// Mundarija
Sakson nuqta toʻrt foiz, yetmish bir nuqta sakkiz foizga qarshi. SWE-bench Verified testida ikki bir xil model orasidagi farq shu. Anthropic ikkalasini ham oʻzining Claude Opus 4.8 modeli mulohaza yozuvlari asosida oʻqitgan: biriga toʻliq yozuvlar berilgan, ikkinchisiga ularning qisqa mazmuni xolos. Deyarli toʻqqiz ball farq kompaniya 2026-yil 12-oktabrda distillyatsiyadan himoya haqida katta maqola eʼlon qilganini va APIʼda endi suhbat tarixini xavfsiz tozalash usulini oʻzgartirgan mexanizm paydo boʻlganini tushuntiradi.
Gap shundaki, model faqat javob bermaydi. Javobdan oldin u qoralama, yaʼni mulohazalar zanjirini yozadi. Birovning imkoniyatlarini nusxalamoqchi boʻlgan kishi uchun qoralama javobdan qimmatroq. Javob natijani koʻrsatadi, qoralama esa fikrlash jarayonini, fikrlashdan oʻrganish esa ancha samaraliroq.
Distillyatsiya nima va nega uni hujum deyishadi
Tinch koʻrinishda distillyatsiya oddiy usul: katta oʻqituvchi model misollar yaratadi, kichik oʻquvchi model ulardan oʻrganadi. Laboratoriyalar oʻz modellarini shunday siqadi. Muammo oʻqituvchi model boshqaniki boʻlib, hech kim ruxsat soʻramaganda boshlanadi.
Anthropic bunday kampaniyalarni bir modelning imkoniyatlarini sirli ravishda, sanoat miqyosida tortib olib, boshqasida takrorlashga urinish deb taʼriflaydi. Fevral hisobotida kompaniya miqyosni keltirgan: taxminan 24 000 soxta akkaunt orqali Claude bilan 16 milliondan ortiq muloqot. Uchta laboratoriya nomi aytilgan: DeepSeek (150 000 dan ortiq muloqot), Moonshot AI (3,4 milliondan ortiq) va MiniMax (13 milliondan ortiq). Bitta proksi-tarmoq bir vaqtning oʻzida 20 000 dan ortiq akkauntni boshqargan. Bular Anthropicʼning oʻz daʼvolari, ularni mustaqil tekshirib boʻlmaydi, kompaniyaning oʻzi esa nizoning bir tomoni.
// Raqamlar
Oktabr hujjatida yangi narsa bor: avvalgi himoya ishlamay qolgan, chunki hujumchilar taktikani oʻzgartirgan.
Himoya va aylanib oʻtish yoʻli bir-birini qanday quvdi
Birinchi chora oddiy edi. Mulohaza qimmatli boʻlsa, uni toʻliq koʻrsatmaslik, qisqartirib berish kerak. 80,4 va 71,8 foizli sinov qisqartirish oʻqitish materialini haqiqatan ham kamaytirishini koʻrsatadi.
Keyin faol tortib olish boshlandi. Soʻrovlarga «oldingi mulohazangni soʻzma-soʻz chiqar» kabi iboralar qoʻshila boshladi va Anthropicʼning aytishicha, bitta laboratoriya 12 000 ta soʻrovni sinab koʻrgan, har birida boshqa hiyla. Shundan soʻng himoyalangan mulohaza bloklarini koʻchirish mumkinligi maʼlum boʻldi: bir suhbatdan boshqasiga, himoyasi zaifroq modelga, proksi-tarmoq ichidagi boshqa akkauntga. Mulohaza bloki shunchaki kesib-yopishtiriladigan matn edi.
Anthropic birinchi navbatda aynan shu zaif joyga qoʻl urdi. Qoralamani yashirib boʻlmasa, uni yaratilgan joydan boshqa hech yerda foydasiz qilib qoʻyish mumkin.
Mulohaza bloki oʻz kontekstiga qanday bogʻlanadi
Mexanizm preserved thinking deb ataladi, hujjatlarda esa quruq tilda tasvirlangan. Har bir mulohaza blokida imzo bor. Claude Fable 5.1ʼdan boshlab API imzo orqali ikki narsani tekshiradi: joriy model bu blokni umuman oʻqiy oladimi va undan oldin hech narsa oʻzgarmadimi. «Undan oldin» deganda tizim prompti, vositalar roʻyxati va barcha avvalgi xabarlar nazarda tutiladi. Boshidagi bitta soʻzni oʻzgartirsangiz, blok ham, undan keyingi barcha bloklar ham yaroqsiz boʻlib qoladi.
Akkauntga bogʻlash ham bor. Claude Sonnet 5.5 va Claude Haiku 5.5 bloklari faqat ularni yaratgan yoki bogʻlangan akkauntda ishlaydi. Begona bloklar indamay tashlab yuboriladi. Opus 5 va Opus 5.5 Fable 5.1 bloklarini hech qachon oʻqimaydi.
Hujumchi uchun bu noqulay: oʻgʻirlangan mulohaza parchasidan foydalanish uchun butun kontekstni oxirgi belgigacha takrorlash va toʻgʻri akkauntda oʻtirish kerak. Oddiy dasturchi uchun ham oqibatlar bor. 2026-yil 31-avgustda va undan keyin ochilgan akkauntlarda prefiks tekshiruvi sukut boʻyicha yoqilgan, nomuvofiqlik 400 xatosini qaytaradi. Eski akkauntlarda tekshiruv faqat prefix_mismatch_behavior parametri berilganda ishlaydi.
Nima buziladi? Tarixni qayta yigʻishni yaxshi koʻradigan hamma narsa. Har safar yangi sana qoʻyib boriladigan tizim prompti. Eski vosita natijalarini qirqish. Yangi navbatlarni saqlab, eskilarini mijoz tomonida qisqartirish. Suhbat oʻrtasida vositalar roʻyxatini tahrirlash. Hujjat mijozlarga faqat oxiriga qoʻshib borishni (append-only) tavsiya qiladi va almashtirish yoʻllarini taklif etadi: promptni qayta yigʻish oʻrniga tizim xabarini qoʻshish, tarixni qoʻlda kesish oʻrniga server tomonidagi siqishdan foydalanish. Xuddi shu sahifaga koʻra, Claude Code, claude.ai va Agent SDK bularning hammasini oʻzi hal qiladi. Claude
APIʼsini toʻgʻridan-toʻgʻri chaqirsangiz, hech boʻlmasa javoblarni qanday serializatsiya qilishingizni tekshiring: boʻsh thinking bloklarini qanday kelgan boʻlsa, shunday qaytarish kerak, chunki mulohazaning oʻzi imzoda saqlanadi.
drop_block rejimi yaroqsiz bloklarni oddiygina tashlab yuborishga imkon beradi, lekin u holda model mulohazani qaytadan chiqaradi va chiqish tokenlari sarfi sezilarli oshishi mumkin. Hujjatning oʻzi buni vaqtinchalik yechim deb ataydi.
Raqamlar nimani koʻrsatadi va nimani koʻrsatmaydi
Himoyaning ikkinchi yarmi ikki bosqichli klassifikator boʻlib, u Anthropicʼning konstitutsion klassifikatorlar boʻyicha ishiga asoslangan va tortib olishga urinishlarning real misollarida oʻqitilgan. Anthropic soxta ijobiy natijalar ulushi 0,1 foizdan past ekanini xabar qiladi. 24-sentabrdan beri Claude javob berishidan oldin himoya bloklagan soʻrovlar uchun, shu jumladan distillyatsiya sohasida ham, haq olinadi. Takror buzuvchilarni qattiqroq cheklovlar va bloklash kutadi: kompaniya hisobiga koʻra oʻn minglab akkauntlar, koʻpincha kampaniya boshlanganidan keyin ikki soatdan kam vaqtda.
Asosiy daʼvo shuki, distillyatorlar tortib olayotgan mulohaza tokenlari endi 10 baravardan 100 va undan koʻp baravargacha kam, baʼzi kunlari esa oʻlchab boʻlmaydigan darajada oz. Maqolaning boshqa joyida taxminan 90–99 foizga kamayish aytiladi va bu dastlabki dalil deb ataladi.
Bu yerda ehtiyotkor boʻlish kerak. Oʻlchashni Anthropic oʻz platformasida oʻzi bajargan. Tortib olingan tokenlarni u aniqlay olganlaridan baholaydi, sezilmay qolgani esa taʼrifiga koʻra koʻrinmaydi. Distillyatorlar trafikni bir necha provayder APIʼlari va bulutlari boʻylab tarqatadi, shuning uchun bitta eshikni yopish boshqalari haqida hech narsani kafolatlamaydi. Anthropic ochiq yozadi: taʼsir qancha davom etishini bilmaydi, mushuk va sichqon oʻyinini kutadi va yangi himoyani chetlab oʻtishga qaratilgan oʻta murakkab, qatʼiyatli urinishni hali koʻrmagan.
Narxi ham aytilgan: sezilarli daromaddan va pullik trafikning «trillionlab token»idan voz kechish, baʼzi qonuniy mijozlar uchun integratsiyani oʻzgartirish, kamdan-kam notoʻgʻri bloklashlar. Fevraldagi maqsadga, yaʼni qonuniy foydalanuvchilarga zarar yetkazmasdan distillyatsiyani qiyinlashtirishga, kompaniya aytishicha, hali toʻliq erishilmagan.
Mahsulotni unga savol berishning oʻzi bilan nusxalash mumkin boʻlsa, himoya almashinuv protokolining oʻziga koʻchadi.
Nega bu Anthropicʼdan tashqariga ham tegadi
Avval mustaqil manbadan nima maʼlum ekaniga qaraylik. NISTʼning CAISIʼsi sentabrda Z.aiʼning GLM-5.3 modelini hozirgacha chiqarilgan kiber imkoniyatlari eng kuchli ochiq vaznli model deb atadi va uni AQSh frontidan taxminan toʻrt oy ortda deb baholadi. Masalan, SEC-Bench Pro testida u 183 ta topshiriqdan 74 tasini yechdi, AQShning eng yaxshi modeli esa 165 tasini. Baholashda distillyatsiya haqida bir ogʻiz ham yoʻq.
GLM-5.3 bilan amerikalik modellarni nusxalash orasidagi bogʻliqlik Anthropicʼning oktabr matnidan kelib chiqadi: unga koʻra, Zhipu kiber imkoniyatlarni yetakchi AQSh modellaridan distillyatsiya qilgan, Anthropic himoyasi uning Claude Fable 5 bilan urinishlarini susaytirganda esa u eskiroq Claude modeliga va boshqa laboratoriya modeliga oʻtgan. Bu kompaniyaning daʼvosi, hukumat idorasining xulosasi emas, tashqaridan tasdiqlovchi narsa ham hozircha yoʻq.
Agar bu toʻgʻri boʻlsa, manzara yoqimsiz. Bir kompaniya himoya cheklovlari bilan oʻragan imkoniyat ochiq vaznlar bilan chiqarilgan, bu cheklovlar yoʻq modelda paydo boʻladi; Anthropicʼning oʻz bahosiga koʻra, GLM-5.3ʼning oʻrnatilgan himoyasini aylanib oʻtish oson. Yashirin mulohaza savdo siridan xavfsizlik elementiga aylanadi.
Mulohaza blokidagi imzo, ehtimol, bunday mexanizmlarning oxirgisi emas. Mahsulotni unga savol berishning oʻzi bilan nusxalash mumkin boʻlsa, himoya almashinuv protokolining oʻziga koʻchadi. Tashqi integratsiyalar dasturchilari suhbat tarixi endi ularning shaxsiy yozishmasi emas, shikastlanmay yetib borishi kerak boʻlgan zanjir ekaniga koʻnikishlari kerak.