Michael Johnson10月12日，Anthropic介绍了一套防未经授权蒸馏的新措施，用于保护Claude模型。该公司估计，部署分类器后，攻击者在其平台上提取的推理令牌数量比此前减少了10至100倍。这是对Anthropic内部流量的估算，并非对整个行业蒸馏活动的总体测量。
蒸馏是一种训练方法：一个模型根据另一个模型的回答进行学习。Anthropic的新限制针对的是这样一种情况：账户网络试图提取受保护的推理记录，并用它们训练其他模型。该公司还介绍了代理服务如何在多个账户、模型和基础设施提供商之间分配请求。
三层防护
第一层限制受保护的推理区块在不同对话、账户和模型之间传递。对于Claude Fable 5.1和Opus 5.5，Anthropic推出了preserved thinking模式：创建于2026年8月31日或之后的新API账户无法编辑模型此前的上下文。对于Sonnet 5.5，只有发起请求的组织才能访问推理记录。
第二层采用两阶段分类器，识别试图提取隐藏推理内容的行为。Anthropic表示，已通过内部和外部红队测试检查该系统，误报率低于0.1%。该公司将分类器应用于新防护措施说明中列出的最强公开模型。
第三层旨在增加重复尝试的难度：具有持续提取迹象的账户会受到更严格的限流，或被封禁。Anthropic称，已封禁数万个与蒸馏相关的账户；据该公司称，其中许多账户在相关活动开始后不到两小时便被发现。
所称降幅衡量的是什么
10至100倍的估算比较了部署新分类器前后，Anthropic认定在其自有平台上被提取的Claude推理令牌数量。这项指标描述的是该公司观察到的流量，并不反映其他模型的质量，也不代表整个行业的蒸馏规模。Anthropic表示，针对其列出的模型，分类器能够识别其9月报告中所述的所有提取技术。
该公司还单独公布了SWE-bench Verified测试结果。以Claude Opus 4.8完整对话转录进行微调的预训练模型得分为80.4%；使用精简转录训练的模型得分为71.8%。在这项实验中，精简记录对模型解决SWE-bench Verified任务的帮助较小。Anthropic并未将这些结果称为整套新防护措施效果的评估。
对开发者的影响
这些防护措施会影响API集成和费用计算。Anthropic指出，preserved thinking模式要求部分开发者更新其实现；分类器可能会误拦截无害请求，误报率低于0.1%；此外，自9月24日起，对于误报率低于0.1%的类别中被防护措施拦截的请求，该公司开始收费。
在多次调用之间传递上下文的团队应检查其逻辑是否兼容受保护的推理区块，并在常规场景下测试拒绝处理和计费方式。对于API平台提供商，Anthropic建议监控经由中间方和第三方基础设施进行的滥用，并停用经确认的账户网络。
Anthropic预计攻击者会不断调整策略，并表示仍在持续更新分类器。开发者面临的实际任务已经很明确：考虑上下文传递限制，并检查集成如何处理封禁和计费。