OpenAI宣戰了!就在今天凌晨,OpenAI發布了一份重磅宣言——《打擊對抗性蒸餾》。這份報告,表面上是技術分享,實際上簡直是一篇宣戰書。對此,OpenAI毫不手軟,一旦抓到,會把整個賬號網路一鍋端!這些「協同作案」的賬號群,OpenAI每周能封上幾千,甚至幾萬個!
OpenAI宣戰了!
就在今天凌晨,OpenAI發布了一份重磅宣言——《打擊對抗性蒸餾》。
這份報告,表面上是技術分享,實際上簡直是一篇宣戰書。
OpenAI毫不掩飾地挑明:今天夏天以來,為了打擊白嫖的賬號,我們一周最多封幾萬個號,甚至直接按網路連鍋端!
在報告中,OpenAI也全面曝光了,自家的系統究竟是如何識別、瓦解那些協同蒸餾攻擊的。
準備好,接下來,OpenAI還會有一大波封號潮。
每周數萬賬號灰飛煙滅
這一次,OpenAI 動真格了。
OpenAI自曝:今年以來,ChatGPT發起多次大規模封號活動。
他們發現,「偷師者」往往會通過海量賬號矩陣、分散式請求,來拼湊模型的底層邏輯。
中國的AI大模型最終都要走蒸餾這條路嗎?OpenAI 發了份反蒸餾報告,說單周最多處置過數萬個賬號。2 月,OpenAI 稱發現 DeepSeek 嘗試蒸餾美國前沿模型的跡象。9 月,OpenAI 披露曾封禁或限制一批賬號,稱其中部分操作者與 Kimi 的開發商月之暗面有關聯。內部測試中,提取上一輪受保護推理的成功率從 GPT-6 Astra(舊防護)的 54% 降到 GPT-6.2 Astra(新防護)的 0.2%。— 硅基廢話 (@DDJCXX)November 21, 2026
對此,OpenAI毫不手軟,一旦抓到,會把整個賬號網路一鍋端!
這些「協同作案」的賬號群,OpenAI每周能封上幾千,甚至幾萬個!
尤其今年夏天,封號率明顯飆升。
請注意兩個關鍵詞:「整個賬號網路」與「數萬個賬號」。
也就是說,只要你的賬號矩陣中有一個節點暴露,與之關聯的其他賬號也會被「連坐」,數據全部化為烏有。
因為在蒸餾的過程中,模型強大的能力被抄走,OpenAI耗巨資打造的安全護欄,卻沒了。
原本有著護欄的模型,絕不會幫忙寫木馬病毒、提供生化武器配方。
但當它被蒸餾到沒有底線的開源模型中,就會成為黑客和恐怖分子的武器。
為此,OpenAI才展開了那一場殘酷的大清洗。
在內部測試中,OpenAI 派出了6 個 AI 攻擊模型。
它們會輪番使用各種刁鑽的黑盒攻擊,從防禦系統那裡「套話」。
而防守方(比如 GPT-6.2 系列)需要自己判斷:你這個問題,是在正常問我,還是在惡意白嫖我的思路?
核心機密「思維鏈」,必須死守
如果你現在去調用 OpenAI 的 API,只能看到它想讓你看到的東西——摘要。
偷師者們最眼紅的,是CoT。這些未加掩飾的、最原始的思維鏈里,藏著答案里沒寫出來的高階邏輯和泛化能力,可以說是最寶貴的財富。
但現在,真實的CoT已經被OpenAI藏起來了。
為了證明這一點,OpenAI做了個對照實驗。
他們用同一個「學生模型」的基礎底座,分別讓它們學習兩種數據。
其中,A組學習的是原始的、完整的「精確推理痕迹」。
B組學習的是用戶平時在前端能看到的「推理摘要」和最終答案。
結果令人果然不出所料。
在經過了包含Astra級別教師模型軌跡的監督微調(SFT)之後,
學了原始思維鏈的A組,在網路安全基準測試上的得分普遍碾壓了B組!
而當兩組模型都再經過一輪輕量級的強化學習后,在給予最大推理算力預算時,A組依然保持領先。僅僅在算力預算較小的時候,B組才勉強反超。
這個實驗證實:精確的推理痕迹,能夠教會學生模型「舉一反三」的能力!
哪怕提取的數據僅僅用於合規的防禦性任務,學生模型也能從中領悟出,適用於攻擊性任務的通用技能。
可以說,前沿模型的底牌,就在於它解題時那「腦海中的一念」。
無論如何,OpenAI都要把這個東西上鎖。
OpenAI布下四層反蒸餾防線
所以,OpenAI具體是怎麼做的?
在報告中,他們首次公開了「反蒸餾之術」。
這是一套將對抗性測試、模型訓練、分類器和API級別保護相結合的四層網路,OpenAI進行了深度的架構改造。
第一層:從模型訓練底層「防偷師」
OpenAI通過對抗性訓練,讓模型自己學會識別出,哪些請求是在試圖「提取推理過程」。
一旦識別出惡意的請求,模型會果斷拒絕披露CoT。
但是呢,它同時又能精準區別出正常用戶的請求。
為什麼它能做出精準區分?
因為它的訓練數據,來源於內部紅藍對抗和外部安全研究人員的攻擊日誌。
第二層:密不透風的分類器
此外,OpenAI還部署了異常強大的「輸出分類器」。
最絕的是,他們連工具調用也沒放過。
這是因為,模型有時會把推理過程偷偷寫在工具調用的參數里,而不在最終答案中顯示。
而輸出分類器,可以直接將這些攔截!
第三層:讓開發者心跳加速的 API 級封鎖
這是對整個開發者生態最致命的一招。
在最新發布的 GPT-6.2 Astra 和 GPT-6.2 Sol 中,OpenAI 將模型的推理過程與產生它的「對話歷史」進行了硬綁定。
如果你試圖修改前面的一句提示詞,想看看模型怎麼改變思路,抱歉,API 會直接把後面的所有推理過程作廢!
因此,靠微調上下文來反覆擠牙膏的套路,徹底失效了。
第四層:跨模型與跨會話隔離
具體來說,就是防護弱的老模型,被嚴禁去讀取新模型的推理記錄。
同時,OpenAI 在 9 月份還剛剛堵住了一個大漏洞——
以前,黑客會把一段加密的思維鏈強行搬進另一個新對話,哄騙模型自己把加密內容「念出來」,甚至能露出別人的加密推理。
現在,這條路也被堵上了。
在對抗 6 個 AI 模型的輪番轟炸下,他們交出了一份可怕的成績單。
在模擬真實生產環境的測試中,當攻擊模型試圖去套取「上一輪對話」的受保護推理時,舊防線下的 GPT-6 Astra 被攻破的平均成功率為 54.0%。
但在更新了新防線的 GPT-6.2 Astra 面前,這個數字被壓制到了驚人的 0.2%!
而試圖套取「本輪對話」受保護推理的成功率,也從 22.9% 驟降至 0.9%。
目前,GPT-6.2 Sol 也已經全量上線了這套防護,舊版的 GPT-6 Astra 也正在緊急打補丁。
對於被抓到的攻擊手段,OpenAI 還會將其轉化為回歸測試,重新餵給模型訓練。
甚至,他們準備將這套秘籍分享給其他公司,全行業聯動封殺。
而且,這還沒完——OpenAI預告:「很快,我們會分享出更多破壞行動的細節。」
或許,會有更多公司被掛在名單上。
最後,OpenAI 公開向美國政府喊話,表態全力支持三大法案:
《晶元安全法案》
《人工智慧監管法案》
《MATCH法案》
一方面,OpenAI想通過硬體出口管制,限制對手獲得前沿模型所需的晶元。
一方面,他們要用「反蒸餾防禦」,讓對手無法調用已有模型「偷師」。
看來,是時候從底層演算法和創新上殺出一條血路了。
來源:ASI啟示錄