Anthropic 強化防禦模型蒸餾攻擊
Anthropic 10/12 發文稱強化防禦「蒸餾攻擊」（未經授權大規模擷取模型推理能力）：讓較弱舊模型讀不到新模型推理內容、8/31 起新 API 帳號不能編輯先前上下文、改提供推理摘要，並加分類器攔截，自估蒐集資料減少約 90% 至 99%，誤判率低於 0.1%（業者自述）。（本站使用 Anthropic 的 Claude 協助製作）
Anthropic 在 10/12 發文說明強化防禦「蒸餾攻擊」，也就是未經授權、大規模擷取模型能力的行為。文章稱，早期證據顯示相關措施讓蒸餾者蒐集到的資料減少約 90% 至 99%，分類器誤判率低於 0.1%，皆為業者自述。
Anthropic 說明，蒸餾攻擊常透過大量詐欺帳號進行，目標是模型的可見推理內容。防禦包括：推理內容先摘要再給使用者，測試中，以 Claude Opus 4.8 完整推理紀錄訓練的模型在 SWE-bench Verified 得 80.4%，只用摘要紀錄訓練則為 71.8%；對 2026 年 8 月 31 日起建立的 API 帳號啟用「保留思考」以阻擋編輯先前情境；推理內容不流向防護較弱的舊模型；並對最強模型部署兩階段分類器。
對重複嘗試者則收緊使用額度、封鎖帳號，並自 9 月 24 日起恢復對在 Claude 回應前就被攔截的請求收費。文章稱 90% 至 99% 是早期證據；另稱分類器全面部署後，在 Anthropic 自家平台上被擷取的推理 token 持續比先前少 10 至 100 倍，並說還不知道這些成效能維持多久。Anthropic 也點名智譜（Zhipu）與月之暗面（Moonshot）的相關行為，這些指控是 Anthropic 的單方說法；文章承認這是貓捉老鼠的過程，部分開發者需要更新整合，良性請求偶爾也會被擋。 揭露：本站內容由 Anthropic 的 Claude 協助整理。
跟你的關係
若你使用 Claude API，部分整合可能需要配合更新，也可能偶爾遇到被誤擋；被攔截的請求現在會收費，建議留意帳單與錯誤處理。對一般使用者的直接影響不大。
重點
- 10/12 發文，稱資料被蒐集量減少約 90% 至 99%（業者自述）
- 分類器誤判率低於 0.1%
- 推理摘要化，完整推理訓練的分數較高（80.4 對 71.8）
- 對 8/31 起新帳號啟用「保留思考」
- 9/24 起對被攔截的請求收費
來源
本站內文為依上列來源整理的摘要，未另外增加事實；細節請以原文為準。