Anthropic dice que sus nuevas defensas reducen la destilación de Claude un 90-99 %

Anthropic afirma que nuevas defensas han reducido en torno a un 90 a 99 % los datos que se obtienen de sus modelos Claude mediante destilación. La empresa describió las medidas en una entrada fechada el 12 de octubre de 2026. Aquí, destilación significa copiar las habilidades de un modelo entrenando un modelo nuevo con sus respuestas, sin permiso. Varias de las defensas cambian el comportamiento de la API de Claude, así que algunos desarrolladores ya han tenido que actualizar su código.

Contra qué se defiende Anthropic

La entrada de Anthropic califica los ataques de destilación de «campañas encubiertas a escala industrial» para extraer las capacidades de un modelo. A menudo se ejecutan a través de redes de cuentas falsas. Los atacantes buscan sobre todo transcripciones de razonamiento, el pensamiento paso a paso que muestra cómo Claude llega a una respuesta.

Anthropic comprobó por qué importan esas transcripciones. Entrenó un modelo con transcripciones de Claude Opus 4.8 y lo evaluó en SWE-bench Verified, un benchmark de programación:

Datos de entrenamiento	Puntuación en SWE-bench Verified
Transcripciones de razonamiento completas	80,4 %
Transcripciones resumidas	71,8 %

Anthropic también sostiene que los modelos copiados pueden lanzarse sin salvaguardas sólidas. Eso aumenta el riesgo de uso indebido en áreas como los ciberataques y la biología.

Qué cambió para los usuarios de la API

Anthropic enumera estas medidas:

Medida	Modelos	Qué hace
Pensamiento preservado	Claude Fable 5.1, Opus 5.5	Las cuentas de API creadas el 31 de agosto de 2026 o después no pueden editar el contexto anterior
Aislamiento del razonamiento	Sonnet 5.5 y modelos más nuevos	El razonamiento de Sonnet 5.5 solo es visible para la organización que hizo la solicitud; los modelos más antiguos no pueden leer el razonamiento de los modelos más nuevos
Clasificador en dos fases	Sonnet 5.5, Opus 5 y 5.5, Fable 5 y 5.1	Detecta intentos de extracción; bloquea solicitudes inofensivas en menos del 0,1 % de los casos
Facturación	Solicitudes bloqueadas por las salvaguardas	Se cobran desde el 24 de septiembre de 2026

Anthropic también corrigió trucos como pedir a Claude que tradujera su razonamiento anterior a otro idioma. Los intentos de extracción persistentes se enfrentan ahora a límites de uso más estrictos y a vetos. Anthropic dice que ha vetado decenas de miles de cuentas, a menudo en las dos horas siguientes al inicio de una campaña, informa Pulse 2.0.

Tras la puesta en marcha del clasificador, los tokens de razonamiento extraídos por los atacantes cayeron en un factor de entre 10 y más de 100, según Anthropic.

A quién señala Anthropic

La entrada nombra a dos laboratorios de IA chinos. Según Anthropic, Zhipu usó la destilación para copiar las capacidades cibernéticas de modelos estadounidenses mientras desarrollaba GLM-5.3. Cuando las salvaguardas de Claude degradaron esos intentos, Zhipu pasó a un modelo de Claude más antiguo y al modelo de otro laboratorio, según Anthropic. Un organismo del Gobierno de EE. UU. calificó después a GLM-5.3 como el modelo de pesos abiertos con mayor capacidad cibernética publicado hasta la fecha. Cubrimos el lanzamiento de GLM-5.3 con pesos abiertos en agosto.

Anthropic también afirma que las solicitudes enviadas a Kimi, de Moonshot AI, se reenviaban en secreto a Claude. OpenAI vinculó a principios de este mes una campaña distinta de extracción de razonamiento con Moonshot AI.

El informe de amenazas de septiembre de Anthropic contabilizó casi 200 millones de intercambios relacionados con la destilación en cinco campañas, informa Crypto Briefing. La mayor, vinculada a Qwen de Alibaba, superó los 151 millones de intercambios entre mayo y julio de 2026.

Los costes que admite Anthropic

Las defensas no salen gratis. Anthropic dice que ha rechazado «ingresos significativos y tráfico de pago por valor de billones de tokens». El pensamiento preservado obligó a algunos desarrolladores a cambiar sus integraciones. A veces se bloquean solicitudes inofensivas, y a los usuarios se les cobran esos bloqueos.

Anthropic dice que no ha cumplido del todo su objetivo de no afectar a los usuarios legítimos. Espera un juego del gato y el ratón y todavía no ha visto un intento persistente y muy sofisticado. «Todavía no sabemos cuánto durarán estos avances», dijo la empresa, según cita Pulse 2.0.

Qué significa esto para los desarrolladores

Para los equipos que desarrollan sobre la API de Claude:

• Compruebe la fecha de la cuenta. Si su cuenta de API se creó el 31 de agosto de 2026 o después, no puede editar el contexto anterior en Fable 5.1 ni en Opus 5.5. Las aplicaciones que reescriben turnos pasados, por ejemplo recortando o sustituyendo mensajes antiguos, necesitan otro enfoque.
• No cuente con compartir el razonamiento. El razonamiento de Sonnet 5.5 se queda en la organización que hizo la solicitud. Un pipeline que pasa el pensamiento de un modelo a otro modelo puede dejar de funcionar.
• Presupueste las llamadas bloqueadas. Las solicitudes bloqueadas por las salvaguardas se cobran. Con menos del 0,1 %, el coste es pequeño, pero registre las llamadas bloqueadas para notar si la tasa sube.
• Evite prompts que parezcan extracción. Pedir a un modelo que repita palabra por palabra su razonamiento anterior es ahora un patrón que el clasificador vigila. Manténgalo fuera de los prompts de producción.
• Espere más cambios. Anthropic lo describe como una contienda continua. Siga sus notas de versión para detectar nuevos límites sobre cómo se puede leer o reutilizar el razonamiento.