Anthropic表示，旗下大模型Claude最新安全防護，已令針對其進行「蒸餾攻擊」所能收集到的數據大減約九成至九成九，並首次公開點名中國公司Z.ai（智譜）是曾嘗試進行相關操作的機構之一。
要點速覽：
- Anthropic稱，新防禦措施令攻擊者可自Claude抽取的數據量縮減約90%至99%。
- 公司已封鎖與蒸餾行動相關的帳戶，累計達數以萬計。
- Anthropic指Z.ai（智譜）在研發GLM-5.3期間，曾企圖蒸餾Claude的能力。
加強Claude防禦「蒸餾」攻擊
Anthropic在周一（10月12日）發表研究文章，披露過去數月陸續上線的一系列新防護效果。公司在文中表示，初步證據顯示，新方法已令「蒸餾者」可自Claude收割的數據量下跌約90%至99%，但亦坦言現時仍難估計相關優勢可維持多久。今次防線的核心，是圍繞Claude在回答前產生的「推理過程」——即模型在得出結論前的逐步思考內容。
隨着Claude Fable 5.1及Claude Opus 5.5推出，自8月31日或之後開立的新API帳戶，已無法再改寫Claude過往的對話脈絡。Anthropic將此新機制稱為「preserved thinking」（思路保留）。同時，公司亦加裝一套兩階段分類器，用於攔截數據抽取企圖；官方指該系統的誤判率低於0.1%，而在新機制下，蒸餾者能攫取的推理token數量已較以前少10至100倍。
Anthropic又稱，已陸續封鎖與蒸餾行動有關連的帳戶，累計達數以萬計，當中不少在被偵測後兩小時內已被停用。
延伸閱讀： GPT-6.1 Sol 助Asana代理成本縮減76倍，但背後有但書
Z.ai被指曾用Claude訓練GLM-5.3
所謂「蒸餾」（distillation），是以一個更強的大模型的輸出，去訓練較小的模型，從而在更低成本下複製前者的能力。OpenAI及Google過去亦與Anthropic一同警告，此做法可令競爭對手更快、更便宜地「抄功夫」。在蒸餾過程中，最具價值的是完整的推理紀錄。Anthropic自家測試顯示，以完整Claude推理過程作訓練的模型，在SWE-bench Verified程式碼基準測試中得分80.4%；若只用推理摘要訓練，分數則降至71.8%。
Anthropic在另一篇警告文章中指出，這類「抄襲式蒸餾」不單涉及商業競爭，更帶來安全及國家安全風險，因為經蒸餾得出的模型往往快速向公眾開放，但配套的安全機制未必有等比例加強。
公司稱，Z.ai（智譜）在開發GLM-5.3期間，曾嘗試以Claude Fable 5進行蒸餾；其後在網絡安全防護令相關攻擊大幅降效後，Z.ai轉而改用較舊版本的Claude及另一間實驗室的模型。報道指，Z.ai暫未就相關指控作出回應。
目前外界仍未有第三方機構獨立驗證Anthropic披露的防禦成效數據。Anthropic亦坦承，新措施帶來一定取捨，包括：拒絕部分潛在收入、要求部分開發者調整整合方式、偶爾誤攔合法請求，以及對被攔截請求重新收費——公司已自9月24日起恢復就被封鎖請求收取費用。
今次聲明，是Anthropic歷經數月圍繞「模型抄襲」爭議後的最新一章。今年2月，Anthropic曾指控，包括DeepSeek、Moonshot AI及MiniMax在內的中國AI公司，透過約24,000個欺詐帳戶，向Claude發出超過1,600萬次互動，以改進自家模型。
之後在9月17日，美國國家標準與技術研究院（National Institute of Standards and Technology, NIST）的評估人員，在一份評級報告中，將GLM-5.3評為目前開源權重模型中「網絡攻擊能力」最強的一款，但指出其在整體前沿能力上，仍落後美國頂尖前沿模型約四個月。
