Claude 现在隐藏了更多思考过程——这是变化之处

2026 年 10 月 12 日，Anthropic 推出了更强大的“蒸馏”防御措施——即工业规模地尝试将 Claude 的推理复制到竞争模型中。结果是：Claude 默认会总结其思考过程，并且尝试逐字提取其原始推理的请求现在会被标记或阻止。

Anthropic 表示，其新的反蒸馏防御措施将攻击者可以从 Claude 收集的推理量减少了 90% 到 99%。这对您很重要，因为一些听起来普通的请求现在在 Claude 的安全措施看来是可疑的——了解哪些请求会避免您收到被阻止的响应。

“蒸馏”是指通过对模型数千个响应进行训练，将其能力复制到更便宜、更小的模型中。最有价值的数据不是 Claude 的最终答案——而是 Claude 的推理，即它在回答之前写下的思考过程，因为这教会了模仿模型 Claude 如何思考，而不仅仅是它说了什么。攻击者以规模化方式进行此操作，通常通过虚假账户网络。

因此，Claude 现在在向您展示其推理之前会对其进行总结，而不是显示原始思考过程。Anthropic 对此进行了测试：一个经过完整推理记录训练的模型在 SWE-bench Verified 编码基准上得分 80.4%；而经过总结版本训练的模型仅得分 71.8%。总结推理使其对复制的用处大大降低。

Claude 还运行一个两阶段分类器——与用于阻止生物武器或网络攻击请求的系统相同——以捕获试图探究原始推理的尝试。它的误报率低于 0.1%，这意味着它几乎从不错误地标记真实请求。自 2026 年 9 月 24 日起，Anthropic 还对该分类器阻止的请求收费。另外，一个名为“保留思考”的功能可以阻止任何人编辑 Claude 在对话中的先前推理——它适用于 2026 年 8 月 31 日或之后创建的 API 账户，因此如果您的集成曾经重新发送或调整旧的“思考”块，该模式现在将被拒绝。

这对您日常工作意味着什么：要求 Claude 解释其答案、逐步说明其步骤或在其最终响应中证明结论是完全正常的，并且仍然有效。被阻止的是要求 Claude 逐字转储其隐藏推理、将旧的隐藏推理翻译成另一种语言或将其打印在伪装标签内——这些正是 Anthropic 命名为蒸馏尝试的精确提取策略。

Claude 现在默认会总结其推理，并阻止尝试逐字、翻译或伪装提取原始版本——误报率低于 0.1%。如果您想了解 Claude 的思考过程，请要求它在最终答案中解释其步骤，而不是揭示隐藏的推理。如果您的 API 集成编辑旧的“思考”块，请检查“保留思考”（2026 年 8 月 31 日及之后创建的账户）是否是其现在被拒绝的原因。