资讯中心

54%跌到0.2%,OpenAI把模型推理藏得更深了

datetime

2026-11-22

阅读数量

122

OpenAI 对 GPT-6.2 Astra 和 GPT-6.2 Sol 的防护做了大幅收紧,目标很明确:不让攻击者把模型内部的推理过程掏出来。 效果体现在内部自动化测试里。针对历史请求提取受保护推理的攻击,成功率从 GPT-6 Astra 上的 54.0% 降到 GPT-6.2 Astra 上的 0.2% ;针对活跃请求的攻击,成功率从 22.9% 降到 0.9% 。OpenAI 表示,部分改进也会回补到 GPT-6 Astra 上。 这套防御分两个层面展开。单个请求层面,系统把针对性训练、消息与工具调用的输入输出过滤,以及阻止旧模型读取受保护推理的 API 拦截组合在一起。面对有组织的协同攻击,OpenAI 每周封禁的账号数量在数千到数万之间。 同样的战场不止一家。Anthropic 也在对抗系统性的蒸馏攻击,同样以封禁数万账号的方式遏制内部推理被窃取,据报道在 90% 到 99% 的情况下奏效。Anthropic 还呼吁行业与政策制定者给出协同回应。 一边是攻击成功率被压到小数点后一位,一边是每周成千上万的账号被清掉——模型推理正在变成各家守得最紧的一块资产。 特别

about image