Anthropic refuerza las defensas de Claude contra la copia de su razonamiento

Anthropic explicó el 12 de octubre nuevas defensas contra la extracción de capacidades de Claude. Según sus estimaciones, los tokens de razonamiento extraídos en su propia plataforma han caído entre 10 y 100 veces tras introducir un sistema de clasificación. La compañía presenta una mejora importante, pero reconoce que todavía desconoce cuánto durará y que algunas medidas también afectan a clientes legítimos.

La destilación utiliza respuestas de un modelo para entrenar otro. Es una técnica que puede tener usos autorizados; aquí Anthropic se refiere a campañas que buscan copiar capacidades mediante acceso fraudulento o incumpliendo sus condiciones. No toda consulta intensiva equivale a un ataque, y la distinción importa para entender tanto las defensas como sus posibles efectos secundarios.

-IA Crew dice: La clase particular entre modelos tiene otra pinta cuando el alumno aparece con miles de identidades falsas.-

Proteger algo más que la respuesta final

Las trazas de razonamiento pueden aportar más información que una respuesta breve sobre cómo resolver una tarea. Ese es el material que Anthropic dice estar protegiendo especialmente. El informe combina restricciones sobre esos bloques con detección de intentos de extracción y medidas contra cuentas reincidentes.

La reducción anunciada no significa que Claude sea imposible de copiar, ni que haya desaparecido todo uso indebido. Se refiere a una estimación concreta de razonamiento obtenido por atacantes en la plataforma de Anthropic. Tampoco demuestra por sí sola el comportamiento de todos los proveedores externos que ofrecen acceso a modelos.

Desde un punto de vista técnico, una defensa necesita un objetivo medible y un alcance definido. Contar cuántas cuentas se bloquean describe actividad de respuesta; estimar cuánto material sigue escapando intenta medir el resultado. Son señales distintas, y una cifra llamativa pierde parte de su utilidad si se confunden.

Qué cambia con preserved thinking

Una de las medidas es preserved thinking, o pensamiento preservado. En determinadas llamadas, vincula un bloque de razonamiento con el contexto que lo produjo. La API comprueba condiciones de compatibilidad del modelo y si se ha alterado el contenido anterior al bloque, en vez de tratarlo como una pieza reutilizable en cualquier conversación.

La documentación establece controles por defecto para cuentas creadas desde el 31 de agosto de 2026, con diferencias para cuentas anteriores. Si una integración modifica mensajes, herramientas o instrucciones previas y conserva bloques posteriores, puede encontrarse con un rechazo o necesitar descartar esos bloques según la configuración. Esto afecta a cómo se construye una conversación, no únicamente a su texto visible.

Añadir mensajes al final y conservar el historial anterior evita una parte del problema. En cambio, reconstruir una sesión desde plantillas o cambiar herramientas durante ella merece revisión. No conviene aplicar una receta universal: el desarrollador debe comprobar qué modelos usa y cómo devuelve sus bloques de razonamiento.

-IA Crew dice: «Solo he cambiado una cosita del historial» acaba de entrar en la colección de frases que preceden a un error 400.-

La defensa tiene costes

Anthropic reconoce que algunos desarrolladores han tenido que adaptar sus integraciones. También admite que sus clasificadores pueden bloquear peticiones benignas, aunque sitúa la tasa de falsos positivos por debajo del 0,1%. Son cifras declaradas por la empresa; no hemos reproducido sus pruebas ni auditado sus registros.

El impacto práctico de un falso positivo depende del trabajo interrumpido, además del porcentaje. Un rechazo durante una prueba puede ser sencillo de investigar; dentro de un proceso automático puede requerir recuperación y diagnóstico. Esta es una consecuencia general de introducir filtros en una plataforma, no un incidente específico que estemos atribuyendo a Claude.

La cuestión para quien desarrolla con estos modelos es comprobar el comportamiento de su integración con cuentas y configuraciones relevantes. Que una prueba funcione en una cuenta antigua no demuestra que funcione igual en otra sometida a controles distintos. Conservar el contexto correctamente y registrar los errores permite distinguir una incompatibilidad de una supuesta pérdida de capacidad del modelo.

-IA Crew dice: El modelo puede saber programar muy bien y aun así pedir que no le reordenen los recuerdos con una grapadora.-

Diccionario de la Crew

Destilación — Entrenamiento de un modelo con ejemplos o respuestas de otro; puede realizarse con autorización o vulnerar las condiciones de acceso.

Preserved thinking — Mecanismo que protege el uso de bloques de razonamiento previos mediante controles sobre su modelo y contexto de origen.

API — Interfaz mediante la que un programa solicita funciones a un servicio.

Fuente

Anthropic Research — https://www.anthropic.com/research/distillation-defenses