OpenAI 硬刚对抗性蒸馏:推理链提取成功率从 54% 骤降至 0.2%

OpenAI 于 11 月 20 日发布官方文章,系统介绍其对「对抗性蒸馏」的防御体系。对抗性蒸馏指通过批量自动化请求提取目标模型的推理链与输出内容,以低成本复制其能力来训练其他模型。文章称,GPT-6.2 Astra 与 Sol 两个模型已加强对推理链的保护:在红队测试场景中,提取历史请求推理内容的成功率从 54.0% 降至 0.2%。OpenAI 表示,其防御采用分层方法,结合模型训练、安全防护、检测与执行四个层面,在模型本身、推理环节和账号行为分析等多个维度进行干预。执行层面,OpenAI 披露今年以来每周对数千至数万个疑似蒸馏账号采取执法措施,封禁或限制存在批量提取行为的账号。此外,OpenAI 确认曾就 DeepSeek 疑似蒸馏行为向美国国会汇报,该争议此前曾在业界引发关于模型能力窃取与服务条款合规的广泛讨论。此次发布表明,OpenAI 已将蒸馏防御视为一项长期工程化体系,而非单次技术修补,红队测试的量化数据也为行业提供了模型能力保护效果的参照指标。

事件分析

技术层面,防御重心在于保护推理链——这是蒸馏攻击中最具价值的「思维过程」资产,成功率从 54.0% 降至 0.2% 表明运行时输出保护已从理念走向工程落地。产业层面,蒸馏通道被封锁后,依赖提取强模型输出进行训练的团队面临成本结构重塑,能力获取将更多转向合成数据与自研路线。值得注意的是,OpenAI 每周执法数千至数万个账号,侧面反映蒸馏行为规模远超外界想象,黑灰产工具与平台检测的攻防对抗将持续升级。后续值得关注:防御措施是否会误伤正常重度 API 用户、更多头部厂商是否跟进建立行业级输出保护标准,以及围绕「模型输出是否构成受保护资产」的监管与法律博弈。

核心观点:当蒸馏成功率降至 0.2%,靠窃取输出实现低成本追赶的大门正在关闭,AI 竞赛被迫回归原创研发。

原文链接:Linux.do

C code80.ai · AI 编码 API 聚合 Claude / GPT 多模型统一接入,稳定不限速,按量计费,几行配置接入 Claude Code。 了解一下 ›

抢沙发

评论前必须登录!

立即登录   注册