Anthropic Claude ойлау жолын сорып алуды дерлік тоқтатты

Anthropic 12 қазанда Claude модельдерін дистилляциядан қалай қорғайтынын айтты. Дистилляция деп бөтен модельді күштірек модельдің жауаптарымен оның әзірлеушісінің рұқсатынсыз оқытуды атайды. Компанияның алғашқы дерегінше, жаңа шаралар мұндай шабуылдаушылар жинайтын деректер көлемін 90–99%-ға азайтты.

Anthropic дистилляцияны өнеркәсіптік ауқымдағы жасырын науқан деп сипаттайды. Оны әдетте жалған аккаунттар желісі арқылы жүргізеді. Осындай бір желі бір мезгілде 20 мыңнан астам аккаунтты басқарған. Дистилляторлар үшін ең құнды нәрсе — Claude-тың ойлау жолы, яғни модельдің жауапқа қалай келетіні. Соған үйретілген модель озық жүйелерді тез қуып жетеді, ал оған уақыт пен қаржының аз ғана бөлігі жұмсалады.

Anthropic кімдерді атады

Компания қытайлық Zhipu-ді ашық көрсетті. Anthropic дерегінше, ол GLM-5.3 моделін жасап жатқанда жетекші америкалық модельдерден киберқауіпсіздік дағдыларын сорып алған. Claude Fable 5 қорғанысы нәтижені бүлдіргенде, Zhipu ескірек Claude моделіне және басқа зертхананың моделіне ауысқан. Америкалық CAISSI орталығы GLM-5.3-ті ашық салмақты модельдердің ішінде кибер тапсырмаларда ең күштісі деп атады. Ал Anthropic оның қорғаныс шектеулерін оңай айналып өтуге болатынын анықтады.

Екінші мысал — Moonshot. Anthropic сөзінше, оның Kimi модельдеріне келген сұраулар Claude-қа жасырын жіберілген. Компания бағалауынша, осындай бір сұрау Қытай Халық-азаттық армиясымен байланысы бар пайдаланушыдан келген. Ол нақты бір адамды бақылау камераларының жазбаларын талдауды сұраған.

Қорғаныс қалай жұмыс істейді

• Claude пайдаланушыға толық ойлау жолын емес, оның қысқаша мазмұнын көрсетеді. Қысқаша мазмұнмен оқытылған модель SWE-bench Verified тестінде 71,8% жинады, ал толық жазбамен оқытылғаны 80,4% көрсетті.
• 2026 жылғы 31 тамыздан кейін ашылған жаңа API-аккаунттар Claude Fable 5.1 мен Claude Opus 5.5-те бұрынғы контексті өзгерте алмайды. Claude Sonnet 5.5-тің ойлау жолын тек сұрау жіберген ұйым ғана көреді.
• Екі сатылы классификатор ойлау жолын шығарып алу әрекеттерін ұстайды, мысалы оны аударуды немесе тегтерге қайта жазуды сұрағанда. Компания дерегінше, қате іске қосылу 0,1%-дан аз жағдайда болады.
• Табанды бұзушыларды шектеп, бұғаттайды. 24 қыркүйектен бастап Anthropic қорғаныс тосқан сұраулар үшін де ақы алады.

Шаралар толық іске қосылғаннан кейін платформадан шығарып алынатын ойлау жолының көлемі 10–100 еседен астам азайды. Кейбір күндері оны тіпті өлшеу мүмкін болмады. Компания дистилляцияға қатысты он мыңдаған аккаунтты бұғаттады, көбіне науқан басталғаннан кейін екі сағатқа жетпей. Сол үшін Anthropic айтарлықтай түсімнен және триллиондаған токендік ақылы трафиктен бас тартты.

Қорғаныстың қарапайым клиенттер үшін де бағасы бар. Әзірлеушілердің бір бөлігіне интеграцияларын қайта жасауға тура келеді. Anthropic дистилляциямен күресті мысық пен тышқан ойынына теңейді. Компания шын мәнінде күрделі әрі табанды айналып өту әрекеттерін әзірге көрмегенін мойындайды. Компания туралы толығырақ біздің Anthropic туралы досьеде.

Дереккөздер: Anthropic — дистилляциядан қорғаныс