Anthropic закрывает лазейки для «дистилляции» Claude — но вводит цену за ложные срабатывания
Anthropic закрывает лазейки для «дистилляции» Claude — но вводит цену за ложные срабатывания
Anthropic заявила, что её новые меры против нелегальной дистилляции сократили объём извлекаемых злоумышленниками скрытых рассуждений Claude в 10–100 раз. Для обычного API-пользователя это важнее, чем очередное слово «безопасность»: часть привычных схем работы с контекстом теперь ограничена, а некоторые заблокированные запросы снова могут тарифицироваться.
Под дистилляцией компания понимает массовое получение ответов и цепочек рассуждений более сильной модели, чтобы обучить на них другую. По версии Anthropic, особенно ценны именно скрытые шаги рассуждения: они показывают не только ответ, но и путь к нему. Компания пишет, что атаки использовали сети фальшивых аккаунтов и попытки переносить защищённый контекст между диалогами, моделями и организациями.
Три слоя защиты
Первый слой — «preserved thinking»: для новых API-аккаунтов нельзя редактировать прежний контекст Claude. Также рассуждения более защищённых моделей нельзя передавать более старым моделям, а в Claude Sonnet 5.5 они доступны только организации, создавшей запрос.
Второй слой — двухступенчатый классификатор, который ищет попытки вытащить скрытое reasoning. Anthropic утверждает, что он ловит все описанные в сентябрьском отчёте техники, а доля ложных срабатываний ниже 0,1%. Третий слой — более быстрые лимиты и баны для повторяющихся атак: компания говорит о десятках тысяч заблокированных аккаунтов.
График: Anthropic.
Защита меняет и легитимный API
Это не бесплатное ужесточение. Anthropic признаёт, что часть разработчиков должна обновить интеграции из-за preserved thinking. Кроме того, с 24 сентября компания вновь взимает плату за запросы, которые были заблокированы до ответа в категориях с низким уровнем ложных срабатываний, включая дистилляцию.
Именно эта оговорка важнее рекламного «минус 90%». Для добросовестных команд защита полезна, если она отсекает извлечение модели без превращения API в непредсказуемую стену. Anthropic пока приводит собственные оценки и отдельно признаёт, что игра в кошки-мышки продолжится: наиболее настойчивую кампанию против новых мер компания ещё не видела.
Практический вывод для разработчика: проверить, не зависит ли его продукт от редактирования старого контекста или передачи reasoning между сервисами, и заранее заложить обработку блокировок в бюджет и UX. Иначе антиабьюз-механизм обнаружится не в отчёте, а в продакшене.
