Anthropic 公布反蒸馏进展：蒸馏者能拿到的数据减少 90–99%，代价是拒掉数万亿 token 付费流量
蒸馏攻击是从更强模型批量榨取数百万条回答、再教小模型模仿的隐蔽工业化行为，往往借欺诈账号网络进行。最有价值的原料不是答案本身，而是 Claude 在给出答案前写出的推理过程——知道「怎么得出」比知道「得出什么」对蒸馏有用得多。Anthropic 10 月 12 日发文说明近月针对这条链路做了哪些加固。
做法从「让 Claude 在把推理展示给用户之前先做摘要」起步：官方评测显示这已让推理记录对蒸馏的价值明显下降，但简单防线不够，于是把防守面进一步扩大。官方给出的结果是，早期证据显示这些方法把蒸馏者能收割的数据量削减了约 90% 到 99%。代价写在同一段里：Anthropic 称自己拒掉了可观的收入与数万亿 token 的付费流量，研究与产品团队投入了大量工时，部分改动还要求正常用户更新自己的集成。
文中把蒸馏与两类风险绑定：一是被蒸馏出的模型逼近能力前沿、却往往缺少相称的安全护栏，可在生物与网络安全等方向被滥用；二是这些能力会被整合进外国的军事、情报与监控系统。官方点名 GLM-5.3 的开发过程蒸馏了美国领先模型的网络能力，称其已由 CAISSI 评估为迄今网络能力最强的开源权重模型；另举出此前报道的 Kimi 请求被秘密转发给 Claude 的案例。结论口径是：蒸馏是每个模型开发者都要面对的问题，并希望这份记录能帮其他开发者与平台判断该承担哪些代价。
原文链接：Anthropic 官方研究页
核验记录
官方页 anthropic.com/research/distillation-defenses 本机直读 200（144,926 字节），页内 JSON-LD datePublished 2026-10-12T09:30:00Z（另有一处载荷里的同值转义副本）与页内可见 Oct 12, 2026 双证；该 slug 出自 anthropic.com/research 列表页的 PublicationList（同日条目 self-replicating-ai 已被前一轮收录，本条是同一列表上的漏收）。全部数字与专名逐字取自官方正文：90–99%（削减的收割数据量）、trillions of tokens（拒掉的付费流量）、GLM-5.3 / CAISSI / Kimi 转发案例、SWE-bench 相关段的做法说明。⚠ 本机未逐字核读页内引用的其他研究（9 月那篇蒸馏稿、GLM-5.3 护栏评测）与任何图表，也未向 Anthropic 求证 90–99% 的口径与统计方法，正文按官方自述口径写成「官方称」。配图走官方 CDN，裸请求与带站内 Referer 双向 200 / JPEG 1200×630、134,195 字节。
← 上一篇面壁开源 MiniCPM-V 4.7：首个能流畅跑端侧的 MoE，35B-A3B 在 iPhone 17 Pro Max 上 13+ tokens/s下一篇 →苹果论文 Minions：把闲置 Mac 聚合成虚拟 GPU 云，用已有硬件跑大规模推理