懸宕 25 年的種子之謎告破
Claude 揭 NIST 橢圓曲線出身

Anthropic 本週宣布一項新安排。非牟利評估機構 METR 派出六人團隊，長駐 Anthropic。 他們獲發公司手提電腦。他們有辦公空間。他們能使用內部工具與系統，權限與公司自家風險評估團隊相若。 同事被要求待他們如內部成員，向他們簡報對齊風險的工作。

最矚目的是發表權。METR 可自行發表風險評估、事故報告與實務檢討，無需 Anthropic 批准。 公司只能在狹窄的預設範圍內要求刪減：客戶資料、律師保密材料、模型架構細節。 而且 METR 可以公開表態：它是否認為某次刪減合理。

Anthropic 同時交代三級評估員框架。第一級範圍狹窄，發表需批准。第二級可自行發表。 第三級就是 METR 這種進駐模式。此外，SecureBio 正在審閱 8 月風險報告的化武與生武章節。 安永旗下的 Faculty 已是進駐評估員（9 月 18 日公布）。公司稱正與 Hugging Face 等機構初步接洽。

此舉源於行政總裁 Dario Amodei 的公開承諾〈We Must Pace the Frontier〉，以及公司簽署白宮《超級智能協議》。 評論普遍稱讚機制具體：這是常駐式監督，近似駐行銀行檢查員，而非一次性審計。

質疑集中在「獨立」二字。Hacker News 有聲音指出：METR 有前 Anthropic 員工；其資金與 Open Philanthropy、ARC 有關連； 而且評估員由被評估者親自挑選。支持者則反駁：METR 今年 3 月紅隊測試 Anthropic 的內部代理監察時，確實挖出新漏洞，審查並非做樣。

蒸餾攻擊是隱秘的大規模行動。攻擊者海量呼叫一個模型，偷走它的能力，再訓練出廉價的競爭模型。 最值錢的不是最終答案，而是推理過程的完整紀錄。有數據為證：用 Claude Opus 4.8 完整推理紀錄蒸餾出的模型， 在 SWE-bench Verified 得分 80.4%；只用摘要推理，得分僅 71.8%。

Anthropic 公布三層新防禦。第一層管住推理的去向：Fable 5.1 與 Opus 5.5 的「preserved thinking」功能， 令 2026 年 8 月 31 日或之後開設的新帳戶，無法編輯 Claude 先前的上下文，堵死把受保護推理段落搬運到其他對話的代理網絡伎倆。 第二層是兩階段分類器，穩健程度據稱與防止協助製造生化武器的防線相若，誤報率低於 0.1%。 第三層是帳戶執法：重犯者限額更嚴；數以萬計帳戶被封，許多在兩小時內處理；自 9 月 24 日起，低誤報的防護範圍內，被攔截的請求也要收費。

成效方面，公司估計被盜數據減少約 90 至 99%，被提取的推理 token 下降 10 至 100 倍。 原文同時點名兩家中國實驗室。智譜（Z.ai）被指從美國領先模型蒸餾網絡能力，用以開發 GLM-5.3； 美國一標準機構評估 GLM-5.3 為歷來最具網絡能力的開放權重模型。Moonshot 被指秘密把 Kimi 的請求轉發給 Claude， 其中一宗據信來自與解放軍有關的用戶，要求分析特定個人的閉路電視影像。

須注意：以上點名屬 Anthropic 單方面指控。兩家公司均未回應，亦無獨立證據核實訓練來源。 查核取向的媒體亦指出，90–99% 這個 headline 數字沒有獨立審計，公司也未公布基線日期與總量。 有評論者提出另一種讀法：生物武器級的防線，如今同時守住商業價值，安全架構變成了「可佔有性架構」。 Anthropic 承認代價：放棄了可觀收入，開發者要更新整合，偶有正常請求被攔截——而且照樣收費。