# Anthropic заявляет, что ее защита от дистилляции сокращает количество извлеченных рассуждений на 90–99%

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ru/article/anthropic-distillation-defenses-preserved-thinking-2026-10-13-night-ru
Section: AI (https://technewslist.com/ru/ai)
Author: TechNewsList
Language: ru
Published: 2026-10-13T20:13:58.914+00:00
Updated: 2026-10-13T20:13:59.10467+00:00

> Компания сообщает, что резко сократилось извлечение аргументов, но подписанная история разговоров также меняет то, как законные агенты воспроизводят контекст. Опубликованные доказательства не являются независимой гарантией безопасности.

## TL;DR
- Anthropic сообщает о сокращении количества рассуждений на 90–99% после объединения нескольких защит.
- Сохраненное мышление может отклонять запросы агента, которые переписывают историю подписанных блоков рассуждений.
- Независимые исследования предупреждают, что успех защиты зависит от бюджета злоумышленников и предположений о доступе.

## Key points
- По оценкам Anthropic, в десять-сто раз меньше собранных рассуждений на своей платформе после защиты.
- В ходе эксперимента со сводными стенограммами было получено 71,8 процента проверенных SWE-bench по сравнению с 80,4 процента с полными стенограммами.
- Сохраненное мышление связывает подписанные рассуждения с неизмененной системной подсказкой, инструментами и префиксом предыдущего сообщения.
- Задокументированное несоответствие префикса по умолчанию приводит к ошибке 400; drop_block требует наличия именованного бета-контроля.
- Основополагающие документы подтверждают удаление рассуждений, произведенных за пределами разрешенной учетной записи AWS или группы клиентов в Sonnet 5.5.
- Независимые исследования утверждают, что выводы по дистилляционной защите зависят от модели угроз злоумышленника.

## Что произошло

Отчет Anthropic от 12 октября о своей работе по борьбе с дистилляцией дает оценку сложной проблеме: в нем говорится, что количество токенов рассуждения, собранных с его платформы, упало примерно в десять-сотню раз после включения защиты. Дистилляция здесь означает использование ответов или рассуждений одной модели для обучения другой. Оценка описывает деятельность Anthropic, выявленную собственным сервисом, а не все возможные пути добычи.

![Таблица экспериментов компании, сравнивающая успеваемость учащихся с полными и обобщенными стенограммами рассуждений.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791917507394-xerz48-anthropic-distillation-defenses-preserved-thinking-2026-10-13-night-inside-1-44c35aef5f.webp)
*Таблица экспериментов компании, сравнивающая успеваемость учащихся с полными и обобщенными стенограммами рассуждений. Фото: Anthropic.*

Компания описывает многоуровневую реакцию, а не один защитный переключатель. Он предоставляет обобщенные рассуждения, ограничивает возможности воспроизведения знакового мышления, классифицирует подозрительные запросы на извлечение данных и применяет меры контроля на уровне учетной записи. В исследовательском отчете также сравниваются модели учащихся, обученные на полных и обобщенных стенограммах: обобщенная версия набрала 71,8% на SWE-bench Verified по сравнению с 80,4% для полной версии транскрипта. Это эксперименты, проводимые компанией, а не независимо воспроизведенные результаты.

## Почему это важно

Модель может предоставить больше полезной обучающей информации, чем только ее окончательный ответ. Промежуточная работа может показать, как она разлагает задачу программирования, выбирает инструмент или исправляет ошибку. Сокращение этой информации может сделать имитацию менее эффективной, не мешая обычным клиентам получать полезные результаты. Важное различие заключается в том, чтобы усложнить извлечение и продемонстрировать, что решительный участник не может получить эффективный тренировочный набор.

Для законных разработчиков агентов это также сопряжено с практическими издержками. Многие программы изменяют старые сообщения, перестраивают системные приглашения или сжимают предыдущие ходы для сохранения контекста. Знаковое мышление меняет договор: рассуждения были произведены в рамках определенной истории, и перенос их в другую историю может быть неприемлем. Таким образом, сбой, который выглядит как периодически возникающая проблема с моделью, может быть воспроизводимым несоответствием в конструкции собственного запроса приложения.

## Технические детали

В документации Клода по сохраненному мышлению говорится, что подпись связывает блок мышления с его моделью и префиксом диалога. Этот префикс включает в себя системную подсказку, инструменты и содержимое предыдущего сообщения. Добавление нового хода отличается от переписывания старого. Новые учетные записи API по умолчанию получают проверку префикса в рамках документированного развертывания, в то время как более старые интеграции должны проверять поведение своей собственной учетной записи, а не предполагать идентичное применение.

![Логарифмическая диаграмма компании с предполагаемым извлечением рассуждений до и после мер защиты.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791917509608-2dkyfn-anthropic-distillation-defenses-preserved-thinking-2026-10-13-night-inside-2-c5fbcf7a1c.webp)
*Логарифмическая диаграмма компании с предполагаемым извлечением рассуждений до и после мер безопасности. Фото: Anthropic.*

Документированное значение по умолчанию для несоответствия префикса — это ошибка 400. Вместо этого бета-контроль может удалять несовместимые блоки мышления, позволяя продолжить запрос. Это не эквивалентно сохранению исходных рассуждений: модель теряет информацию, которая могла бы повлиять на следующее действие. Приложение должно записывать это преобразование и оценивать его последствия, а не помечать успешный HTTP-ответ как неизменное продолжение.

Amazon Bedrock документирует дополнительные особенности своей хостинговой интеграции, включая совместимость моделей и мышление, ориентированное на организацию. Его поведение Sonnet 5.5 может устранить рассуждения, исходящие за пределами разрешенной учетной записи AWS или группы клиентов. Поставщик также раскрывает причины трансформации при предоставлении соответствующей бета-версии. Эти различия имеют значение, когда рабочий процесс перемещается между учетными записями, службами или моделями; подпись не является переносимым контейнером по произвольному рассуждению.

## Влияние на рынок и отрасль

Конкурентным последствием является изменение экономики сбора обучающих примеров, а не демонстрация прекращения дистилляции. Наблюдаемое сокращение активности Anthropic и ее эксперимент со студенческой моделью решают разные вопросы: сколько подозрительной активности выявил сервис и насколько полезен тот или иной тип стенограммы для обучения. Ни один из этих показателей напрямую не определяет качество конкурирующей модели и не измеряет каждую учетную запись, которая могла ускользнуть от обнаружения.

В независимой работе Лены Либон и ее коллег, опубликованной до этого раскрытия информации, утверждается, что утверждения о взломе дистилляционной защиты зависят от модели угроз. Бюджеты запросов, доступные данные и интерфейс злоумышленника — все это влияет на вывод. Это исследование не проверяет октябрьское развертывание Anthropic. Он представляет собой полезный тест для читателей: спросите, какой доступ и ресурсы разрешает оценка, прежде чем считать успех или неудачу универсальными.

## За чем следить дальше

Разработчикам следует сначала проверить запросы, которые на самом деле отправляют их собственные агенты. Сохраняйте возвращенные блоки мышления нетронутыми, сохраняйте подписи и идентифицируйте самый ранний отредактированный ход в случае сбоя повтора. Отличайте ошибку префикса от ограничения скорости или временного сбоя службы; повторение идентичного недействительного запроса не восстановит его историю. Если используется поддерживаемое поведение отбрасывания, сделайте потерянный контекст видимым в диагностических и регрессионных тестах.

Следующим убедительным доказательством станет сочетание воспроизводимых тестов извлечения данных с измерениями нарушений работы законных пользователей. Полезные вопросы включают в себя, концентрируются ли ошибки классификации в определенных рабочих процессах, адаптируются ли изощренные злоумышленники и насколько меняется поведение приложения после удаления мышления. Anthropic признает пределы своей оценки. Его цифры являются свидетельством развертывания защиты под собственным наблюдением, а не поводом для прекращения тестирования безопасности или надежности интеграции.

Для читателей, не занимающихся разработкой моделей, граница проще: обобщенное объяснение может быть полезным, не являясь полным внутренним следом. Диаграммы в статье следует рассматривать как обозначенные результаты компании, а не как рейтинг всех систем искусственного интеллекта. Лучшее раскрытие информации позволит клиентам сравнивать достигнутую защиту с налагаемым бременем совместимости, сохраняя при этом заявления о фактическом поведении конкурентов отдельно от технических спекуляций.

## Источники

- [Антропные исследования](https://www.anthropic.com/research/distillation-defenses)— 12 октября измерения компании, сравнение итогов обучения, область применения классификатора и признанные ограничения.
- [Клод Апи сохранил мышление](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking)— Привязка префикса разговора, развертывание учетной записи, управление бета-версией и требования к точной истории.
- [Документация Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/claude-messages-thinking-block-binding.html)— Модель, специфичная для облачного провайдера, проверки префиксов и организации, поведение при ошибках и диагностические преобразования.
- [Независимые исследования в области дистилляционной защиты](https://arxiv.org/abs/2606.25059)— Анализ модели угроз, показывающий, что бюджеты запросов и интерфейсы злоумышленников меняют смысл успеха защиты; не проверка октябрьских показателей.

Mentions: антропный

## Sources
- [Антропные исследования](https://www.anthropic.com/research/distillation-defenses)
- [Клод Апи сохранил мышление](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking)
- [Документация Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/claude-messages-thinking-block-binding.html)
- [Независимые исследования в области дистилляционной защиты](https://arxiv.org/abs/2606.25059)