Anthropic: новые защиты Claude сократили сбор данных для дистилляции на 90–99%
Компания описывает классификаторы, ограничения «preserved thinking» и баны аккаунтов, резко снизившие кражу токенов рассуждений, но предупреждает, что борьба с незаконным копированием моделей продолжается.
Anthropic 12 октября 2026 года сообщила, что новые защиты от атак дистилляции на Claude сократили объём данных рассуждений, которые атакующие могут собрать, примерно на 90–99%, по собственным измерениям компании на своей платформе.
Что такое дистилляция
Кампании дистилляции через сети поддельных аккаунтов извлекают возможности передовой модели — особенно скрытые транскрипты рассуждений — и обучают более дешёвую копию. Anthropic утверждает, что незаконные копии могут выходить со слабыми защитами и использоваться в иностранных военных или следящих системах. В качестве примеров названы кибервозможности Zhipu GLM-5.3, частично полученные через дистилляцию, и случай, когда трафик Moonshot Kimi включал запрос, связанный, по мнению Anthropic, с анализом CCTV и НОАК Китая.
Новые меры
Anthropic заявляет о трёх направлениях: preserved thinking, мешающее новым API-аккаунтам править прежний контекст; двухступенчатый классификатор (ложные срабатывания менее 0,1%) против извлечения на Sonnet 5.5, Opus 5/5.5 и Fable 5/5.1; более жёсткие лимиты и баны, включая оплату заблокированных запросов с высокой уверенностью с 24 сентября. Раннее суммирование рассуждений уже снизило результат дистиллированной модели на SWE-bench Verified с 80,4% до 71,8% в тестах Anthropic.
Оговорки
Цифры — внутренние оценки Anthropic; компания ожидает дальнейшей адаптации атакующих и отмечает издержки для легитимных разработчиков. Она призывает другие лаборатории и облачные платформы тоже пресекать мошеннический трафик.