数万亿token生意告吹：Anthropic反蒸馏升级，数据泄露量骤减99%并封禁数千账号

就在近日，AI公司Anthropic宣布对其平台实施重大安全升级，旨在大幅遏制竞争对手通过‘蒸馏’技术提取其模型推理数据的行为。该公司透露，经过新防护机制上线后，从自有平台上被窃取的推理数据规模减少了约90%至99%，总量仅剩原来的十分之一到百分之一。与此同时，数万个涉及非法数据提取的账户已被清退，部分攻击者在尝试蒸馏不到两小时即遭遇封号处理。为达到这一防御效果，Anthropic动用了多项关键技术手段。首先，公司引入了'保留思考（preserved thinking）'机制，规定一旦新API账户对上下文进行改动，原有的受保护推理记录便无法被照常复用或跨组织访问。其次，系统应用了类似生物武器防护级别的‘两阶段分类器’，能够精准识别并拦截试图套取Claude完整推理链的请求，其稳健度经过红队测试，误报率低于0.1%。除了技术手段，Anthropic还调整了计费与账户管理策略以打击攻击者。反复诱导模型输出的行为将导致账号限流，持续尝试的关联账户将被封禁。更严厉的是，从9月24日起，对于被拦截的请求（即在模型回答之前就被安全系统拒绝的情况）， Anthropic开始收取费用。这意味着攻击者不仅无法获取数据，还可能因误拦正常请求或试图绕过检查而面临直接的财务损失。此前，独立研究曾指出，通过代理网络管理两万多个欺诈账号可批量生产训练数据。针对此类威胁，Anthropic加强了模型间的隔离，防止利用较弱模型复述强模型的加密推理内容。数据显示，即便使用Opus 4.8等先进模型进行对比训练，仅学习摘要的模型在SWE-bench Verified编程测试上成绩也比学习完整推理的模型低约8.6个百分点。为了守住这一‘解题草稿’，Anthropic不惜以高昂的防御成本，彻底改变了大模型行业的数据博弈格局。尽管防盗措施升级，开发者也需适应新的环境。调整系统指令或清理旧工具结果可能导致原先的推理块失效，而思考强度开至最高时，每个会话丢失推理块会导致输出token增加约20.1%。Anthropic在官方声明中承认，分类器仍可能存在误拦，但这类请求如今也可能被收费。对于开发者而言，整理对话记录变得更加谨慎，因为任何试图让模型‘教出自己的替代品’的行为，都可能招致封号通知和账单的双重打击。