For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh-TW/articles/claude-distillation-defenses-and-preserve-b64c5fd8.md.
Anthropic 表示，新保護措施已使其自身平台上被蒸餾者擷取的 Claude 推理量減少約 90–99%。其 10 月 12 日的更新說明了三層防禦：限制受保護推理的重複使用、加強擷取分類器，以及透過帳戶控管提高重複嘗試的成本。
Anthropic 表示，新保護措施已使其自身平台上被蒸餾者擷取的 Claude 推理量減少約 90–99%。其 10 月 12 日的更新說明了三層防禦：限制受保護推理的重複使用、加強擷取分類器，以及透過帳戶控管提高重複嘗試的成本。
這對一般開發者也帶來了實際影響。部分整合必須改變重播對話歷史的方式，而且有些在 Claude 回答前即遭封鎖的請求現在仍會計費。要理解這些成本，必須區分該公司公布的反濫用成果，以及應用程式實際會遇到的 API 規則。
蒸餾是指使用另一個模型的輸出來訓練模型。這也是一項合法技術：開發者可以蒸餾自己的模型，或使用已獲授權的資料。Anthropic 的報告聚焦於未經授權的擷取活動，這類活動通常涉及詐騙帳戶，而非將所有蒸餾都視為濫用。
在這種情境下，最終答案是有價值的訓練資料，但詳細推理可能更有價值。推理逐字稿揭示中間決策、嘗試過的方法與修正過程；否則，學生模型必須自行推斷這些內容。
Anthropic 透過一項實驗說明差異：使用 Claude Opus 4.8 的逐字稿來訓練一個預訓練 Claude 模型。得到的 SWE-bench Verified 分數如下：
| 訓練材料 | 公布的 SWE-bench Verified 分數 |
|---|---|
| 含完整推理的逐字稿 | 80.4% |
| 含摘要推理的逐字稿 | 71.8% |
在這項實驗中，兩者相差 8.6 個百分點。這支持推理逐字稿對該訓練設定具有價值；但不代表在所有模型或任務中都存在同等幅度的普遍優勢。
來源：Anthropic。長條圖呈現的是使用 Opus 4.8 逐字稿訓練的學生模型，而非圖中作為參考線顯示之生產模型的直接基準比較。
顯示摘要可降低被動收集的可能性，但也會創造一種誘因：透過後續請求誘出隱藏推理。Anthropic 表示，曾有一個實驗室測試 12,000 種不同的擷取請求。該公司也描述了利用代理網路將活動分散至大量帳戶的做法，其中包括一個先前公布、同時管理超過 20,000 個詐騙帳戶的網路。
對於長時間任務，模型可能需要從較早回合產生的推理繼續執行。API 可為此用途保留受保護的思考區塊，而不會將底層推理以一般使用者可讀文字的形式暴露出來。
這帶來了存取控制問題。根據 Anthropic 的說法，攻擊者曾嘗試在不同對話、模型或帳戶之間移動推理，藉此尋找可將其揭露的情境。因此，保護該區塊不僅需要控制其顯示方式，也必須控制其重複使用方式。
Anthropic 在 Claude Fable 5.1 與 Claude Opus 5.5 中推出保留思考功能。目前文件說明兩項核心檢查：
前綴檢查預設會對於 2026 年 8 月 31 日 00:00 UTC 之後建立的帳戶強制執行。較舊帳戶可透過已記錄的控制項選擇啟用強制執行。模型相容性檢查則適用於每一個帳戶。
研究公告也描述了針對 Sonnet 5.5 推理的組織限制。目前 API 文件提供了更具體的規則：Sonnet 5.5 與 Haiku 5.5 的思考區塊僅可在產生它們的帳戶或已連結帳戶中使用，且須符合文件所述的強制條件。開發者在實作路由或帳戶變更時，應依據該相容性文件進行。
常見的應用程式行為可能改變受保護前綴：以新的時間戳記重建系統提示、編輯舊有工具輸出、變更工具說明，或是在保留後續思考區塊的同時摘要較早回合。
預設情況下，無效前綴可能產生 400 invalid_request_error。文件記錄的 Beta 控制項也允許將 thinking.block_binding.prefix_mismatch_behavior 設定為 drop_block；在這種情況下，無效思考區塊與其後的思考區塊都會從該請求中捨棄。這可讓請求繼續執行，但不會修復已變動的歷史紀錄。
請保持重播歷史紀錄穩定，並使用受支援的模式附加新資訊。 改變對話中的可見文字，卻繼續重複使用所有舊有受保護推理，已不再是安全的假設。
Anthropic 的第二層防禦採用由其 Constitutional Classifiers 研究啟發的雙階段分類器系統。它透過內部與外部紅隊測試擷取嘗試，並在某項技術成功時更新防禦措施。
該公司表示，根據其評估，所產生的反蒸餾防護誤判率低於 0.1%。該公司將其穩健性與防範生物武器協助的防禦措施相比。這是在其測試條件下的公司評估，並不保證特定使用者的合法請求永遠不會遭到拒絕。
系統也會隨時間演變。Anthropic 描述了針對試圖透過翻譯或特殊格式輸出來揭露受保護推理的技術所進行的修補。已公布的說法是，分類器能偵測其 9 月報告中描述、且由系統涵蓋之模型的擷取技術。
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
第三層則針對重複行為採取措施。持續嘗試擷取的帳戶可能會收到更嚴格的使用限制，相關帳戶也可能遭到封禁。Anthropic 表示已封禁數萬個帳戶，有時能在某次活動開始後兩小時內完成。
自 9 月 24 日起，Anthropic 也恢復對某些防護類別中、在模型回應前即遭封鎖的請求收費；這些類別的公布誤判率低於 0.1%，包括蒸餾。來源還指出了生物濫用與前沿模型開發類別。此政策不應被泛化為適用於每一種被拒絕的請求或每一類安全篩選。
Anthropic 估計，在導入分類器以及保留思考變更後，其自身平台上被擷取的推理 Token 數量下降了 10 至 100 倍。有些日子的被擷取 Token 太少，以致該公司無法測量。
來源：Anthropic。縱軸採用對數刻度，並以低擷取量日期為基準進行正規化，而非絕對 Token 數量。向下三角形表示 Token 數量過少而無法測量的日期。
範圍相當重要。這些數字描述的是 Anthropic 對其自身平台的估計，並非對第三方推論服務供應商上所有蒸餾活動的測量。該公司也表示，尚未觀察到高度成熟且持續嘗試擊敗完整防禦措施的攻擊，也不知道這些成果將維持多久。
Anthropic 承認，這些變更對一般使用者而言並非完全透明。整合可能需要更新，正常請求可能被誤分類，而這些錯誤封鎖如今可能會在受影響類別中產生費用。
失去可重複使用的思考還有另一項成本：模型可能必須重新建構已完成的工作。API 文件所描述的一項多回合程式設計基準測試中，每個工作階段捨棄一次思考，會使最高工作量設定下的輸出 Token 增加 20.1%。這是針對特定工作負載、且誤差範圍較大的估計，並非標準附加費或所有應用程式的預測。
對開發者而言，有用的區別在於無法讀取或被捨棄的輸入區塊，以及新生成的輸出。被捨棄的區塊本身不會計費，但重新建構推理可能產生額外輸出 Token。監控前綴不符情況，並測試應用程式自身的工作負載，比假定成功重試沒有成本更具參考價值。
依 Anthropic 的用法，這是指未經授權收集 Claude 輸出或受保護推理、以訓練另一個模型的活動。蒸餾本身是標準機器學習技術；當開發者具備必要權利與授權時，它可以是合法的。
否。Anthropic 報告指出，在部署保護措施後，其自身平台上被擷取的推理估計減少了 90–99%。這個數字並不涵蓋所有供應商、所有攻擊，或未來所有擷取方法。
不會，前提是應用程式遵循已記錄的規則來重播思考並保留對話前綴。當較早的上下文被變更，而應用程式仍繼續傳送綁定於原始上下文的思考區塊時，才會出現問題。
只有在已記錄的模型相容性規則允許時才可以。無法讀取某個區塊的模型會在沒有該區塊的情況下執行，因此切換到更低成本的模型不一定能保留先前模型的推理。
可以。Anthropic 表示，自 9 月 24 日起，即使請求在 Claude 回應前即遭封鎖，特定防護類別仍恢復計費。報告明確承認，這些類別中的誤判可能影響合法客戶。
不會。這是針對特定多回合程式設計測試中、以最高工作量設定每個工作階段捨棄一次思考所報告的增幅。實際影響取決於工作量、對話歷史、任務，以及整合捨棄區塊的頻率。
Anthropic 的新防禦結合了對受保護推理的限制、擷取分類器，以及針對重複濫用的強制措施。該公司報告稱，其自身平台上被擷取的推理大幅減少，但也承認攻擊者可能調整策略。
對 Claude API 開發者而言，當前的重點工作是維護有效的對話歷史，並理解被封鎖請求或被捨棄思考的成本。公布的安全成果相當可觀，但穩定的整合與針對工作負載的測試仍然很重要。
從一句話開始，幾分鐘內拿到完整網站。
