Anthropic披露大规模模型蒸馏活动：能力保护进入攻防阶段

导语

大模型之间的竞争，正在从公开评测和产品体验延伸到模型能力本身的获取与保护。Anthropic最新报告称，过去几个月，多个位于中国的AI团队持续尝试通过“蒸馏”方式收集Claude的输出，活动规模和技术复杂度都在上升。

Anthropic将这些行为归纳为五起活动，累计观察到的交互接近2亿次。报告称，相关活动瞄准了Claude的多项关键能力，包括智能体工作流与工具调用、编程、数据分析以及逻辑推理。

核心要点

• 蒸馏目标不只是答案。 蒸馏通常通过大量查询收集教师模型的输出，再用监督微调训练较小模型。此次活动尤其关注模型的推理过程和工作痕迹，而非单纯复制最终答案。
• 攻击者尝试绕过思考过程保护。 Anthropic表示，Claude通常只向用户展示概括性的思考摘要，不直接提供内部思维链。但报告称，部分攻击者通过特殊提示包装请求，例如将提取工作记忆伪装成翻译任务，试图让模型输出更详细的推理痕迹。
• 阿里巴巴相关活动规模最大。 Anthropic称，5月至7月间，一项被归因于阿里巴巴的活动产生约1.51亿次交互，涉及约3500个账号，峰值接近每天300万次。由于这些账号使用了同一个固定提示词，Anthropic将其视为一个统一的训练材料收集行动，并认为其目标与Qwen系列模型有关。
• 月之暗面相关活动涉及敏感场景。 报告称，另一项与Kimi开发商月之暗面有关的活动，在10天内通过约5000个账号转发近30万次请求，主要针对Claude Opus。其中一项请求涉及分析闭路电视画面，判断目标是否存在“异常行为”。Anthropic还称，请求网络似乎与中国军方相关，但这一点属于报告中的归因判断。

意义与影响

这份报告首先说明，模型蒸馏已从零散的技术尝试发展为可规模化运行的组织活动。多账号、固定提示词和自动化请求，让服务提供商很难仅凭单个用户行为识别真实目的，也迫使模型厂商把账号关联、流量模式和提示词特征纳入安全检测。

其次，推理过程成为新的竞争资产。若攻击者能够持续获得高质量的中间步骤，就可能减少训练更小模型所需的时间和成本。不过，报告披露的是Anthropic对请求来源和意图的判断，并不等于证明相关模型已经完整复制了Claude的能力，也没有说明这些材料最终如何被使用。

对行业而言，问题的难点在于防护边界：模型需要提供足够透明的解释，用户又可能借此反向提取训练信号。未来，模型访问权限、输出策略、异常流量识别以及跨公司共享的滥用情报，可能成为能力保护的重要组成部分。Anthropic此前曾披露类似问题，OpenAI也曾将相关活动归因于DeepSeek，表明这已不再是单一公司的个案。

来源：TechCrunch AI