馏攻击者通过大量请求获取Claude的推理记录，因为推理记录能展示模型如何得出答案，比最终回答更具训练价值。Anthropic内部测试显示，使用完整推理记录训练的模型在编程基准测试中得分80.4%，而使用推理摘要训练得分71.8%，这解释了攻击者为何执着于获取完整推理内容。
新防护措施如何限制数据流转
Anthropic为部分Claude模型增加保留思考机制，并规定2026年8月31日及之后新创建的API账户不能编辑先前的对话上下文。同时限制不同模型间读取推理记录，例如将Claude Sonnet 5.5的推理记录限制在发起请求的组织内。这些措施旨在阻断推理数据跨会话和跨账户的流转，增加蒸馏者批量提取的难度。
防护的代价与不确定性
新措施虽使推理数据提取量下降90%~99%，但也带来代价：保留思考机制要求部分开发者调整接口集成，分类器可能误拦正常请求，总体误报率低于0.1%，且被拦截的请求仍会计费。Anthropic尚未观察到高度复杂且持续适应防护的规避行动，因此当前降幅能否长期维持仍有待观察。
Q&A
Anthropic 采取了哪些具体措施来防止 Claude 模型蒸馏？
Anthropic 采取的措施包括：为部分 Claude 模型增加保留思考功能；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；限制不同模型之间读取推理记录，例如将 Claude Sonnet 5.5 的推理记录限制在发起请求的组织内；使用两阶段分类器识别试图套取隐藏推理的请求，并针对新出现的绕过方式更新防护机制。
Anthropic 的新防护措施使 Claude 推理数据提取量下降了多少？
根据 Anthropic 的估算，新保护机制实施后，蒸馏者提取的推理数据减少了 90%~99%。
为什么 Anthropic 认为推理记录比最终回答更有训练价值？
因为推理记录能展示模型如何得出答案，而模型蒸馏通常通过先进模型生成的回答训练能力较弱的模型，推理记录能提供更详细的推导过程，因此比最终回答更有训练价值。Anthropic 内部测试显示，使用完整推理记录训练的模型在编程基准测试中得分为 80.4%，而使用推理摘要训练时得分为 71.8%。
Anthropic 的新防护措施有哪些代价或副作用？
Anthropic 承认保留思考机制要求部分开发者调整接口集成，分类器也可能拦截部分正常请求，总体误报率低于 0.1%，而被拦截的请求也会正常计费。
Anthropic 如何识别和阻止试图套取推理数据的请求？
Anthropic 使用两阶段分类器识别试图套取隐藏推理的请求，并针对新出现的绕过方式更新防护机制，例如要求模型翻译先前推理、将推理内容放在特定标签中。持续进行此类尝试的账户可能会受到更严格的使用限制或被封禁账户。
Anthropic 的防护措施能否长期维持效果？
Anthropic 尚未观察到高度复杂且持续适应防护的规避行动，所以目前的降幅能否长期维持还有待观察。
