数万亿token生意不要了，A社连封数万账号，蒸馏数据大砍99%

就在不久前，Anthropic公开了他们最近在反蒸馏方面的成绩单。

在他们自己的平台上，通过蒸馏能获取的推理数据量减少了大约90%—99%，只剩下原来的十分之一到百分之一。

数万个相关账户被清理。有些账号刚开始蒸馏不到两小时，就收到了封号通知。

为了达成这一效果，Anthropic总共动用了三款关键措施：

1. 推理可以继续使用，但不能随意转移

引入preserved thinking（保留思考）后，新API账户一旦修改之前的上下文，原来的推理就无法正常复用。不同模型还分别限制了防护较弱的旧模型续读和跨组织访问。拿着一份草稿换个地方继续套话，不再那么容易。

2. 想获取完整推理，先过分类器这一关

Anthropic将Constitutional Classifiers的防护思路应用于反蒸馏：通过两阶段分类系统，识别并拦截试图获取Claude完整推理的请求。这套方案的稳健程度，几乎与阻止Claude协助制造生物武器的防护相当。

3. 反复套话，账号和预算都要付出代价

反复套话会受到限流，持续尝试的关联账号会被封号。想通过换号继续碰运气，也要承担封号的损失。蒸馏这类被防护系统拦截在Claude回答之前的请求，同样需要收费。

可以说，为了把这些“学生”赶走，Anthropic连数万亿token的付费流量都放弃了。

连草稿纸都不让抄了

对于蒸馏来说，只抄答案是远远不够的。

更关键的是，获取Claude答题前的思维链，看它如何拆题、如何尝试、又如何发现自己想错了。

用完整推理和摘要分别训练模型，SWE-bench Verified成绩拉开差距

Anthropic自己做过对照实验，用Opus 4.8的对话记录训练一个预训练过的Claude模型。

在SWE-bench Verified编程测试上，学完整推理的得分是80.4%，只学摘要的仅71.8%，相差8.6个百分点。

于是，Anthropic早早把完整草稿收了起来，只给外界看推理摘要。

Claude照常认真做题，想抄作业的人只能拿到删减版。

为此，攻击者开始诱导Claude把藏起来的推理重新说一遍。

据官方披露，有实验室尝试了12000条请求，每一条都换一种骗法。只要能试出一种有效写法，就能拿去批量复制。

独立研究展示了利用较弱模型提取较强模型推理的路径，实验早于本次防御更新

Anthropic此前记录过，一个代理网络同时管理超过2万个欺诈账号，背后还有规模更大的账号网络。

看起来是用户在排队提问，实际上是训练数据在批量生产。

大号嘴严，就去套小号的话

可把草稿藏起来，还真没那么省心。Claude做长任务时，自己也得接着读。

为了让它接着上一轮想下去，受保护的推理会被保存，再交回模型。

用户看到的是一串加密内容，负责续写的Claude却必须能看懂。

强模型嘴严，攻击者就把它留下的推理交给同一家防护较弱的模型，诱导后者复述出来。

不同模型分别增加上下文、模型兼容性及组织访问限制

8月发布的一项独立研究展示过这类路径。加密算法没被破解，但秘密照样流出去，因为读过它的模型，能被哄着再讲一遍。

Anthropic只好连“谁能接着读”也管起来。

Fable 5.1和Opus 5.5引入preserved thinking，对8月31日及以后创建的API账户校验此前上下文。

前文被动过手脚，原来的受保护推理也就不能照常复用了。弱模型自然读不到结果。

到了Sonnet 5.5，推理还要认组织，只能由最初发起请求的组织接着用。

这些检查，把接力套话卡在了不同环节。囤了一堆账号，也不等于攒了一堆能接力抄作业的同学。

偷师未遂，学费照扣

不仅如此，留在同一个账号里反复套话，也开始越来越贵。

Anthropic用两阶段分类器筛查请求，把真实提取记录交给内外部红队反复测试。

攻击者找到新写法，防守方就把它补进下一轮防护。

按Anthropic的评估，这套系统的稳健程度，已与阻止Claude协助制造生物武器的防护大致相当，误报率低于0.1%。

万万没想到，为了守住解题草稿，竟然用上了这个级别的防御！

官方估算，自有平台被提取的推理token在新防护上线后持续降低。图为对数刻度，朝下三角表示少到无法测量

于是，攻击者开始给请求换装，让Claude换一种语言交代推理，或把内容塞进特殊标签里，试图绕过检查。

官方已经观察到这些手法，并补上了缺口。

反复套取推理的账号，会被收紧用量；持续尝试的关联账户，会被封。光有一套能骗过模型的话术还不够，账号和预算也得扛得住。

从9月24日起，生物、蒸馏攻击和前沿大模型开发这几个低误报率类别，恢复对拦截请求收费。

请求还没等到Claude回答，就被安全系统拒绝，也要付钱。

不过，系统一旦认错人，老老实实来干活的客户，也可能收到这张账单。

Anthropic承认，分类器仍会误拦正常请求，这些请求如今也可能被收费。

平台看到的是一笔拦截记录，撞上的开发者面对的却是：活没干成，钱还扣了。

就算没被误拦，开发者调整系统指令、清理旧工具结果或修改工具列表，也可能让原先的推理块失效。

在官方一项多轮编程测试中，思考强度开到最高，每个会话丢一次推理块，输出token就会多20.1%。

防盗措施是加强了，但对于开发者来说，就连整理对话记录，都得留心会不会让模型重新开工……

理论上，Anthropic还是愿意让Claude替你干活的。

可一旦你想让它教出自己的替代品，这位按token收费的老师，已经准备好了封号通知和账单。

在九游体育的报道中，Anthropic强调，他们宁愿放弃数万亿token的生意，也要守住模型的推理过程不被轻易复制。