Версия Markdown

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

# Anthropic заявляет, что новые меры защиты Claude сокращают извлечение рассуждений на 90–99%

> Anthropic сообщает, что предполагаемые дистилляторы на её платформе извлекают на 90–99% меньше рассуждений Claude. Меры защиты также меняют интеграцию с API и тарификацию заблокированных запросов.

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.

Anthropic заявляет, что изменения Claude резко сократили объём защищённых рассуждений, который могут извлечь предполагаемые дистилляторы моделей. В [описании мер защиты от 12 октября](https://www.anthropic.com/research/distillation-defenses)компания оценивает, что после внедрения нового классификатора число токенов рассуждений, полученных дистилляторами на её собственной платформе, сократилось в 10–100 раз. Измерение основано на собственном трафике Anthropic и выявлении атак; компания не публиковала независимую оценку общего сокращения.

## Главное изменение

- **Что изменилось:** Теперь Anthropic сочетает ограничения на повторное использование блоков рассуждений Claude, классификатор, блокирующий попытки раскрыть скрытые рассуждения, и ограничения для аккаунтов, продолжающих такие попытки. Внутренняя оценка показывает, что через платформу к выявленным дистилляторам попадает намного меньше рассуждений.
- **Почему это важно:** Полные стенограммы рассуждений могут служить полезным материалом для обучения копированию поведения модели. Ограничение этого источника увеличивает объём работы для несанкционированного извлечения, а разработчикам API приходится сохранять часть истории диалогов; за некоторые заблокированные запросы может взиматься плата.
- **За чем следить:** Долговечность снижения зависит от следующих методов атакующих и трафика за пределами прямой платформы Anthropic. Компания говорит, что пока не видела крайне сложной и настойчивой попытки против новых мер защиты и намерена продолжать их менять.

## Три средства контроля против разных путей извлечения

При дистилляции модели меньшую систему можно обучать на ответах более мощной. Здесь Anthropic беспокоит несанкционированный сбор полного скрытого рассуждения Claude, которое, по её словам, полезнее потенциальному копировщику, чем один лишь текст ответа. Раньше Anthropic перед показом пользователям сводила рассуждения к краткому изложению. В проведённом компанией тесте программирования модель, обученная на полных стенограммах Claude Opus 4.8, набрала 80,4% в SWE-bench Verified, а при обучении на сокращённых стенограммах — 71,8%. Эксперимент подтверждает ценность более полных трасс в этой конфигурации, но не измеряет улучшение конкретной внешней модели.

Первое новое средство контроля ограничивает перемещение блоков рассуждений. Anthropic говорит, что атакующие пытались переносить блоки между диалогами, моделями и аккаунтами, чтобы заставить Claude раскрыть защищённый текст. В Claude Fable 5.1 и Opus 5.5 функция «preserved thinking» привязывает блок к контексту предыдущего диалога для новых API-аккаунтов. Anthropic также ограничивает, какие модели могут читать блоки других моделей, и связывает рассуждения Sonnet 5.5 с организацией, которая их создала.

Текущая [документация Claude API](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) конкретно описывает последствия для интеграции: API-запрос, возвращающий предыдущий блок мышления, должен сохранять соответствующий системный запрос, инструменты и предшествующие сообщения. Для аккаунтов, созданных 31 августа 2026 года или позднее, проверка префикса включена по умолчанию. Приложениям, которые переписывают прежний контекст или заново собирают сохранённый диалог, возможно, придётся изменить его воспроизведение. В документации сказано, что обычную историю с добавлением новых сообщений менять не нужно.

Второе средство контроля Anthropic — двухэтапный классификатор, обученный и проверенный на попытках извлечь скрытые рассуждения. По словам компании, он работает на её самых мощных общедоступных моделях, включая Sonnet 5.5, Opus 5 и 5.5, а также Fable 5 и 5.1. Anthropic сообщает, что частота ложных срабатываний этих защит ниже 0,1%. Компания также заявляет, что исправила методы вроде запроса предыдущих рассуждений на другом языке или внутри выходных тегов. В публикации нет независимой проверки этой частоты и не доказано, что будут блокироваться все будущие способы извлечения.

Третье средство контроля действует на уровне аккаунта. Anthropic утверждает, что повторные попытки извлечения могут привести к более строгим лимитам использования или блокировке. С 24 сентября компания также вновь взимает плату за запросы, заблокированные до ответа Claude в отдельных категориях с низкой частотой ложных срабатываний, включая дистилляцию. Поэтому добросовестные пользователи могут столкнуться и с ошибочной блокировкой, и с оплатой; Anthropic также признаёт, что сохранённое мышление заставило некоторых разработчиков обновить интеграции.

## Что измеряет заявленное снижение

Anthropic оценивает число токенов рассуждений Claude, извлечённых дистилляторами **на собственной платформе**. После внедрения классификатора это число, по её словам, стабильно было в 10–100 раз ниже прежнего; классификатор также выявляет приёмы, описанные в сентябрьском отчёте о наиболее мощных общедоступных моделях компании. Оценка зависит от способности Anthropic распознавать трафик дистилляции и сама по себе не измеряет извлечение через других провайдеров или нераспознанные методы атак.

Компания заявляет, что заблокировала десятки тысяч аккаунтов, связанных с дистилляцией, часто в течение двух часов после начала кампании. По её словам, дистилляторы направляют трафик через сторонние облачные платформы и других провайдеров инференса. Эти утверждения подчёркивают значение границы платформы: наблюдаемое Anthropic снижение числа извлечённых токенов свидетельствует об изменении измеряемого ею трафика, а не о количестве всех несанкционированных обучающих данных, собранных из Claude повсюду.

Anthropic говорит, что пока не наблюдала крайне сложной и настойчивой попытки обойти нынешние меры защиты. Эта оговорка важнее заявления об успехе, который звучит как постоянный. Компания описала существенное внутреннее снижение и рабочий подход к защите рассуждений модели; дальнейшие результаты будут зависеть от адаптации атакующих и от того, выявят ли другие пути доступа такое же поведение.

## Источники и дополнительное чтение

- [Anthropic, «Укрепляем защиту от атак дистилляции»](https://www.anthropic.com/research/distillation-defenses), 12 октября 2026 года. Основной материал компании описывает меры контроля, внутреннюю оценку извлечения, заявление о ложных срабатываниях и компромиссы для пользователей. Для этой статьи измерение платформы не воспроизводилось независимо.
- [Claude Platform, «Preserved thinking»](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking), просмотрено 13 октября 2026 года. Текущая документация API задаёт правила для блоков и префиксов, даты создания затронутых аккаунтов и шаблоны интеграции, которые могут потребовать изменений. Мы изучили документацию; BIG CHANGE не отправляла API-запросов.
- [Anthropic, отчёт об анализе угроз за сентябрь 2026 года](https://www.anthropic.com/threat-intelligence-report-september-2026), сентябрь 2026 года. Предыдущий отчёт компании даёт контекст методам извлечения, на которые, по словам Anthropic, она реагировала; это собственное описание компанией тех кампаний.

## Sources

- [Anthropic, Укрепляем защиту от атак дистилляции](https://www.anthropic.com/research/distillation-defenses) — Основное описание компанией мер контроля, внутренних измерений и признанных компромиссов; оценки приписаны компании и независимо не подтверждены.
- [Claude Platform, Preserved thinking](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) — Текущая документация API из первоисточника о привязке блоков, проверках префикса и изменениях интеграции; BIG CHANGE не выполняла API-запросов.
- [Anthropic, отчёт об анализе угроз за сентябрь 2026 года](https://www.anthropic.com/threat-intelligence-report-september-2026) — Предыдущее описание методов из первоисточника; контекст, а не независимое подтверждение результатов октября.