Markdown आवृत्ती

AI-translated from English; not yet reviewed by a fluent editor.

# Anthropicचे म्हणणे: Claudeची नवी संरक्षणे reasoning extraction 90–99% कमी करतात

> Anthropicच्या मते, त्यांच्या प्लॅटफॉर्मवरील संशयित distiller आता Claudeचे 90–99% कमी reasoning काढतात. या संरक्षणांमुळे API integration आणि block केलेल्या requestsचे billingही बदलते.

By BIG CHANGE Editorial

Published: 2026-10-13T08:42:18.603Z
Updated: 2026-10-13T08:42:18.603Z
Canonical: https://bigchange.ai/blog/anthropic-claude-distillation-defenses-reasoning

![Conceptual charcoal illustration of an unbranded desktop monitor seen from the side with a dark privacy filter attached over its blank screen.](https://bigchange.ai/api/media/file/anthropic-preserved-reasoning-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. No Anthropic device, software interface, attack or test result is depicted.

Claudeमधील बदलांमुळे संशयित model distillerना काढता येणाऱ्या संरक्षित reasoningचे प्रमाण मोठ्या प्रमाणात कमी झाले, असे Anthropic म्हणते. 12 ऑक्टोबरच्या [संरक्षणांविषयीच्या निवेदनात](https://www.anthropic.com/research/distillation-defenses)नवीन classifier आणल्यानंतर त्यांच्या स्वतःच्या प्लॅटफॉर्मवर distillerना मिळणारे reasoning tokens 10 ते 100 पट कमी झाल्याचा कंपनीचा अंदाज आहे. हे मोजमाप Anthropicच्या स्वतःच्या traffic आणि attack ओळखण्यावर आधारित आहे; एकूण घटेचे स्वतंत्र मूल्यमापन कंपनीने प्रसिद्ध केलेले नाही.

## मोठा बदल

- **काय बदलले:** Claude reasoning block कुठे पुन्हा वापरता येईल यावरील controls, लपलेले reasoning उघड करण्याचे प्रयत्न रोखणारा classifier आणि सतत प्रयत्न करणाऱ्या accountsवरील मर्यादा—Anthropic आता हे एकत्र वापरते. त्यांच्या अंतर्गत अंदाजानुसार, प्लॅटफॉर्ममार्गे ओळखलेल्या distillerपर्यंत पोहोचणारे reasoning खूप कमी झाले.
- **हे महत्त्वाचे का:** मॉडेलचे वर्तन नक्कल करण्यासाठी reasoningचे पूर्ण transcripts उपयुक्त training material ठरू शकतात. हा स्रोत मर्यादित केल्याने अनधिकृत extractionसाठी अधिक काम करावे लागते; त्याच वेळी API developersना काही conversation history जशीच्या तशी ठेवावी लागते आणि काही block केलेल्या requestsसाठी शुल्क लागू शकते.
- **कशाकडे लक्ष द्यावे:** ही घट किती टिकेल हे हल्लेखोरांच्या पुढील पद्धतींवर आणि Anthropicच्या थेट प्लॅटफॉर्मबाहेरील trafficवर अवलंबून आहे. नव्या संरक्षणांविरुद्ध अत्यंत कुशल व सातत्यपूर्ण प्रयत्न अजून दिसला नसल्याचे Anthropic सांगते; ती संरक्षणे बदलत राहण्याचीही अपेक्षा आहे.

## वेगवेगळ्या extraction मार्गांसाठी तीन controls

Model distillationमध्ये अधिक सक्षम मॉडेलच्या उत्तरांवरून लहान प्रणाली प्रशिक्षित करता येते. येथे Claudeचे संपूर्ण, लपवलेले reasoning अनधिकृतपणे गोळा केले जाणे ही Anthropicची चिंता आहे; केवळ उत्तराच्या मजकुरापेक्षा ते संभाव्य नक्कलकारासाठी अधिक उपयुक्त असल्याचे कंपनीचे म्हणणे आहे. Anthropic पूर्वी वापरकर्त्यांना दाखवण्याआधी reasoningचा सारांश देत असे. कंपनीने केलेल्या एका coding testमध्ये Claude Opus 4.8च्या पूर्ण transcriptsवर प्रशिक्षित मॉडेलला SWE-bench Verifiedमध्ये 80.4% गुण मिळाले; सारांश transcriptsवर प्रशिक्षित मॉडेलला 71.8% मिळाले. त्या मांडणीत अधिक पूर्ण tracesचे मूल्य या प्रयोगाने दाखवले; एखादे विशिष्ट बाह्य मॉडेल किती सुधारले हे यात मोजले नाही.

पहिला नवा control reasoning blocksची हालचाल मर्यादित करतो. Claudeकडून संरक्षित मजकूर उघड करून घेण्यासाठी हल्लेखोरांनी conversations, models आणि accountsमध्ये blocks हलवण्याचा प्रयत्न केला, असे Anthropic सांगते. Claude Fable 5.1 आणि Opus 5.5मध्ये “preserved thinking” नव्या API accountsसाठी blockला आधीच्या conversation contextशी बांधते. इतर modelsचे blocks कोणती models वाचू शकतात हेही Anthropic मर्यादित करते आणि Sonnet 5.5चे reasoning ते तयार करणाऱ्या संस्थेशी जोडते.

सध्याचे [Claude API documentation](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) integrationवरील परिणाम स्पष्ट करते: आधीचा thinking block परत करणाऱ्या API requestने संबंधित system prompt, tools आणि आधीचे messages जतन केले पाहिजेत. 31 ऑगस्ट 2026 रोजी किंवा त्यानंतर तयार केलेल्या accountsसाठी prefix check defaultने लागू आहे. आधीचा context पुन्हा लिहिणाऱ्या किंवा जतन केलेली conversation पुन्हा बांधणाऱ्या applicationsना ती replay करण्याची पद्धत बदलावी लागू शकते. नेहमीच्या append-only historyमध्ये बदलाची गरज नसल्याचे documentation सांगते.

Anthropicचा दुसरा control म्हणजे लपलेले reasoning काढण्याच्या प्रयत्नांविरुद्ध प्रशिक्षित आणि तपासलेला दोन-टप्प्यांचा classifier. Sonnet 5.5, Opus 5 आणि 5.5, तसेच Fable 5 आणि 5.1सह त्यांच्या सर्वाधिक सक्षम सामान्य उपलब्ध modelsवर तो चालतो, असे कंपनी सांगते. या safeguardsचा false-positive rate 0.1%पेक्षा कमी असल्याचे Anthropicने नोंदवले. आधीचे reasoning दुसऱ्या भाषेत किंवा output tagsमध्ये मागण्यासारख्या पद्धती दुरुस्त केल्याचेही कंपनी म्हणते. त्या rateची स्वतंत्र चाचणी लेखात नाही आणि भविष्यातील प्रत्येक extraction पद्धत block होईल असेही सिद्ध केलेले नाही.

तिसरा control account पातळीवर काम करतो. वारंवार extractionचे प्रयत्न केल्यास वापराच्या अधिक कठोर मर्यादा किंवा बंदी लागू होऊ शकते, असे Anthropic म्हणते. 24 सप्टेंबरपासून Claude उत्तर देण्यापूर्वी block झालेल्या requestsसाठीही, distillationसह काही निर्दिष्ट कमी false-positive प्रकारांत, कंपनीने पुन्हा शुल्क आकारणे सुरू केले. त्यामुळे वैध usersना चुकीचा block आणि शुल्क दोन्ही लागू शकतात; preserved thinkingमुळे काही developersना integrations अद्ययावत करावे लागल्याचे Anthropic मान्य करते.

## नोंदवलेली घट नेमकी काय मोजते

Distillersनी काढलेल्या Claude reasoning tokensची संख्या Anthropic अंदाजते **तिच्या स्वतःच्या प्लॅटफॉर्मवर**. Classifier आणल्यानंतर ही संख्या आधीपेक्षा सातत्याने 10 ते 100 पट कमी राहिल्याचे कंपनी सांगते; सप्टेंबरच्या अहवालात वर्णन केलेले तिच्या सर्वात सक्षम सामान्य उपलब्ध modelsवरील तंत्रही classifier ओळखतो. हा अंदाज distillation traffic ओळखण्याच्या Anthropicच्या क्षमतेवर अवलंबून असतो; इतर providersमार्गे extraction किंवा न ओळखलेली attack पद्धत तो स्वतंत्रपणे मोजू शकत नाही.

Distillationशी संबंधित हजारो नव्हे तर दहा हजारो accountsवर बंदी घातल्याचे कंपनी सांगते; अनेकदा मोहीम सुरू झाल्यानंतर दोन तासांच्या आत. Distillers तृतीय-पक्ष cloud platforms आणि इतर inference providersमार्गे traffic वळवतात, असेही ती म्हणते. त्यामुळे प्लॅटफॉर्मची सीमा महत्त्वाची ठरते: Anthropicला दिसलेली extracted tokensची घट ही तिला मोजता येणाऱ्या trafficमधील बदलाचा पुरावा आहे; जगभर Claudeकडून गोळा झालेल्या सर्व अनधिकृत training dataची संख्या नाही.

सध्याच्या संरक्षणांना चुकवण्याचा अत्यंत कुशल आणि सातत्यपूर्ण प्रयत्न अजून दिसलेला नाही, असे Anthropic म्हणते. कायमस्वरूपी यशाचा भास देणाऱ्या दाव्यापेक्षा ही अट महत्त्वाची आहे. कंपनीने अंतर्गत मोठी घट आणि model reasoningचे संरक्षण करण्याची कार्यपद्धती नोंदवली आहे; पुढील परिणाम हल्लेखोर कसे जुळवून घेतात आणि इतर access routes तेच वर्तन ओळखतात का यावर अवलंबून असतील.

## स्रोत आणि पुढील वाचन

- [Anthropic, “distillation attacksविरुद्ध आमचे संरक्षण बळकट करणे”](https://www.anthropic.com/research/distillation-defenses), 12 ऑक्टोबर 2026. controls, अंतर्गत extraction estimate, false-positiveचा दावा आणि usersसमोरील तडजोडी यांचे कंपनीचे मुख्य विवरण. या लेखासाठी प्लॅटफॉर्म मोजमापाची स्वतंत्र पुनरावृत्ती झालेली नाही.
- [Claude Platform, “Preserved thinking”](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking), 13 ऑक्टोबर 2026 रोजी पाहिले. सध्याचे API documentation block आणि prefix नियम, प्रभावित accountsच्या तारखा आणि बदलावे लागू शकणारे integration patterns सांगते. आम्ही documentation तपासले; BIG CHANGEने API requests केले नाहीत.
- [Anthropic, सप्टेंबर 2026 threat intelligence report](https://www.anthropic.com/threat-intelligence-report-september-2026), सप्टेंबर 2026. Anthropicने प्रतिसाद दिल्याचे सांगितलेल्या extraction पद्धतींची पार्श्वभूमी कंपनीच्या आधीच्या अहवालात आहे; त्या मोहिमांचे हे कंपनीचे स्वतःचे वर्णन आहे.

## Sources

- [Anthropic, distillation attacksविरुद्ध आमचे संरक्षण बळकट करणे](https://www.anthropic.com/research/distillation-defenses) — controls, अंतर्गत मोजमाप आणि मान्य केलेल्या तडजोडींविषयी कंपनीचे मुख्य विवरण; अंदाज कंपनीला जोडलेले आहेत, स्वतंत्ररीत्या पडताळलेले नाहीत.
- [Claude Platform, Preserved thinking](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) — block binding, prefix checks आणि integration बदलांविषयीचे सध्याचे first-party API documentation; BIG CHANGEने API request केलेली नाही.
- [Anthropic, सप्टेंबर 2026 threat intelligence report](https://www.anthropic.com/threat-intelligence-report-september-2026) — पद्धतींचे आधीचे first-party वर्णन; पार्श्वभूमी, ऑक्टोबरच्या निकालांची स्वतंत्र पुष्टी नाही.