跳到主要內容

Claude蒸餾攻擊評測：阿里、月之暗面竊訓兩億次對話 | Claude Distillation Attack: China Labs Stole 200M Chats

By Kit 小克 | AI Tool Observer | 2026-09-13

🇹🇼 Claude蒸餾攻擊評測：阿里、月之暗面竊訓兩億次對話

Anthropic 蒸餾攻擊（distillation attack）報告本週成為AI圈最熱話題：公司證實，包含阿里巴巴、月之暗面（Moonshot）、DeepSeek、智譜（Z.ai）、MiniMax在內的七家中國AI實驗室，透過假帳號網路對Claude發動工業規模的蒸餾攻擊，累計竊取近2億次對話的模型輸出，用來訓練自家模型。

發生了什麼事：蒸餾攻擊怎麼運作

「蒸餾」本身是合法的機器學習技術——用大模型的輸出訓練小模型。但Anthropic這次揭露的是未經授權的版本：攻擊者建立大量假帳號，持續向Claude發送問題，把回應收集起來當成訓練資料，等於白嫖別人的研發成果。

規模：阿里巴巴創下最大紀錄

  • 阿里巴巴：2026年5月至7月間產生超過1.51億次Claude互動，單日高峰近300萬次，是Anthropic目前記錄過規模最大的蒸餾攻擊行動
  • 月之暗面（Moonshot）：被發現把部分Kimi用戶的請求偷偷轉發給Claude處理，再把Claude的回答包裝成Kimi自己的輸出，用戶完全被蒙在鼓裡
  • DeepSeek：2026年7月的14天內，被觀測到超過1200萬次蒸餾攻擊行為

這些攻擊鎖定的不是閒聊功能，而是Claude最值錢的能力：代理式推理（agentic reasoning）、軟體工程與邏輯推理——正好是目前最貴、最難複製的部分。

手法：假帳號、盜刷信用卡、偷來的API金鑰

這些實驗室多半不是自己出面，而是透過「轉發站」代理服務：用盜刷信用卡、假身分和竊取來的API金鑰批次註冊帳號，把流量洗過幾層再打進Claude API，藉此規避偵測與封鎖。

Anthropic怎麼反制

對抗蒸餾攻擊，Anthropic已經調整Claude的行為：讓模型在回答前先「摘要」內部推理過程，讓竊取到的對話記錄失去訓練價值；同時對來自不受支援地區、疑似轉售帳號要求身分驗證，並已封鎖相關帳號、把情資分享給主管機關與業界夥伴。

對開發者與一般用戶的意義

如果你是API開發者，這件事提醒你：自己的API金鑰被盜用，也可能被拿去餵養別人的模型，金鑰外洩不只是帳單風險，還牽涉智慧財產權。如果你是模型使用者，這場蒸餾攻擊爭議也解釋了為什麼近期不少中國模型的推理表現進步神速——這中間有多少是自研突破、多少是「借用」Claude的思路，短期內恐怕很難說清楚。

好不好用，試了才知道。

🇺🇸 Claude Distillation Attack: China Labs Stole 200M Chats

Anthropic's distillation attack report is the AI story everyone is talking about this week: the company says seven China-based AI labs — including Alibaba, Moonshot AI, DeepSeek, Z.ai (Zhipu), and MiniMax — ran industrial-scale distillation attacks against Claude, siphoning off nearly 200 million exchanges to train their own models.

What Happened: How the Distillation Attack Worked

Distillation itself is a legitimate ML technique — training a smaller model on a larger model's outputs. What Anthropic exposed is the unauthorized version: networks of fake accounts hammering Claude with questions, harvesting the responses as training data, effectively free-riding on someone else's R&D.

The Scale: Alibaba Set a New Record

  • Alibaba generated more than 151 million Claude interactions between May and July 2026, peaking near 3 million a day — the largest distillation campaign Anthropic has ever documented
  • Moonshot AI was caught quietly routing some Kimi user requests to Claude, then presenting Claude's answers as Kimi's own — without telling users
  • DeepSeek generated more than 12 million distillation attacks in a 14-day window in July 2026

The attacks did not target casual chat — they targeted Claude's most valuable capabilities: agentic reasoning, software engineering, and logical reasoning, exactly the hardest and most expensive skills to reproduce.

The Method: Fake Accounts, Stolen Cards, Stolen API Keys

Most of these labs did not attack directly. They went through proxy/relay services that mass-registered accounts using stolen credit cards, fake identities, and stolen API keys belonging to real companies and individuals — laundering traffic through several layers before it hit Claude's API.

How Anthropic Is Fighting Back

Anthropic has since changed Claude's behavior to blunt distillation attacks: Claude now summarizes its internal reasoning before answering, making stolen transcripts far less useful for training a rival model. Accounts from unsupported regions or showing resale patterns now face identity verification, and Anthropic says it has banned offending accounts and shared intelligence with authorities and industry partners.

What This Means for You

If you are an API developer, the lesson is blunt: a leaked API key does not just cost you money — it can end up training a competitor's model. Key hygiene is now an IP-protection issue, not just a billing one. If you are just a model user, this distillation attack controversy also explains part of why some Chinese models have been improving so fast lately — how much is genuine research and how much is "borrowed" from Claude's reasoning traces will be hard to untangle for a while.

The only way to know if it actually matters to you: try it yourself. 好不好用，試了才知道。

Sources / 資料來源

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容