Anthropic का कहना है कि Claude में किए गए बदलावों से संदिग्ध मॉडल डिस्टिलर द्वारा निकाली जा सकने वाली संरक्षित रीजनिंग की मात्रा तेज़ी से घटी है। 12 अक्टूबर को प्रकाशित अपनी सुरक्षा व्यवस्था का विवरणमें कंपनी का अनुमान है कि नया क्लासिफ़ायर शुरू करने के बाद उसके अपने प्लेटफ़ॉर्म पर डिस्टिलर को मिलने वाले रीजनिंग टोकन 10 से 100 गुना घटे। यह माप Anthropic के अपने ट्रैफ़िक और हमलों की पहचान पर आधारित है; कंपनी ने कुल कमी का स्वतंत्र मूल्यांकन प्रकाशित नहीं किया है।

बड़ा बदलाव

  • क्या बदला: Anthropic अब Claude रीजनिंग ब्लॉक के दोबारा इस्तेमाल की जगह पर नियंत्रण, छिपी रीजनिंग उजागर करने के प्रयासों को रोकने वाला क्लासिफ़ायर, और बार-बार कोशिश करने वाले अकाउंट पर सीमाएँ—इन सबको जोड़ता है। उसके आंतरिक अनुमान में प्लेटफ़ॉर्म के ज़रिये पहचाने गए डिस्टिलर तक पहुँचने वाली रीजनिंग बहुत कम हुई है।
  • यह क्यों मायने रखता है: पूरी रीजनिंग प्रतिलिपियाँ किसी मॉडल के व्यवहार की नकल करने के लिए उपयोगी प्रशिक्षण सामग्री हो सकती हैं। उस स्रोत को सीमित करने से अनधिकृत निष्कर्षण का काम बढ़ता है, जबकि API डेवलपर को कुछ बातचीत इतिहास जस का तस रखना पड़ता है और कुछ अवरुद्ध अनुरोधों के लिए शुल्क देना पड़ सकता है।
  • क्या देखना है: कमी कितने समय तक रहती है, यह हमलावरों के अगले तरीकों और Anthropic के सीधे प्लेटफ़ॉर्म से बाहर के ट्रैफ़िक पर निर्भर करेगा। Anthropic का कहना है कि नई सुरक्षा के विरुद्ध उसे अब तक अत्यधिक परिष्कृत और लगातार चलने वाला प्रयास नहीं दिखा है और वह इन्हें बदलता रहेगा।

निष्कर्षण के अलग-अलग रास्तों पर तीन नियंत्रण

मॉडल डिस्टिलेशन में अधिक सक्षम मॉडल के उत्तरों से छोटे सिस्टम को प्रशिक्षित किया जा सकता है। यहाँ Anthropic की चिंता Claude की पूरी, छिपी रीजनिंग के अनधिकृत संग्रह को लेकर है; कंपनी के अनुसार संभावित नकल करने वाले के लिए यह केवल उत्तर-पाठ से अधिक उपयोगी है। Anthropic पहले उपयोगकर्ताओं को दिखाने से पहले रीजनिंग का सारांश देता था। कंपनी के एक कोडिंग परीक्षण में, Claude Opus 4.8 की पूरी प्रतिलिपियों पर प्रशिक्षित मॉडल ने SWE-bench Verified में 80.4% अंक पाए, जबकि सारांशित प्रतिलिपियों पर प्रशिक्षित मॉडल ने 71.8% पाए। यह प्रयोग उस व्यवस्था में पूरे ट्रेस के महत्व का समर्थन करता है; यह नहीं मापता कि कोई खास बाहरी मॉडल कितना बेहतर हुआ।

पहला नया नियंत्रण रीजनिंग ब्लॉक को इधर-उधर ले जाने पर रोक लगाता है। Anthropic का कहना है कि हमलावरों ने Claude से संरक्षित पाठ उजागर करवाने के लिए ब्लॉक को बातचीत, मॉडल और अकाउंट के बीच ले जाने की कोशिश की। Claude Fable 5.1 और Opus 5.5 में “preserved thinking” नए API अकाउंट के लिए ब्लॉक को पिछली बातचीत के संदर्भ से बाँधता है। Anthropic यह भी सीमित करता है कि कौन-से मॉडल दूसरे मॉडलों के ब्लॉक पढ़ सकते हैं और Sonnet 5.5 की रीजनिंग को उसे बनाने वाले संगठन से जोड़ता है।

मौजूदा Claude API दस्तावेज़ एकीकरण पर पड़ने वाले असर को स्पष्ट करता है: पहले का thinking ब्लॉक लौटाने वाले API अनुरोध में संबंधित सिस्टम प्रॉम्प्ट, टूल और पिछली संदेशों को बनाए रखना होगा। 31 अगस्त 2026 को या उसके बाद बनाए गए अकाउंट के लिए प्रीफ़िक्स जाँच डिफ़ॉल्ट रूप से लागू होती है। जो ऐप पहले के संदर्भ को फिर से लिखते हैं या सहेजी हुई बातचीत दोबारा बनाते हैं, उन्हें उसे फिर चलाने का तरीका बदलना पड़ सकता है। दस्तावेज़ कहता है कि सामान्य, केवल जोड़ने वाले इतिहास में बदलाव की ज़रूरत नहीं।

Anthropic का दूसरा नियंत्रण दो चरणों वाला क्लासिफ़ायर है, जिसे छिपी रीजनिंग निकालने के प्रयासों के विरुद्ध प्रशिक्षित और परखा गया। कंपनी का कहना है कि यह उसके सबसे सक्षम आम तौर पर उपलब्ध मॉडलों पर चलता है, जिनमें Sonnet 5.5, Opus 5 और 5.5, तथा Fable 5 और 5.1 शामिल हैं। कंपनी इन सुरक्षा उपायों के लिए 0.1% से कम ग़लत-सकारात्मक दर बताती है। उसका कहना है कि उसने पहले की रीजनिंग दूसरी भाषा में या आउटपुट टैग के भीतर माँगने जैसी तकनीकें ठीक की हैं। लेख उस दर का स्वतंत्र परीक्षण नहीं देता और यह साबित नहीं करता कि भविष्य की हर निष्कर्षण विधि रुक जाएगी।

तीसरा नियंत्रण अकाउंट स्तर पर काम करता है। Anthropic का कहना है कि बार-बार निष्कर्षण की कोशिशों से अधिक कड़ी उपयोग सीमाएँ या प्रतिबंध लग सकते हैं। 24 सितंबर से उसने कुछ निर्दिष्ट कम ग़लत-सकारात्मक श्रेणियों—जिनमें डिस्टिलेशन भी शामिल है—में Claude के उत्तर देने से पहले ब्लॉक हुए अनुरोधों पर शुल्क फिर शुरू किया है। इसलिए वैध उपयोगकर्ताओं को ग़लत ब्लॉक और शुल्क दोनों का सामना करना पड़ सकता है; Anthropic यह भी मानता है कि संरक्षित सोच के कारण कुछ डेवलपर को अपना एकीकरण अपडेट करना पड़ा।

रिपोर्ट की गई कमी क्या मापती है

Anthropic डिस्टिलर द्वारा निकाले गए Claude रीजनिंग टोकन की संख्या का अनुमान अपने प्लेटफ़ॉर्म परलगाता है। उसका कहना है कि क्लासिफ़ायर शुरू होने के बाद यह संख्या पहले से लगातार 10 से 100 गुना कम रही और क्लासिफ़ायर सितंबर रिपोर्ट में बताए गए उसके सबसे मजबूत आम तौर पर उपलब्ध मॉडलों को निशाना बनाने वाले तरीकों को पकड़ता है। यह अनुमान डिस्टिलेशन ट्रैफ़िक पहचानने की Anthropic की क्षमता पर निर्भर है; इससे दूसरे प्रदाताओं के ज़रिये निष्कर्षण या अनपहचानी हमले की विधि नहीं मापी जा सकती।

कंपनी का कहना है कि उसने डिस्टिलेशन से जुड़े दसियों हज़ार अकाउंट प्रतिबंधित किए, अक्सर अभियान शुरू होने के दो घंटे के भीतर। वह यह भी कहती है कि डिस्टिलर तीसरे पक्ष के क्लाउड प्लेटफ़ॉर्म और अन्य इन्फ़रेंस प्रदाताओं के ज़रिये ट्रैफ़िक भेजते हैं। इन दावों से प्लेटफ़ॉर्म की सीमा महत्वपूर्ण हो जाती है: Anthropic द्वारा देखे गए निकाले गए टोकन की कमी उस ट्रैफ़िक में बदलाव का प्रमाण है जिसे वह माप सकता है, न कि दुनिया भर में Claude से इकट्ठा किए गए सभी अनधिकृत प्रशिक्षण डेटा की गिनती।

Anthropic का कहना है कि उसने मौजूदा सुरक्षा को दरकिनार करने का कोई अत्यधिक परिष्कृत और लगातार प्रयास अभी तक नहीं देखा है। स्थायी सफलता जैसा सुनाई देने वाले दावे से यह सावधानी अधिक महत्वपूर्ण है। कंपनी ने बड़ी आंतरिक कमी और मॉडल रीजनिंग की रक्षा करने का परिचालन तरीका दर्ज किया है; आगे के नतीजे इस पर निर्भर करेंगे कि हमलावर कैसे ढलते हैं और दूसरे पहुँच मार्ग वही व्यवहार पहचानते हैं या नहीं।

स्रोत और आगे पढ़ें

  • Anthropic, “डिस्टिलेशन हमलों के विरुद्ध हमारी सुरक्षा मज़बूत करना”, 12 अक्टूबर 2026। कंपनी का मुख्य विवरण नियंत्रणों, आंतरिक निष्कर्षण अनुमान, ग़लत-सकारात्मक दावे और उपयोगकर्ताओं के लिए समझौतों को बताता है। इस लेख के लिए प्लेटफ़ॉर्म माप को स्वतंत्र रूप से दोहराया नहीं गया।
  • Claude Platform, “Preserved thinking”, 13 अक्टूबर 2026 को देखा गया। मौजूदा API दस्तावेज़ ब्लॉक और प्रीफ़िक्स नियम, प्रभावित अकाउंट की तारीख़ें और संभावित बदलाव वाले एकीकरण पैटर्न बताता है। हमने दस्तावेज़ देखा; BIG CHANGE ने API अनुरोध नहीं भेजे।
  • Anthropic, सितंबर 2026 की थ्रेट इंटेलिजेंस रिपोर्ट, सितंबर 2026। कंपनी की पिछली रिपोर्ट उन निष्कर्षण तरीकों की पृष्ठभूमि देती है जिनके विरुद्ध Anthropic ने जवाब देने की बात कही; यह उन अभियानों का कंपनी का अपना विवरण है।