A Anthropic afirmou nesta terça-feira (13) ter reduzido entre 90% e 99% o volume de tokens de raciocínio extraídos do Claude por operações que ela classifica como destilação em escala industrial. Em pesquisa publicada sob o nome Distillation Defenses, a empresa diz ter identificado redes com centenas de milhares de contas falsas dedicadas a coletar os passos internos do modelo — o raciocínio que ele produz antes de chegar à resposta final.
Adicione ao Google NotíciasNeste artigo
A prática tem nome técnico: a destilação de modelo é o processo de treinar um sistema menor a partir das respostas de um maior, e é uma técnica legítima quando feita sobre os próprios modelos. O que a Anthropic descreve é outra coisa — a extração sistemática do conteúdo de um modelo de terceiros, sem autorização, para treinar um concorrente.
As empresas apontadas e o que a Anthropic alega
A empresa nomeia dois alvos, ambos laboratórios chineses. Segundo a Anthropic, a Zhipu teria extraído capacidades de cibersegurança de modelos líderes dos Estados Unidos para alimentar o GLM-5.3, e a Moonshot teria direcionado consultas ao Claude de forma dissimulada. Nenhuma das duas confirmou as acusações, que até aqui partem de uma única parte interessada.
No mesmo documento, a Anthropic sustenta que capacidades obtidas desse jeito podem terminar em sistemas militares e de vigilância de outros países — o argumento que a empresa tem usado para defender regras mais duras no setor.
O que mudou na prática
As defesas descritas são três. A primeira restringe o acesso aos passos intermediários de cadeia de raciocínio, o chamado chain-of-thought, que antes vinham expostos em parte das respostas. A segunda é um classificador treinado para reconhecer o padrão de quem está extraindo em volume, não usando. A terceira é o banimento automático das contas sinalizadas: segundo a empresa, dezenas de milhares já foram derrubadas.
A própria Anthropic reconhece o efeito colateral: o sistema está barrando usuários legítimos junto com os automatizados. Não há no texto estimativa de quantos nem prazo para calibrar o classificador — e, para quem desenvolve sobre a API da empresa, um bloqueio por engano interrompe produção.
A empresa encerra pedindo que outros desenvolvedores adotem proteções equivalentes, o que indica que o problema não é exclusivo dela.
Por que o raciocínio virou ativo disputado
Até recentemente, o valor de um modelo estava nos pesos e no conjunto de treino. Com os modelos de raciocínio, parte do diferencial passou a estar em como o sistema decompõe um problema — e esse material fica visível a qualquer um que consulte a API em escala suficiente. É mais barato copiar esse comportamento do que reproduzir o treinamento que o gerou, e é essa assimetria que transforma a cadeia de pensamento em alvo.
A conta de quem copia também pesa menos: cada token consultado custa uma fração do investimento necessário para treinar um modelo de ponta do zero.
