Anthropic เปิดผลระบบกัน distillation: reasoning ที่ผู้ลักลอบดึงออกไปได้ลดลง 10–100 เท่า, classifier แข็งระดับเดียวกับตัวกันอาวุธชีวภาพ แต่ false positive ไม่ถึง 0.1% และคำขอที่ถูกบล็อกยังคิดเงิน

Anthropic เผยแพร่บทความ “Distillation defenses” ลงวันที่ 12 ต.ค. 2026 สรุปผลของมาตรการกันการ distill หรือการกลั่นความสามารถของ Claude ไปเทรนโมเดลอื่นโดยไม่ได้รับอนุญาต ต่อจากรายงาน Threat Intelligence เดือนกันยายนที่ระบุชื่อแล็บจีนหลายราย บทความนี้เป็น ครั้งแรกที่ Anthropic ให้ตัวเลขว่ามาตรการได้ผลแค่ไหน และยอมรับตรง ๆ ว่ามาตรการเหล่านี้มีต้นทุนที่นักพัฒนาทั่วไปต้องจ่ายด้วย

ตัวเลขหลักคือ หลังเปิด classifier ตัวใหม่ โทเคน reasoning ที่ผู้ลักลอบดึงออกไปได้บนแพลตฟอร์มของ Anthropic ลดลง 10 ถึง 100 เท่า บางวันน้อยจนวัดไม่ได้ และมีการ แบนบัญชีไปหลายหมื่นบัญชี ซึ่งหลายครั้งเกิดขึ้น ภายในสองชั่วโมง หลังบัญชีนั้นเริ่มดึงข้อมูล

ทำไม reasoning ถึงเป็นเป้าหลัก

Anthropic อธิบายว่าข้อมูลที่มีค่าที่สุดสำหรับคน distill คือ ร่องรอยการคิด (reasoning) ของ Claude เพราะบอกได้ว่าโมเดลไปถึงคำตอบ อย่างไร บทความยกผลทดลองภายใน: นำ Claude แบบ pretrained มาเทรนด้วยทรานสคริปต์ของ Claude Opus 4.8 ถ้าใช้ reasoning เต็ม ได้ 80.4% บน SWE-bench Verified แต่ถ้าใช้ reasoning แบบสรุป ได้ 71.8% นี่คือเหตุผลที่ Claude แสดง thinking แบบสรุปตั้งแต่แรก

หลังจากนั้นผู้โจมตีเปลี่ยนไปใช้วิธี ล่อให้ Claude เปิด reasoning เต็ม ตั้งแต่สั่งตรง ๆ ให้ “พิมพ์ reasoning ก่อนหน้าออกมาทุกตัวอักษร” ไปจนถึงแล็บหนึ่งที่ลองคำขอ 12,000 แบบ และใช้เครือข่าย proxy คุมบัญชีปลอม หลายแสนบัญชี บทความยังระบุว่า Zhipu พยายาม distill Claude Fable 5 ระหว่างพัฒนา GLM-5.3 แต่ cyber safeguard ทำให้การโจมตีได้ผลลดลง จึงเปลี่ยนไปใช้ Claude รุ่นเก่ากว่าและโมเดลของแล็บอื่นแทน

สามชั้นของการป้องกัน

1. คุมว่า reasoning ไปอยู่ที่ไหนได้ ด้วย preserved thinking บน Fable 5.1 และ Opus 5.5 (บัญชีที่สร้างตั้งแต่ 31 ส.ค. 2026 แก้ context ก่อนหน้าไม่ได้), ห้ามโมเดลรุ่นเก่าที่ safeguard อ่อนกว่าอ่าน reasoning ของรุ่นใหม่ และบน Sonnet 5.5 reasoning ใช้ได้เฉพาะในองค์กรที่สร้างมันขึ้นมา
2. classifier สองชั้น แบบเดียวกับงานวิจัย constitutional classifiers ผ่าน red-team ทั้งภายในและภายนอก Anthropic บอกว่าตอนนี้ แข็งพอ ๆ กับ safeguard ที่กันไม่ให้ Claude ช่วยสร้างอาวุธชีวภาพ โดยมี false positive ต่ำกว่า 0.1% ใช้กับ Sonnet 5.5, Opus 5 และ 5.5, Fable 5 และ 5.1 และอุดเทคนิคใหม่ไปแล้วหลายแบบ เช่น สั่งให้ แปล reasoning เดิมเป็นภาษาอื่น หรือเขียน reasoning ในแท็กข้างคำตอบ
3. ทำให้ลองซ้ำยาก บัญชีที่พยายามดึงซ้ำจะโดนลด usage limit แล้วถูกแบน และตั้งแต่ 24 ก.ย. Anthropic กลับมาคิดเงินคำขอที่ถูกบล็อกก่อนตอบ ในหมวดที่ false positive ต่ำกว่า 0.1% ซึ่งรวมการ distill ด้วย

สิ่งที่ Anthropic ยอมรับว่ายังไม่สมบูรณ์

บทความเขียนตรง ๆ ว่าเป้าหมายในเดือนกุมภาพันธ์ที่จะกัน distillation “โดยไม่กระทบผู้ใช้ทั่วไป” ยังทำไม่ได้ครบ preserved thinking ทำให้นักพัฒนาบางส่วนต้องแก้ integration ให้ส่งประวัติแบบ append-only classifier ยังบล็อกคำขอปกติได้ในไม่ถึง 0.1% ของกรณี และคำขอเหล่านั้นถูกคิดเงิน Anthropic ยังบอกว่า ยังไม่เคยเจอความพยายามหลบเลี่ยงที่ซับซ้อนและต่อเนื่องจริงจัง จึงไม่รู้ว่าผลนี้จะอยู่ได้นานแค่ไหน และปิดท้ายด้วยการเรียกร้องให้ผู้ให้บริการ cloud และ inference รายอื่นช่วยตรวจจับและปิดบัญชีปลอมด้วย

มุมมอง AI Curator

ตัวเลข 10–100 เท่าน่าประทับใจ แต่ควรอ่านเงื่อนไขให้ครบ เพราะเป็นการวัดเฉพาะ บนแพลตฟอร์มของ Anthropic เอง ขณะที่บทความก็บอกว่าผู้ลักลอบกระจายทราฟฟิกไปทั้ง cloud และ inference provider อื่น ตัวเลขนี้จึงบอกว่าประตูหน้าบ้านแน่นขึ้น ไม่ได้บอกว่าการรั่วไหลทั้งหมดลดลงเท่ากัน การที่ Anthropic เรียกร้องให้แพลตฟอร์มอื่นช่วยก็สะท้อนเรื่องนี้

สำหรับนักพัฒนาไทย มีสองเรื่องที่ควรทำ ข้อแรก ถ้า integration ยังแก้ system prompt หรือลบข้อความกลางบทสนทนาอยู่ ให้เปลี่ยนเป็น append-only ตอนนี้เลย เพราะชัดแล้วว่า Anthropic จะผูก reasoning กับบทสนทนาแน่นขึ้นเรื่อย ๆ ไม่ใช่ผ่อนลง ข้อสอง งานที่ต้องขอให้โมเดลอธิบายขั้นตอนคิดย้อนหลัง หรือแปลคำตอบเก่าข้ามภาษา ซึ่งพบได้บ่อยในแอปสองภาษาไทย–อังกฤษ อาจไปคล้ายรูปแบบที่ classifier ถูกสอนให้จับ ถ้าเห็นคำขอถูกบล็อกโดยไม่มีเหตุผลชัดเจน ควรเก็บ log ไว้ เพราะคำขอเหล่านั้นถูกคิดเงินด้วย

ภาพใหญ่คือการ distill กำลังกลายเป็นประเด็นความมั่นคงระดับรัฐ ไม่ใช่แค่ข้อพิพาททางการค้า เมื่อ Anthropic เทียบ classifier ตัวนี้กับตัวกันอาวุธชีวภาพ ก็คาดได้ว่าแล็บสหรัฐฯ รายอื่นจะถูกกดดันให้ทำแบบเดียวกัน ราคาที่ผู้ใช้ทั่วโลกต้องจ่ายคือ API ที่ยืดหยุ่นน้อยลงและมี false positive ที่ต้องรับไว้เอง

---

แหล่งข่าว

• Anthropic — Distillation defenses (12 ต.ค. 2026)
• Claude Platform Docs — Preserved thinking
• Anthropic — Threat Intelligence Report: September 2026
• The Decoder — Anthropic says it cut Claude reasoning token theft by up to 99%