Anthropic reduziu em 10–100 vezes o vazamento de dados do Claude para destilação

A Anthropic informou que a proteção atualizada contra destilação trouxe um resultado mensurável. Segundo a estimativa da empresa, o volume de dados que concorrentes conseguem extrair do Claude para treinar seus próprios modelos caiu de 10 a 100 vezes. Os novos mecanismos também ajudaram a encontrar e bloquear dezenas de milhares de contas ligadas a tentativas desse tipo de extração.

Os números impressionam, mas a declaração vem da própria Anthropic. No anúncio, a empresa não apresenta a metodologia de cálculo nem os volumes de partida. A faixa de "10–100 vezes" também diz muito: ou a empresa não tem um valor exato, ou não quer divulgá-lo.

O que é destilação e por que ela gera polêmica

Destilação é uma forma de treinar um modelo menor ou novo com as respostas de um modelo mais forte. O desenvolvedor envia ao "professor" um enorme número de requisições, coleta as respostas e as usa como base de treinamento. O método é legal e muito usado dentro das empresas: é assim que elas criam versões compactas dos próprios modelos. O conflito surge quando o "professor" é o modelo fechado de outra empresa e os termos de uso proíbem isso expressamente.

A Anthropic tem essa proibição: não é permitido usar o Claude para criar produtos concorrentes, o que inclui treinar outros modelos. A empresa já havia restringido o acesso de alguns concorrentes e de organizações de jurisdições que considera de risco. A destilação continua sendo um tema sensível para todo o setor: outros laboratórios também já levantaram suspeitas semelhantes contra concorrentes.

O que se sabe sobre as novas medidas

A Anthropic não revela os mecanismos concretos, e isso é compreensível. Uma descrição detalhada dos detectores ajudaria quem tenta contorná-los. A única informação que se extrai da declaração é que a proteção opera em dois níveis: limita a utilidade dos dados extraídos e identifica padrões suspeitos de uso, a partir dos quais as contas são bloqueadas.

Os principais números da declaração:

• redução do volume de dados extraídos: de 10–100 vezes;
• contas bloqueadas: dezenas de milhares;
• alvo da proteção: requisições automatizadas em massa ao Claude, cujas respostas são usadas para montar conjuntos de treinamento;
• verificação independente: inexistente, a avaliação vem da própria empresa.

A escala dos bloqueios indica que a extração de dados não se limitou a experimentos isolados e passou por redes de contas. Uma única conta, com limites rígidos, não coleta muita coisa, por isso esses esquemas dividem a carga entre vários perfis. Se a Anthropic aprendeu a ligar essas contas entre si, isso pesa mais do que o número de dezenas de milhares em si.

Onde estão os pontos fracos

Primeiro: a proteção é reativa por definição. Quem extrai dados se adapta aos detectores: muda a frequência das requisições, o estilo dos prompts, as fontes de acesso. A queda de 10–100 vezes descreve o momento atual, não um estado permanente.

Segundo: falsos positivos são possíveis. Qualquer filtro comportamental corre o risco de atingir clientes legítimos, como equipes que geram dados sintéticos para as próprias tarefas dentro dos termos do serviço. A Anthropic não diz quantas contas de boa-fé foram afetadas, nem se alguma foi.

Terceiro: o efeito é difícil de verificar de fora. Um observador externo não enxerga nem o volume real das tentativas, nem quantos dados ainda assim vazaram.

O que as equipes que trabalham com API devem fazer

Se você desenvolve um produto sobre o Claude, verifique antes se o seu caso de uso se enquadra na proibição de treinar modelos concorrentes. Isso vale especialmente para a geração de grandes datasets sintéticos. Distribua a carga pelos limites oficiais e planos corporativos, e não por um punhado de contas: é justamente esse tipo de esquema que passou a parecer suspeito. Mantenha à mão os logs de uso e o contato do suporte, para o caso de um bloqueio indevido. Quem está escolhendo um fornecedor de modelo deve considerar que os laboratórios fechados vão restringir cada vez mais a extração em massa de dados, e isso significa que as condições de acesso às APIs vão continuar mudando.