Anthropic 反蒸馏防线收割数据降 90-99%,点名智谱 GLM-5.3
bibryam · x · 2026-10-17
Anthropic 官宣其反蒸馏防御体系初见成效:新方法使蒸馏者收割的数据量减少约 90%-99%。配图显示防护全开后，每日暴露给蒸馏请求的 reasoning tokens 从平均 8800 倍骤降至 135 倍(对数坐标，最高曾达 56000 倍)。
防御手段包括：
- 两阶段分类器干扰抽取尝试
- 限制蒸馏者对 Claude 推理过程的访问
- 直接阻断已知抽取方法
- 提高攻击成本 + 收紧账号管控打击欺诈账号
文中点名指控：智谱在开发 GLM-5.3 期间蒸馏了美国前沿模型的网络攻击能力，因 Claude Fable 5 的安全护栏削弱其攻击而改用旧版 Claude 及另一家实验室的模型；CAISSI 评估 GLM-5.3 为迄今网络能力最强的开源权重模型，Anthropic 自研测试发现其护栏易被绕过且愿意端到端开发安全漏洞利用。Anthropic 称担忧有二：蒸馏模型缺乏相称的安全护栏可能被用于生物/网络安全危害，以及带来的国家安全风险(正文截断处)。
「模型」频道最新
- 64K 粉丝学者发问：人脑还能判断新模型是否真比上一代强吗 — arjunrajlab · 2026-10-17
- 用户实测：Astra 主动读邮件审 PR 找安全漏洞，称强于 Opus — Tasty-Trip5518 · 2026-10-17
- 26GB Qwen3.6 MoE 模型在 16GB 显卡上跑出 19.5 t/s,速度翻倍引讨论 — dreamyrhodes · 2026-10-17
- 官方与开源基准排名严重打架,网友呼吁做复现 jev 校准能力的开放基准 — lahwran_ · 2026-10-17
- DeepSeek 新模型被指仍「很像 Claude」，蒸馏比例难辨 — teortaxesTex · 2026-10-17
- JevBench 四天新增 34 款决策模型，kettei-fat 登顶榜首 — airesearch12 · 2026-10-17