Anthropic表示，旗下大型語言模型Claude在導入新一輪安全機制後，遭「蒸餾攻擊」所竊取的資料量已減少約90%至99%，並罕見點名中國AI業者Z.ai曾對Claude發動相關嘗試。
重點整理：
- Anthropic稱，新防護機制已將蒸餾方自Claude擷取的資料量壓低約90%至99%。
- 公司已封鎖數以萬計、與蒸餾攻擊行動相關的帳號。
- Anthropic指稱，中國Z.ai（智譜）在打造GLM-5.3模型時，曾嘗試蒸餾Claude。
Claude蒸餾防禦機制更新
Anthropic於10月12日發布研究文章，說明過去數月陸續上線的一系列防護措施。公司在文中指出，初步證據顯示，這些新方法可將蒸餾攻擊者成功收集的資料量削減約90%至99%，但也坦言目前仍不確定這項優勢可維持多久。此次升級的核心，鎖定在Claude的「推理過程」──也就是模型在輸出最終答案前的逐步思考內容。
在最新的 Claude Fable 5.1 與 Claude Opus 5.5 中，8月31日之後新開立的API帳號已無法再任意修改Claude的先前上下文，Anthropic將此稱為「preserved thinking」機制。此外，新導入的一套雙階段分類器，專門攔阻抽取推理內容的企圖，誤判率據稱低於0.1%；Anthropic聲稱，相較過去，蒸餾攻擊者目前能成功抽出的「推理token」數量已減少10到100倍。
Anthropic也強調，為應對有組織的蒸餾行動，已陸續封鎖數以萬計彼此關聯的帳號，許多帳號在啟動攻擊後兩小時內即被封禁。
延伸閱讀： GPT-6.1 Sol大砍Asana智能代理成本76倍，但關鍵在這裡
Z.ai遭指控發動蒸餾攻擊
所謂「蒸餾」（distillation），指的是使用較強大的模型產出的答案，來訓練一個較小、較輕量的模型。OpenAI與Google先前也與Anthropic一同主張，這種做法讓競爭對手能以相對低成本、在更短時間內複製先進模型的能力。
在這類攻擊中，「推理逐步稿」特別有價值。Anthropic在自家實驗中發現，若以完整的Claude推理過程來訓練模型，其在SWE-bench Verified程式設計基準測試中可拿下80.4%成績；若僅用摘要訓練，表現則降至71.8%。
Anthropic警告，此種技術挖角不僅關乎商業利益，更牽涉安全與國家安全風險，因為經蒸餾而來的模型往往快速對外開放，卻未必具備同等完善的安全防護。
公司點名指出，中國Z.ai（智譜）在打造GLM-5.3模型期間，曾嘗試對Claude Fable 5進行蒸餾；隨著網路與安全防護升級，相關攻擊效率下降後，Z.ai被指轉而改用較舊版本的Claude與其他實驗室的模型。對於上述說法，Z.ai目前尚未回應置評請求。
目前尚無外部單位獨立驗證Anthropic提出的數據。Anthropic也承認，新措施帶來不少權衡，包括：部分潛在營收被迫放棄、部分開發者需調整既有整合方式、偶爾誤攔合法請求，以及恢復對被攔阻請求收費（9月24日起重新啟用）等。
此次公告，延續了Anthropic過去數月對競爭對手的多次指控。早在今年2月，Anthropic便指稱，深度求索（DeepSeek）、月之暗面（Moonshot AI）與MiniMax等中國AI業者，曾透過約2.4萬個詐騙帳號，與Claude進行超過1,600萬次互動，以扶植自家模型。
隨後在9月17日，美國**國家標準與技術研究院（NIST）**的評測人員給出評價，認定GLM-5.3是迄今為止「網路攻防能力」最強的開源權重模型，但相較於美國最前沿的封閉式模型，整體實力仍落後約四個月。
下一步閱讀： 法國加密貨幣投資人未申報錢包 恐面臨最高1萬歐元罰款
