Anthropic 稱蒸餾者取得數據減少逾九成，點名智譜曾試蒸餾 Claude

Anthropic 稱蒸餾者取得的數據減少九成以上

Anthropic 周二（13 日）發表文章，交代過去數月對付「蒸餾攻擊」的進展。蒸餾是指透過大量查詢另一間公司的模型，收集其回答及推理過程，用來訓練自家模型。Anthropic 指，初步證據顯示新措施令蒸餾者取得的數據減少約 90% 至 99%。

公司又指，引入新的分類器後，蒸餾者抽取到的推理 token 減少 10 至 100 倍；相關帳戶往往在攻擊開始後兩小時內被封，至今已封禁數以萬計與蒸餾有關的帳戶。

推理過程為何值錢

Anthropic 以 SWE-bench Verified 編程測試說明推理紀錄的價值：以完整推理紀錄訓練的預訓練模型得分 80.4%，改用摘要版本訓練則只有 71.8%。

因此公司的第一道防線，是讓 Claude 先將推理過程摘要，才向用戶展示。第二道是限制推理內容的去向：2026 年 8 月 31 日或之後開設的 API 帳戶不能再修改先前的推理內容，而 Claude Sonnet 5.5 的推理紀錄只有發出請求的機構才能讀取。

第三道是一個經內部及外部紅隊測試的兩階段分類器，專門攔截抽取推理的手法，例如要求 Claude 把先前的推理翻譯成另一種語言，或以標籤形式寫出來。屢次嘗試的帳戶會被收緊用量限制，持續嘗試則會被封禁。

點名智譜及月之暗面

文章點名中國公司智譜。Anthropic 指，智譜在開發 GLM-5.3 期間蒸餾美國頂尖模型的網絡攻擊能力，並曾嘗試蒸餾 Claude Fable 5，但發現 Anthropic 的網絡安全防護削弱了其攻擊效果後，轉向一款較舊的 Claude 模型及另一間公司的模型。美國人工智能標準與創新中心（CAISI）評估，GLM-5.3 是至今網絡攻擊能力最強的開源權重模型。

文章亦指，用戶向月之暗面 Kimi 模型發出的請求，曾被暗中轉發至 Claude。其中一個請求來自 Anthropic 認為與中國人民解放軍有關的用戶，要求分析某名人士的閉路電視監控畫面。

此外，有代理網絡控制數十萬個虛假帳戶，其中一個網絡曾同時管理逾兩萬個帳戶。

寧願推走收入

Anthropic 表示，公司已推走「可觀的收入」，以及來自蒸餾者、價值數以萬億計 token 的付費流量，但未有公布金額。公司形容蒸餾是國家安全問題，並呼籲所有前沿模型開發商參與防範，平台及開發者亦應偵測濫用、移除虛假帳戶。

來源

• Strengthening our defenses against distillation attacks（Anthropic）
• Anthropic says it made substantial progress on reducing effectiveness of distillation attacks on Claude（Newsquawk）
• Anthropic Turns Away Revenue to Cut Distillation Up to 99%（FourWeekMBA）