Anthropic封堵Fable 5.1蒸馏后路

时间：2026年9月初（新智元/36氪今日发布），事件本身于9月2日由Anthropic通过支持文档公开。 地点：美国旧金山，Anthropic公司；适用范围覆盖Claude API、AWS Bedrock、Google Cloud Vertex AI、Microsoft Azure Foundry全平台。 人物：Anthropic安全团队与产品工程团队负责人Claude API客户群体（新账户、老账户、消费端用户）。 事件详情：Anthropic通过Claude Fable 5.1更新了Messages API处理"思考块"（thinking blocks）的方式，推出"保留思考"（Preserved Thinking）机制。客户端如果修改了思考块之前的系统提示、工具或历史消息，API将直接返回错误而拒绝响应；为照顾有压缩上下文等合法需求的开发者，Anthropic同步提供"非严格模式"——允许修改上下文但会静默删除所有思考块。该规定率先适用于2026年8月31日12:00:00 UTC之后创建的新API账户，老账户在Fable 5.1上暂不受影响，但Anthropic明确表态未来会扩展到所有用户。Claude Code、Claude Cowork、Claude.ai及第三方套壳产品的C端用户均不受影响。 背景：直接触发本次更新的是arXiv 2608.09867论文《Stealing Reasoning Traces from Proprietary LLM APIs》，由Alexander Panfilov等作者于2026年8月10日提交。该论文揭示：尽管Anthropic已加密Claude的思考块，但由于同一服务商生态内加密块在不同会话、用户和模型之间完全可互换，黑客可将强模型的加密推理块注入弱模型，迫使其解密并明文打印推理过程。研究者通过对公开代码库抓取的31.5万个推理块进行解码，成功恢复367条个人身份信息和182个凭据，并演示了对Anthropic、OpenAI、Google三家头部模型提供商的反蒸馏攻击路径。 影响：受影响对象为需要中途重写上下文的API集成方，例如上下文压缩、动态注入系统提醒等用例；但合法开发者也收获意外红利——思考块一致性使得提示词缓存命中率大幅提升，API响应延迟与调用成本随之下降。Anthropic的策略选择凸显了AI行业对"能力与安全脱钩"的担忧：蒸馏模型可以继承顶尖推理能力，却绕开了对齐与红蓝对抗建立的安全护栏，可能被用于网络攻击脚本、生物武器研发等高危场景。 总结：Anthropic用API一致性验证在协议层面切断了工业规模蒸馏的可行路径，宣告了"小参数套壳模型"时代的终结；同时通过强制思考块上下文不可篡改，为合法开发者送上"缓存红利"，并在客观上为整个大模型行业竖起了一道更高的安全门槛。 参考来源： https://www.36kr.com/p/3969755353723393 https://support.claude.com/zh-CN/articles/16761192-%E4%BF%9D%E7%95%99%E6%80%9D%E8%80%83-%E6%94%B9%E5%8F%98messages-api%E5%A4%84%E7%90%86%E6%80%9D%E8%80%83%E5%9D%97%E7%9A%84%E6%96%B9%E5%BC%8F%E4%BB%A5%E9%98%B2%E6%AD%A2%E8%92%B8%E9%A6%8F https://arxiv.org/abs/2608.09867 https://www.anthropic.com/research/next-generation-constitutional-classifiers https://www.anthropic.com/legal/aup