Anthropic 发布蒸馏攻击防御新策略，称已拦截 90%–99% 套取数据

Anthropic 发布《加强对蒸馏攻击的防御》，称新策略已把外部团队从 Claude 蒸馏走的数据砍掉 90%–99%。防守核心是锁死思维链输出，早期仅输出推理摘要时就让对手蒸馏模型在 SWE-bench Verified 的跑分从 80.4% 掉到 71.8%。新措施包括在 Sonnet 5.5、Opus 5/5.5 等模型前部署双层分类器、误伤率控制在 0.1% 以内，并从 9 月 24 日起对蒸馏场景被拦截的请求照常扣费。文中点名智谱训 GLM 时蒸馏了美国模型的网安能力、月之暗面 Kimi 曾转发用户请求给 Claude。目前被薅走的推理 token 已下降 10–100 倍，官方封禁了数万个违规账号。