Lo que Anthropic dice que han logrado las defensas
Anthropic publicó el 12 de octubre los resultados de sus defensas contra la destilación y dice que las primeras pruebas apuntan a una caída del 90 al 99 por ciento en los datos que los destiladores extraen de Claude. En sus palabras, la destilación es una campaña encubierta, a escala industrial, para copiar las capacidades de un modelo en otro, a menudo mediante redes de cuentas fraudulentas.
La compañía mide el avance en tokens de razonamiento, el pensamiento que Claude escribe antes de responder. Desde que su nuevo clasificador entró en servicio, los tokens de razonamiento que extraen los destiladores son de forma constante entre 10 y 100 veces menos, y algunos días demasiado pocos para medirlos. Se han bloqueado decenas de miles de cuentas vinculadas, a menudo menos de dos horas después de que empezara una campaña. El clasificador detecta todas las técnicas del informe de septiembre de Anthropic. Reuters informó de las mismas cifras y señala que Z.ai no respondió de inmediato a una solicitud de comentario.
Anthropic pone dos límites a su propia afirmación. No sabe cuánto durarán los avances, y aún no ha visto un intento muy sofisticado y persistente de sortear las defensas.
Por qué las transcripciones de razonamiento son el premio
Las transcripciones de razonamiento son lo más valioso que puede reunir un destilador, porque muestran a un modelo pequeño cómo llega uno grande a su respuesta. Anthropic lo probó: un modelo entrenado con el razonamiento completo de Claude Opus 4.8 sacó un 80,4 por ciento en SWE-bench Verified, frente al 71,8 por ciento cuando se entrenó con razonamiento resumido, una brecha de 8,6 puntos.
Esa brecha explica el esfuerzo de ambos lados. Anthropic dice que un laboratorio probó 12.000 peticiones distintas para engañar a Claude y que revele su razonamiento, y que redes de proxies con cientos de miles de cuentas fraudulentas repartieron los intentos. Una red llegó a manejar más de 20.000 cuentas a la vez. Anthropic cita a Zhipu, que según ella destiló las capacidades de ciberseguridad de modelos estadounidenses líderes al construir GLM-5.3, y a Moonshot, cuyas peticiones de Kimi, dice, se reenviaron en secreto a Claude. Son acusaciones de Anthropic. Z.ai no había respondido cuando Reuters publicó, y las fuentes que leímos no recogen respuesta de Moonshot.
Lo que las defensas cuestan a un cliente de pago
Anthropic reconoce que sus defensas no son gratis para los usuarios legítimos. La tabla enfrenta cada defensa con lo que cuesta a un cliente de pago.
| Defensa | Qué detiene | Coste para un cliente legítimo |
|---|---|---|
| Preserved thinking en Fable 5.1 y Opus 5.5 | Cuentas proxy que editan el contexto previo de Claude para extraer razonamiento | Las cuentas creadas desde el 31 de agosto de 2026 no pueden editar el contexto previo, y algunos desarrolladores tuvieron que actualizar integraciones |
| Límites de acceso al razonamiento en Sonnet 5.5 | Terceros que leen la transcripción de razonamiento de una petición | Las transcripciones solo las lee la organización cuya petición las produjo, y Anthropic no indica ningún coste |
| Clasificador de dos etapas | Peticiones que intentan extraer razonamiento oculto | Menos del 0,1 por ciento de peticiones legítimas bloqueadas, y las bloqueadas se cobran desde el 24 de septiembre |
| Límites más estrictos y bloqueos | Extracción repetida y persistente | Anthropic no indica ninguno, porque apunta a cuentas que siguen intentando extraer razonamiento |
El clasificador funciona en los modelos más capaces de Anthropic disponibles para el público general: actualmente Claude Sonnet 5.5, Opus 5, Opus 5.5, Fable 5 y Fable 5.1.
La letra pequeña de las peticiones bloqueadas
Desde el 24 de septiembre Anthropic vuelve a cobrar las peticiones que sus salvaguardas bloquean antes de que Claude responda, en las áreas donde mide una tasa de falsos positivos inferior al 0,1 por ciento, y la destilación es una de ellas.
Anthropic no da un precio por petición bloqueada ni un recuento, así que la exposición te toca estimarla a ti. Si tu equipo envía 200.000 peticiones legítimas al mes y la tasa real estuviera justo en el techo del 0,1 por ciento, se bloquearían y cobrarían hasta 200. La publicación indica un techo, no una media, así que registra las peticiones bloqueadas durante un mes para conocer la tuya. Un producto que pide a Claude repetir, traducir o etiquetar su razonamiento anterior se parece a las técnicas que Anthropic dice bloquear ahora.
Tres comprobaciones con tu proveedor
Quien construye sobre Claude debería comprobar tres cosas con Anthropic o con la plataforma que lo revende.
Primero, comprueba si tu integración edita el contexto previo o lee razonamiento fuera de la organización que lo produjo. Segundo, registra las peticiones bloqueadas y ponles precio. Tercero, si accedes a Claude mediante una plataforma en la nube o un revendedor, pregunta a ese proveedor cómo detecta abusos y si te cobra las peticiones bloqueadas.
Anthropic dice que los destiladores reparten el tráfico entre su API, plataformas en la nube de terceros y otros proveedores de inferencia, y que las plataformas tienen un papel en detectar abusos y dar de baja cuentas fraudulentas. Cómo lo hace tu proveedor es algo que la publicación no nos cuenta.
Leer a continuación: Tus consultas de ciberseguridad fueron desviadas en silencio | OpenAI Tarifica Su Modelo a la Mitad que Anthropic
