شرکتِ Anthropic، سازنده‌ی Claude، روز ۱۲ اکتبر ۲۰۲۶ (۲۰ مهر ۱۴۰۵) گزارشی منتشر کرد درباره‌ی سه لایه‌ی دفاعیِ تازه در برابرِ «حمله‌های تقطیر» (distillation)؛ یعنی تلاشِ آزمایشگاه‌های دیگر برای کپی‌کردنِ توانِ Claude. به گفته‌ی Anthropic، این دفاع‌ها داده‌ای را که کپی‌کننده‌ها از Claude برداشت می‌کردند، در برآوردِ اولیه ۹۰ تا ۹۹ درصد کم کرده است.
تقطیر یا distillation چیست؟
تقطیر در اصل روشی معمول و قانونی در هوش مصنوعی است: یک مدلِ بزرگ و قوی («معلم») جواب‌هایی می‌سازد و یک مدلِ کوچک‌تر («شاگرد») روی آن جواب‌ها آموزش می‌بیند. شرکت‌ها خودشان از این روش برای ساختِ نسخه‌های سبک‌ترِ مدل‌هایشان استفاده می‌کنند.
مشکل وقتی است که کسی بی‌اجازه و در مقیاسِ صنعتی این کار را روی مدلِ شرکتِ دیگری انجام دهد. Anthropic می‌گوید کپی‌کننده‌ها با شبکه‌ای از صدها هزار حسابِ جعلی، میلیون‌ها جواب از Claude جمع می‌کنند و مدلِ خودشان را رویش آموزش می‌دهند. باارزش‌ترین بخش هم «متنِ فکرکردنِ» مدل است؛ یعنی قدم‌هایی که Claude پیش از جوابِ نهایی طی می‌کند. طبقِ آزمایشِ خودِ Anthropic، مدلی که روی متنِ کاملِ فکرکردنِ Claude Opus 4.8 آموزش دید، در آزمونِ برنامه‌نویسیِ SWE-bench Verified امتیازِ ۸۰٫۴ درصد گرفت؛ در حالی که با خلاصه‌ی همان متن‌ها به ۷۱٫۸ درصد رسید.
سه لایه‌ی دفاعیِ تازه
| لایه | چه می‌کند |
|---|---|
| کنترلِ مسیرِ فکرکردن | قابلیتِ «فکرِ حفظ‌شده» (preserved thinking) در Claude Fable 5.1 و Opus 5.5 نمی‌گذارد حساب‌های تازه‌ی API (ساخته‌شده از ۳۱ اوت ۲۰۲۶) گفت‌وگوی قبلی را دست‌کاری کنند. در Sonnet 5.5 هم متنِ فکرکردن فقط به همان سازمانی داده می‌شود که درخواست را فرستاده است. |
| شناسایی و مسدودکردن | یک طبقه‌بندِ دومرحله‌ای درخواست‌هایی را که می‌خواهند متنِ فکرکردن را بیرون بکشند تشخیص می‌دهد. این طبقه‌بند روی Sonnet 5.5، Opus 5 و 5.5 و Fable 5 و 5.1 فعال است و با هر ترفندِ تازه به‌روز می‌شود. |
| سخت‌کردنِ تکرار | حساب‌هایی که پشتِ سرِ هم تلاش می‌کنند محدودیتِ سخت‌تری می‌گیرند و اگر ادامه دهند مسدود می‌شوند. از ۲۴ سپتامبر هم درخواست‌هایی که پیش از جواب مسدود می‌شوند، هزینه دارند. |
عددهای مهمِ گزارش
- کاهشِ ۹۰ تا ۹۹ درصدیِ داده‌ی برداشت‌شده (برآوردِ اولیه).
- کاهشِ ۱۰ تا ۱۰۰ برابریِ متنِ فکرکردنِ بیرون‌کشیده‌شده پس از فعال‌شدنِ کاملِ طبقه‌بند.
- خطای اشتباه‌گرفتنِ درخواستِ عادی کمتر از ۰٫۱ درصد.
- ده‌ها هزار حساب مسدود شده؛ اغلب در کمتر از دو ساعت پس از شروعِ حمله.
Anthropic در گزارش از شرکت‌های Zhipu (سازنده‌ی مدل‌های GLM) و Moonshot (سازنده‌ی Kimi) نام برده و می‌گوید بخشی از درخواست‌های کاربرانِ Kimi پنهانی به Claude فرستاده می‌شد. این‌ها ادعاهای Anthropic است و شرکت‌های نام‌برده در این گزارش پاسخی نداده‌اند. همچنین Anthropic پذیرفته که هنوز به هدفش، یعنی «سخت‌کردنِ تقطیر بدونِ اثر بر کاربرانِ عادی»، کامل نرسیده است.
این خبر برای کاربرِ فارسی‌زبان چه معنایی دارد؟
برای کسی که فقط با Claude چت می‌کند، تقریباً چیزی عوض نمی‌شود. ولی برنامه‌نویس‌هایی که با API کار می‌کنند باید بدانند: ممکن است لازم باشد برنامه‌شان را برای «فکرِ حفظ‌شده» به‌روز کنند، و درخواستی که اشتباهی مسدود شود هم هزینه دارد. این خبر همچنین نشان می‌دهد چرا گاهی مدل‌های ارزانِ تازه به‌طرزِ عجیبی شبیهِ مدل‌های بزرگ رفتار می‌کنند. پیش‌تر هم در خبرِ اسکنرِ رایگانِ Anthropic برای پروژه‌های متن‌باز درباره‌ی کارهای امنیتیِ این شرکت نوشته بودیم.
در هوش‌نو هم Claude و هم مدل‌های چینی مثلِ DeepSeek، Qwen و Kimi در دسترس‌اند و می‌توانید یک سؤال را از همه بپرسید و خودتان کیفیتِ جواب‌ها را مقایسه کنید. برای شناختِ بهترِ Claude، معرفیِ Claude و طرزِ کارش را بخوانید و برای گرفتنِ جوابِ بهتر از آن، آموزشِ پرامپت‌نویسی در Claude را ببینید. همه‌ی امکانات در ابزارهای هوش‌نو است.
سؤالات متداول
حمله‌ی تقطیر به Claude یعنی چه؟
یعنی کسی بی‌اجازه و با حساب‌های جعلی، میلیون‌ها جواب و متنِ فکرکردنِ Claude را جمع کند تا مدلِ خودش را روی آن آموزش دهد.
آیا این دفاع‌ها روی کاربرانِ عادی اثر دارد؟
به گفته‌ی Anthropic اثرش کم است: کمتر از ۰٫۱ درصد درخواست‌های عادی اشتباهی مسدود می‌شوند. برخی برنامه‌نویس‌ها باید اتصالِ API خود را به‌روز کنند.
کدام مدل‌های Claude این دفاع را دارند؟
Claude Sonnet 5.5، Opus 5 و 5.5 و Fable 5 و 5.1، و مدل‌های مشابهِ آینده.
