Anthropic发反蒸馏防御：摘要掩CoT、限新号跨读、拦截收费，完整CoT较摘要让蒸馏模型多得近9分
10 月 16 日，bestblogs 流传的一篇分析文章拆解了 Anthropic 官方发布的反蒸馏（anti-distillation）防御措施。文章将其归纳为三层：用推理摘要掩盖原始思维链（CoT）；限制新 API 账号编辑上下文与跨模型读取以切断攻击路径；再辅以高精度分类器与经济手段（对被拦截请求收费）抬高攻击成本。文章引述的数据称，完整推理记录相比摘要版可让蒸馏模型在 SWE-bench 等基准上多得近 9 个百分点，这是 CoT 成为窃取核心目标的原因。需注意：以上为第三方对 Anthropic 官方材料的解读，其中对智谱 GLM-5.3、月之暗面 Kimi 涉嫌蒸馏的具体指控属 Anthropic 单方主张，未经独立证实。
rss · BestBlogs 精选 · 10月16日 02:39
「为什么重要」 该体系把「保护思维链」明确为前沿模型安全边界的一部分，直接影响重度 API 用户的使用方式——上下文编辑与跨模型读取受限、异常请求可能被计费拦截，正常用户的兼容性与成本需实测验证。对行业而言，若「蒸馏等同安全漏洞」的定调被更多厂商采纳，围绕 CoT 输出的接口开放度可能整体收紧；此点为推断，后续可盯各家 API 条款与定价的实际变化。
「背景」 据该文披露，Anthropic 除技术拦截外还将事件定调为国家安全问题，指控特定模型通过蒸馏获得了危险的网络攻击能力；文中同时点名智谱 GLM-5.3 与月之暗面 Kimi 的具体案例。由于指控与案例均出自 Anthropic 一方及其解读者，相关公司尚未在材料中回应，事实边界以 Anthropic 后续公告与各方回应为准。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →