两步 API 调用即可窃取大模型思维链，Anthropic 推出 preserved thinking 封堵
zainhas · x · 2026-10-13
研究者发布《Stolen Thoughts》论文：Anthropic、OpenAI 和 Google 的 API 会向客户端返回加密的思维链（thinking）块，且可在跨会话、跨用户、跨模型间重放。攻击者将前沿模型的 trace 重放进较弱的同系模型，再对弱模型越狱，即可明文恢复强模型的隐藏推理全程——无需直接攻击强模型，也不触发其反蒸馏防护。仅需两次 API 调用。
负责任披露两个月后，研究者复审计 mitigation，发现仍能通过第三方 API 提供商从部分模型中逐字提取推理内容。作为响应，Anthropic 在 Claude Fable 5.1 及之后模型中引入 preserved thinking：API 会校验 thinking 块的签名，只有「产出该块的模型或其固定白名单内的模型」才能读取——如 Fable 5.1 可读 Opus 5 / Opus 5.5 的块，但反向不行；无法读取的块会被静默丢弃，从而切断「会话中途换弱模型套取强模型思路」的路径。
「模型」频道最新
- Meta Muse Wonder (Max) 实测：3D 场景到前端设计全对比 — arena · 2026-10-13
- 开源权重 LLM 的五种变现路径：API 销售仍是大头 — Terminator857 · 2026-10-13
- 研究者称预训练可视为 RL 的退化特例，数据驱动方法被 RL 统摄 — QuintinPope5 · 2026-10-13
- 实测称 Muse Code 编程模型比 Astra 强,速度快过 Claude Code — QuixiAI · 2026-10-13
- 120 万次调用实测：温度 0 下 LLM 跑分仍有最高 24% 波动 — lulzxdxdxd · 2026-10-13
- 网友预警:别信基准,14 小时后又是一场刷榜 — thesaraharminta · 2026-10-13