Markdown సంచిక

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

# Claude కొత్త రక్షణలు reasoning extractionను 90–99% తగ్గించాయని Anthropic చెబుతోంది

> తన ప్లాట్‌ఫారమ్‌లో అనుమానిత distillerలు Claude reasoningను 90–99% తక్కువగా వెలికితీస్తున్నారని Anthropic తెలిపింది. ఈ రక్షణలు API integrationను, block అయిన requestsకు బిల్లింగ్‌ను కూడా మారుస్తాయి.

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.

Claudeలో మార్పుల వల్ల అనుమానిత model distillerలు వెలికితీయగల రక్షిత reasoning పరిమాణం బాగా తగ్గిందని Anthropic చెబుతోంది. అక్టోబర్ 12న తన రక్షణలపై విడుదల చేసిన [వివరణలో](https://www.anthropic.com/research/distillation-defenses)కొత్త classifierను ప్రవేశపెట్టిన తరువాత తన సొంత ప్లాట్‌ఫారమ్‌లో distillerలు పొందిన reasoning tokens 10 నుంచి 100 రెట్లు తగ్గాయని కంపెనీ అంచనా వేసింది. ఈ కొలత Anthropic స్వంత traffic, దాడుల గుర్తింపుపై ఆధారపడింది; మొత్తం తగ్గుదలపై స్వతంత్ర మూల్యాంకనాన్ని కంపెనీ ప్రచురించలేదు.

## పెద్ద మార్పు

- **ఏం మారింది:** Claude reasoning blockను ఎక్కడ మళ్లీ వాడవచ్చో నియంత్రించే చర్యలు, దాచిన reasoningను బయటపెట్టే ప్రయత్నాలను అడ్డుకునే classifier, పదేపదే ప్రయత్నించే accountsపై పరిమితులు—Anthropic ఇప్పుడు వీటిని కలిపి అమలు చేస్తోంది. తన అంతర్గత అంచనాలో, గుర్తించిన distillerలకు ప్లాట్‌ఫారమ్ ద్వారా చేరే reasoning గణనీయంగా తగ్గింది.
- **ఇది ఎందుకు ముఖ్యం:** మోడల్ ప్రవర్తనను అనుకరించడానికి reasoning పూర్తి transcripts శిక్షణ సామగ్రిగా ఉపయోగపడవచ్చు. ఆ మూలాన్ని పరిమితం చేయడం వల్ల అనధికార extractionకు అవసరమైన పని పెరుగుతుంది; అదే సమయంలో API developers కొన్ని conversation historiesను యథాతథంగా ఉంచాలి, కొన్ని block అయిన requestsకు చెల్లించాల్సి రావచ్చు.
- **ఏం గమనించాలి:** ఈ తగ్గుదల ఎంతకాలం కొనసాగుతుందనేది దాడి చేసేవారి తదుపరి పద్ధతులు, Anthropic ప్రత్యక్ష ప్లాట్‌ఫారమ్ వెలుపలి trafficపై ఆధారపడుతుంది. కొత్త రక్షణలపై అత్యంత అధునాతనమైన, నిరంతర ప్రయత్నాన్ని ఇంకా చూడలేదని Anthropic చెబుతోంది; రక్షణలను మార్చడం కొనసాగిస్తామని కూడా తెలిపింది.

## వేర్వేరు extraction మార్గాలపై మూడు నియంత్రణలు

Model distillationలో మరింత శక్తివంతమైన మోడల్ సమాధానాలతో చిన్న systemకు శిక్షణ ఇవ్వవచ్చు. Claude పూర్తి, దాచిన reasoningను అనధికారంగా సేకరించడమే ఇక్కడ Anthropic ఆందోళన; సమాధాన పాఠ్యం ఒక్కటితో పోలిస్తే ఇది అనుకరించాలనుకునేవారికి మరింత ఉపయోగకరమని కంపెనీ అంటోంది. గతంలో Anthropic వినియోగదారులకు చూపే ముందు reasoningను సంక్షిప్తం చేసేది. కంపెనీ నిర్వహించిన coding పరీక్షలో, Claude Opus 4.8 పూర్తి transcriptsపై శిక్షణ పొందిన మోడల్ SWE-bench Verifiedలో 80.4% సాధించింది; సంక్షిప్త transcriptsపై శిక్షణ పొందినప్పుడు 71.8% వచ్చింది. ఆ అమరికలో పూర్తి traces విలువను ఈ ప్రయోగం బలపరుస్తుంది; నిర్దిష్ట బాహ్య మోడల్ ఎంత మెరుగైందో మాత్రం కొలవదు.

మొదటి కొత్త నియంత్రణ reasoning blocks తరలింపును పరిమితం చేస్తుంది. Claude రక్షిత పాఠ్యాన్ని వెల్లడించేలా చేయడానికి దాడి చేసేవారు conversations, models, accounts మధ్య blocksను తరలించేందుకు ప్రయత్నించారని Anthropic చెబుతోంది. Claude Fable 5.1, Opus 5.5లో “preserved thinking” కొత్త API accountsకు blockను ముందరి conversation contextతో కట్టిపడేస్తుంది. ఇతర మోడళ్ల blocksను ఏ మోడళ్లు చదవగలవో Anthropic పరిమితం చేస్తుంది; Sonnet 5.5 reasoningను దాన్ని రూపొందించిన సంస్థకు అనుసంధానిస్తుంది.

ప్రస్తుత [Claude API documentation](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) integrationపై ప్రభావాన్ని స్పష్టంగా వివరిస్తుంది: ముందరి thinking blockను తిరిగి ఇచ్చే API request సంబంధిత system prompt, tools, ముందరి messagesను నిలుపుకోవాలి. ఆగస్టు 31, 2026న లేదా ఆ తర్వాత సృష్టించిన accountsకు prefix check defaultగా అమలవుతుంది. ముందరి contextను తిరగరాసే లేదా సేవ్ చేసిన conversationను మళ్లీ నిర్మించే applications దాన్ని replay చేసే విధానాన్ని మార్చాల్సి రావచ్చు. సాధారణ append-only historiesకు మార్పు అవసరం లేదని documentation చెబుతుంది.

రెండో నియంత్రణ దాచిన reasoning వెలికితీత ప్రయత్నాలపై శిక్షణ, పరీక్ష పొందిన రెండు-దశల classifier. Sonnet 5.5, Opus 5 మరియు 5.5, Fable 5 మరియు 5.1తో సహా అత్యంత సామర్థ్యమున్న సాధారణ లభ్య మోడళ్లపై ఇది నడుస్తుందని కంపెనీ చెబుతోంది. ఈ safeguardsకు false-positive rate 0.1% కంటే తక్కువని Anthropic నివేదించింది. ముందరి reasoningను వేరే భాషలో లేదా output tagsలో అడిగే పద్ధతులను సరిచేశామని కూడా అంటోంది. ఆ rateపై ఈ పోస్ట్ స్వతంత్ర పరీక్ష ఇవ్వదు; భవిష్యత్తులోని ప్రతి extraction పద్ధతి block అవుతుందని కూడా నిరూపించదు.

మూడో నియంత్రణ account స్థాయిలో పనిచేస్తుంది. పదేపదే extraction ప్రయత్నిస్తే మరింత కఠినమైన usage limits లేదా banలు రావచ్చని Anthropic చెబుతోంది. సెప్టెంబర్ 24 నుంచి Claude సమాధానం ఇవ్వకముందే block అయిన requestsకు కూడా, distillationతో సహా పేర్కొన్న తక్కువ false-positive categoriesలో, మళ్లీ ఛార్జీ విధిస్తోంది. అందువల్ల చట్టబద్ధ వినియోగదారులు పొరపాటు blockతో పాటు ఛార్జీని కూడా ఎదుర్కోవచ్చు; preserved thinking వల్ల కొంతమంది developers integrationsను update చేయాల్సి వచ్చిందని Anthropic అంగీకరించింది.

## నివేదించిన తగ్గుదల ఏం కొలుస్తుంది

Distillerలు వెలికితీసిన Claude reasoning tokens సంఖ్యను Anthropic అంచనా వేస్తోంది **తన సొంత ప్లాట్‌ఫారమ్‌లో**classifierను ప్రవేశపెట్టిన తరువాత ఈ సంఖ్య మునుపటి కంటే నిలకడగా 10 నుంచి 100 రెట్లు తక్కువగా ఉందని, సెప్టెంబర్ నివేదికలో వివరించిన తన అత్యంత శక్తివంతమైన సాధారణ లభ్య మోడళ్లపై పద్ధతులను classifier గుర్తిస్తుందని కంపెనీ చెబుతోంది. ఈ అంచనా distillation trafficను గుర్తించే Anthropic సామర్థ్యంపై ఆధారపడి ఉంటుంది; ఇతర providers ద్వారా జరిగే extractionను లేదా గుర్తించని attack పద్ధతిని ఇది ఒక్కటే కొలవదు.

Distillationతో సంబంధమున్న పదివేలకుపైగా accountsను, తరచుగా campaign ప్రారంభమైన రెండు గంటల్లోనే, నిషేధించామని కంపెనీ చెబుతోంది. Distillerలు third-party cloud platforms, ఇతర inference providers ద్వారా trafficను మళ్లిస్తారని కూడా అంటోంది. ఈ వాదనలు ప్లాట్‌ఫారమ్ సరిహద్దును ముఖ్యంగా చేస్తాయి: Anthropic గమనించిన extracted tokens తగ్గుదల, తాను కొలవగల trafficలో మార్పుకు సాక్ష్యం; ప్రపంచవ్యాప్తంగా Claude నుంచి సేకరించిన అన్ని అనధికార training dataల లెక్క కాదు.

ప్రస్తుత రక్షణలను అధిగమించడానికి అత్యంత అధునాతనమైన, నిరంతర ప్రయత్నాన్ని ఇంకా గమనించలేదని Anthropic చెబుతోంది. శాశ్వత విజయంలా వినిపించే ప్రకటన కంటే ఈ పరిమితి ముఖ్యం. గణనీయమైన అంతర్గత తగ్గుదల, model reasoningను కాపాడే కార్యాచరణ విధానాన్ని కంపెనీ నమోదు చేసింది; తదుపరి ఫలితాలు దాడి చేసేవారు ఎలా మారతారు, ఇతర access routes అదే ప్రవర్తనను గుర్తిస్తాయా అన్నదానిపై ఆధారపడతాయి.

## మూలాలు మరియు మరింత చదవండి

- [Anthropic, “distillation దాడులపై మా రక్షణలను బలోపేతం చేయడం”](https://www.anthropic.com/research/distillation-defenses), అక్టోబర్ 12, 2026. నియంత్రణలు, అంతర్గత extraction అంచనా, false-positive వాదన, వినియోగదారులపై ప్రభావాలను కంపెనీ ప్రధానంగా వివరించిన మూలం. ఈ కథనం కోసం ప్లాట్‌ఫారమ్ కొలతను స్వతంత్రంగా పునరావృతం చేయలేదు.
- [Claude Platform, “Preserved thinking”](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking), అక్టోబర్ 13, 2026న చూశాం. ప్రస్తుత API documentation block, prefix నియమాలు, ప్రభావిత account తేదీలు, మార్పులు అవసరమయ్యే integration విధానాలను నిర్దేశిస్తుంది. మేము documentationను పరిశీలించాం; BIG CHANGE API requests చేయలేదు.
- [Anthropic, సెప్టెంబర్ 2026 threat intelligence నివేదిక](https://www.anthropic.com/threat-intelligence-report-september-2026), సెప్టెంబర్ 2026. Anthropic స్పందించిందని చెప్పిన extraction పద్ధతుల నేపథ్యాన్ని కంపెనీ మునుపటి నివేదిక అందిస్తుంది; ఆ campaignsపై ఇది కంపెనీ స్వంత వివరణ.

## Sources

- [Anthropic, distillation దాడులపై మా రక్షణలను బలోపేతం చేయడం](https://www.anthropic.com/research/distillation-defenses) — నియంత్రణలు, అంతర్గత కొలతలు, అంగీకరించిన ప్రభావాలపై కంపెనీ ప్రధాన వివరణ; అంచనాలు కంపెనీకి ఆపాదించబడ్డాయి, స్వతంత్రంగా నిర్ధారించబడలేదు.
- [Claude Platform, Preserved thinking](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) — block binding, prefix checks, integration మార్పులపై ప్రస్తుత first-party API documentation; BIG CHANGE API request చేయలేదు.
- [Anthropic, సెప్టెంబర్ 2026 threat intelligence నివేదిక](https://www.anthropic.com/threat-intelligence-report-september-2026) — పద్ధతులపై మునుపటి first-party వివరణ; నేపథ్యం మాత్రమే, అక్టోబర్ ఫలితాలకు స్వతంత్ర నిర్ధారణ కాదు.