Claude 锁死推理细节：小模型成绩暴跌 8.6 分

编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）

这是 Anthropic 官方披露的反蒸馏攻防战，核心是切断“解题思路”而非仅给答案。关键数据：隐藏推理链被压缩后，蒸馏出的小模型在 SWE-bench 得分从 80.4% 跌至 71.8%（A·官方自报），且 90-99% 的推理 token 量被拦截（A·官方自报）。对搞钱者意味着：单纯靠套取大模型 API 输出训练私有模型的“套利”路径已基本堵死，依赖此法做降本增效的团队面临巨大合规与技术风险。可行动点是立即停止基于 Claude 推理链的蒸馏实验，转而评估使用官方许可的开源权重模型或通过合规 API 调用提升业务效率。

• 停止基于 Claude 隐藏推理链的蒸馏，规避合规风险
• 评估用 OpenAI 或国产开源模型替代以降低成本
• 核查现有 API 调用是否因反蒸馏机制导致报错或数据缺失
• 参考 SWE-bench 指标评估自建模型的代码辅助能力上限

Claude 反蒸馏新规落地，小模型训练成本结构已变

Anthropic 官方在 2026 年 10 月 12 日披露的新版防护机制，核心在于切断大模型“推理过程”的外泄。数据显示，隐藏推理链被压缩后，蒸馏出的小模型在 SWE-bench Verified 基准测试中得分从 80.4% 跌至 71.8%，降幅 8.6 分；同时，90-99% 的推理 token 流量被直接拦截。这意味着，单纯靠套取 Claude API 输出训练私有模型的“低成本套利”路径基本堵死。团队若依赖此法做降本增效，当前面临巨大的合规与技术风险，需立即停止相关蒸馏实验，转而评估合规的开源权重模型或官方 API 调用。

反蒸馏机制具体如何运作？

Anthropic 通过三道闸门锁住“怎么想”而非“答什么”。第一道是「preserved thinking」，在 Fable 5.1 和 Opus 5.5 上将历史上下文设为只读，防止蒸馏者注入伪造思考记录；第二道在请求层，Sonnet 5.5 将推理记录锁回“谁问归谁”，切断跨模型读取，并在模型接收前拦截“逐字输出推理”类高风险请求；第三道是滚动补丁，针对新绕过手法按周甚至更高频率更新。攻击端的成本极低，有实验室做过 1.2 万次话术试探，而 Anthropic 主动拒掉的是数万亿 token 量级的付费流量，攻防成本严重不对等。

GLM-5.3 与 Zhipu 的指控意味着什么？

Anthropic 点名 Zhipu（智谱）试图蒸馏 Claude Fable 5，被拦后改用更老模型配合其他实验室模型炼出 GLM-5.3。CAISSI 评定 GLM-5.3 为迄今最强开源权重网络攻击模型，但 Anthropic 指出其安全护栏可轻易绕过。同时，Anthropic 指控 Moonshot Kimi 的模型请求被秘密转发至 Claude，其中涉及疑似关联用户的监控分析。这些细节目前仅有 Anthropic 单方说法，原始证据未完全公开。对于开发者，关键在于分清“开源权重”不等于“开源”，权重开放不代表安全护栏随附，本地部署前需额外补强自身防护。在独立第三方对 GLM-5.3 能力做出公开复测前，不宜贸然将其纳入生产环境。

现在就能做的五件事

• 核对 GLM-5.3 权重仓库：检查许可证与发布日期，比对 CAISSI 评级公布时间，确认时间线逻辑。
• 精读 CAISSI 评级原文：明确其评估的具体能力范围与未覆盖维度，避免仅凭“最强”二字做判断。
• 本地跑非攻击性代码任务：在受控环境中观察 GLM-5.3 实际输出，与评级描述对照，验证真实能力。
• 区分 Anthropic 指控层级：将点名 Zhipu、Moonshot 的原话整理至追踪笔记，明确标注“已证实”与“关联推断”。
• 订阅独立复测动态：将独立安全机构加入监控源，每周扫描 GLM-5.3 相关复测报告，待数据出炉再定选型。

所有关键数字（90-99% 降幅、80.4%→71.8% 分数变化、1.2 万次试探）均为 Anthropic 自报，暂无第三方独立复测。被拒流量规模为单方披露，引用时须注明口径。此事件标志着大模型“推理素材”正式成为核心竞争资产，套利逻辑失效，合规调用与自研替代成为唯一可行路径。

原文 · 听说了吗？· AI 解读站：阅读原文 →