2026年9月初,随着Claude Fable 5.1版本正式上线,Anthropic的反蒸馏保护机制正式生效,针对新注册API账户,对模型内部隐藏思维链(CoT推理块)增加上下文数字签名锁,试图从技术层面封堵行业长期存在的模型蒸馏攻击手段。长期以来,闭源大模型的内部推理逻辑一直是各家企业核心护城河,而这一次更新,直接把攻防博弈摆到台前。
图为为防范第三方通过API “蒸馏”复刻模型,Anthropic修改 Claude 思考块的接口处理规则。
什么是“给思维链上锁”简单来讲,Claude在API调用过程中会生成加密的内部思考块,也就是模型的思维链,记录它一步步推导的完整过程,这部分内容默认不会对外暴露。
此前攻击者找到攻击漏洞:在多轮接口调用时,保留模型返回的思考块,篡改前面的历史对话、系统提示词,诱导模型把加密的内部推理完整复现出来,以此拿到大模型的核心推理逻辑,再用来训练复刻小模型,这就是模型蒸馏攻击。
本次新增保护机制的技术核心,是对“思考块的生成条件”做指纹绑定。具体而言,每段隐藏推理块都会与生成它那一刻的上下文环境——包括系统提示、工具配置、历史对话序列——计算出一个唯一指纹。后续调用时,思考块必须与原始生成条件完全匹配,才能继续参与推理。只要开发者改动上下文任意一处,指纹校验即告失败,API就会报错或者直接丢弃推理内容,无法再通过篡改上下文的方式套取思维链。
需要澄清的是,这套机制锁定的是“思维链的调用条件”,而不是把思维链本身变成不可读取的密文。它的防御目标明确:阻止通过上下文篡改来重放、提取隐藏推理轨迹。
>注意:该限制仅针对8月31日之后新注册的API账号,老账户不受该严格规则约束,同时官方保留“非严格模式”作为兼容备选方案,给开发者留了弹性空间。
为什么要严防蒸馏?这是闭源模型的核心战场大模型蒸馏,通俗理解就是“偷大模型的脑子养小模型”:通过大规模调用API,套取出头部模型的输出、推理路径,拿这些数据去训练自家模型,低成本复刻顶尖模型能力,不需要投入海量算力做预训练。
但从技术视角需要说清:蒸馏不等于复制模型。攻击者拿到的不是权重参数,而是高质量推理轨迹与输出分布。它更像是“抄作业过程”,而不是“偷走大脑本身”。即便如此,对闭源厂商而言,隐藏思维链仍然是最高价值资产。模型表层输出可以被采集,但内部一步步思考的逻辑,沉淀着多年对齐、调优的工程积累。一旦思维链被批量提取,竞争对手可以在推理能力、对齐质量上快速缩小差距,巨额研发投入的价值会被大幅稀释。
过去行业已经多次出现研究论文证实:通过特定提示词、多轮对话技巧,可以从OpenAI、Anthropic、谷歌的闭源模型中,成功提取隐藏推理痕迹,蒸馏攻击已经从实验室走向产业实战。
同时必须看到,思维链提取只是蒸馏攻击的一条路径,并非全部。更常见、成本更低的蒸馏方式,是直接采集最终输出做指令微调,或者利用输出概率分布做知识迁移。Anthropic这次封堵的是最高价值、也最敏感的一条通道,但不代表蒸馏攻击整体被遏制。
技术防护的两面性:安全防护还是封闭壁垒?这套机制落地,在开发者社群引发巨大争议。
✅站在厂商视角:这是知识产权防护。大模型千亿级参数训练成本高昂,反蒸馏是为了阻止对手“搭便车”窃取研发成果,保护商业投入。
⚠️站在开发者与行业视角,质疑同样突出:
提高研究门槛:学术研究者做模型安全、推理机制研究时,获取模型内部推理轨迹的难度显著加大;并非绝对牢不可破:技术防护永远存在被绕过的可能性,攻防博弈不会就此终结;加剧闭源生态壁垒,进一步拉开开源与闭源模型的发展环境差距;存在合规误伤风险:部分合法开发者的多轮复杂调用、长上下文应用可能因指纹校验出现兼容性异常,增加工程适配成本。客观来看,这不是一套一劳永逸的终极方案,只是攻防博弈里一次重要防御升级,不会彻底消灭蒸馏,只会显著抬高特定路径——即隐藏思维链提取——的技术门槛与成本。安全防御的本质从来不是绝对安全,而是让攻击成本高于收益。
行业启示:大模型竞争从跑分走向“护城河争夺战”过去大家评判大模型,主要看榜单跑分、上下文长度、调用价格。而现在,产业竞争维度已经发生变化。
一方面,各家厂商开始在模型内部推理、API接口层做防护,保护自己的训练与对齐沉淀;另一方面,开源模型持续快速追赶,倒逼闭源厂商不断加固技术壁垒。但开源侧也在分化:部分开源模型选择完整开放推理轨迹以促进研究,部分头部开源模型也开始在部署层隐藏思维链,以保护自身生态位。两条路线并非铁板一块,而是各自内部都在重新划线。
从资本视角看,这一变化的含义相当明确。反蒸馏机制实质上是把“模型资产”从“接口服务”中重新剥离出来,使其成为可定价、可防御的独立壁垒。利好的是拥有独立预训练与对齐能力的头部闭源厂商,以及具备完整技术栈的第二梯队;利空的是那些依赖大规模调用闭源API做蒸馏、微调、再包装的“套壳复刻型”团队。对后者而言,低成本的追赶窗口正在关闭,要么向上补足预训练能力,要么向下转型做场景与数据壁垒。
往后的AI行业博弈,早已不只是模型能力的比拼,同时包含API安全、反蒸馏防护、知识产权、商业政策的综合较量。闭源模型拼命“锁”住自己的推理,开源模型全力开放,两条路线的分化会越来越清晰。
结尾思维链上锁这件事,宣告一个信号:AI产业的“复制红利期”正在收缩。单纯靠调用别人API蒸馏复刻模型的路子,正在被一道道技术门槛不断封堵。无论对于AI创业者、研究者,都需要重新思考技术获取的路径。
对创业公司而言,这意味着“模型能力平权”的窗口没有想象中那么长,真正的护城河必须建立在自有数据、场景闭环与垂直整合能力之上。对研究者而言,闭源模型的透明度进一步下降,将推动更多安全与可解释性研究转向开源生态。攻防不会结束,只是换了战场。