从54.0%降到0.2%,这是OpenAI在最新反“对抗性蒸馏”技术披露里亮出的防线落差。美东时间2026年11月20日,OpenAI发布专题安全报告,首次系统公开其针对模型推理过程提取的多层防御体系,并于同日正式生效新版使用政策(OpenAI官方研究报告、OpenAI新版使用政策)。

这次被重点加锁的资产,叫作“受保护推理过程”(protected reasoning),也就是前沿模型在给出最终答复前于内部生成的完整思维链(chain-of-thought)。按照OpenAI的界定,常规蒸馏本是机器学习领域常见的模型压缩手段,可“对抗性蒸馏”试图在未经授权的情况下抽取前沿模型的输出乃至隐藏推理步骤,用以训练替代模型,从而绕开原模型配套的安全护栏(OpenAI官方研究报告、MLQ.ai报道)。

54.0%压到0.2%,思维链为何成了核心靶点

为了量化防护升级前后的差距,OpenAI搭建了一套接近生产部署形态的内部自适应黑盒红队评测:由六款攻击模型组成自动化测试方,只能看到普通外部用户的接口视图,并根据防线反馈动态调整诱导策略(OpenAI官方研究报告、Unite.AI报道)。

评测数字对比相当悬殊。针对“套取此前一轮请求的受保护推理”这一攻击类型,搭载原始防护的GPT-6 Astra平均攻击成功率高达54.0%,换用升级防护后的GPT-6.2 Astra降至0.2%;针对“提取当前请求内部推理”的攻击,成功率同样从22.9%回落至0.9%(OpenAI官方研究报告、Crypto Briefing报道)。OpenAI披露,升级后的防护已部署在GPT-6.2 Astra与GPT-6.2 Sol上,部分关键机制正同步回推至GPT-6 Astra(Unite.AI报道)。

外人为何盯上不直接展示给用户的思维链?OpenAI在同一份报告里给出了一组网络安全能力迁移对照实验。研究团队从同一个预训练学生模型出发,以Astra级别教师模型处理编程与防御性网络安全任务的轨迹做监督微调,并追加一轮轻量强化学习。对照组只喂给学生模型用户可见的基线内容,即最终回答、推理摘要与工具交互记录;实验组则直接接入教师模型的精确推理轨迹(OpenAI官方研究报告、Unite.AI报道)。

测试落地在ExploitBench与SEC-bench Pro两项安全基准上。完成监督微调后,吃下精确推理轨迹的学生模型整体得分高于摘要训练版本;叠加轻量强化学习后,摘要版本在较低推理预算档位占优,可一旦拉高到测试覆盖的最大推理预算,精确轨迹版本在两项基准上均重新反超(OpenAI官方研究报告、MLQ.ai报道)。报告附注还提到,Anthropic此前在SWE-bench Verified软件工程基准上也观测到了类似现象,说明即使原始任务本身完全合规,长期累积的精确思维链仍足以把高阶通用排错与攻防技能迁移到另一套缺少护栏的模型里(OpenAI官方研究报告)。

请求级三道闸叠加API重绑定,工具调用也不再留口子

单靠模型口头拒绝远远不够。OpenAI把整套反蒸馏架构拆成请求级防护与活动级处置两层,试图在单次调用和跨账号协作两端同时收口(OpenAI官方研究报告、The Tribune报道)。

在单次请求内部,防线按三道关卡接力运作。第一道关落到模型本身:OpenAI把自动化红队测试、线上异常排查及外部安全研究反馈中攻破过旧防线的样本回灌进对抗安全训练,让模型识破套取思维链的诱导,同时尽量避免误伤正常的步骤讲解需求(OpenAI官方研究报告)。

第二道关架在输入与输出通道上。输入分类器负责拦截诱导提取指令,输出分类器则实时扫描流式与非流式响应。OpenAI还专门把输出审查扩到了工具调用参数(tool-call arguments)——模型有时不会把内部推理写进最终正文,却可能顺手塞进函数调用字段里,新版分类器会在数据抵达调用方之前截停这类隐性泄漏(OpenAI官方研究报告、Unite.AI报道)。

第三道关直接焊死在API边界。针对此前披露的跨会话回放漏洞,OpenAI收紧了跨用户、跨工作区、跨组织及跨模型家族的加密推理隔离。在GPT-6.2 Astra与GPT-6.2 Sol上,受保护推理与生成它的原始对话历史强绑定,只要调用方改写了前序消息,API就会自动丢弃其后跟着的加密推理状态;防护等级较弱的旧模型家族也被禁止读取GPT-6.2 Astra与Sol生成的受保护推理(OpenAI官方研究报告、Crypto Briefing报道)。

放到平台全局层面,OpenAI同时在追踪跨账号的协同提取模式。报告透露,2026年以来平台已处置多起未经授权的协同蒸馏活动,每周受处置账号规模介于数千到数万个之间,且2026年夏季以来处置频次明显走高(OpenAI官方研究报告、MLQ.ai报道)。OpenAI还借助一致标准政策向外部托管部署伙伴对齐防护门槛,并经由Frontier Model Forum等行业协作渠道与同行共享异常行为指标(OpenAI官方研究报告)。

新版使用政策同日生效,替别人采数据同样越界

技术闸门落下的同一天,美东时间2026年11月20日生效的OpenAI新版使用政策也在“训练与开发模型”一节补上了更细的红线(OpenAI新版使用政策)。

新条款明确要求,用户不得利用OpenAI模型或其输出去生成、准备、筛选或提供用于替代性模型的训练语料与信号,涵盖构建训练任务、评分细则(rubrics)、强化学习环境,以及提供标注、打分、排序、偏好或纠错反馈,也包括对训练轨迹进行筛选、过滤与校验(OpenAI新版使用政策)。更关键的一句兜底限制在于责任链穿透:无论团队是自用、替第三方代采,还是委托外部人员代劳,即便执行方本人并不参与下游模型训练,只要把产品日常输出或评测结果转用于训练替代模型,均落入禁用范围(OpenAI新版使用政策)。

条款同时为正常工程研发划出边界:在不越过上述禁区的前提下,开发者仍可正常使用OpenAI模型开展科研、软件开发、模型基准评测与商业产品开发,特定合作场景则需依据双方服务协议中的书面例外条款获批(OpenAI新版使用政策)。需要注意的是,目前54.0%降至0.2%的指标来自OpenAI内部黑盒评测结果,尚未经过独立第三方机构复现,面对多轮长程智能体调用是否会带来额外延迟或误拦,仍有待生产环境进一步检验(OpenAI官方研究报告、Unite.AI报道)。

游仕观察

OpenAI这次同步落下的技术锁与条款锁,对北美华人AI创业者、出海SaaS研发团队,以及高度依赖API多模型编排的跨境电商与数据服务华商来说,直接改写了底层接口调用的工程假设。过去一年,不少中小华人技术团队习惯做两件省钱的巧活:一是在多轮智能体编排里动态改写前序对话上下文、或者把高阶模型的加密推理块切给低价旧模型接力,以此压低Token账单;二是顺手把线上跑通的旗舰模型问答日志沉淀下来,拿去微调自家私有开源小模型,降本增效。如今GPT-6.2系列直接在API层实行“改历史就丢推理”和跨代隔离,新版使用政策又把“用输出做评分细则、偏好排序和轨迹过滤”全数封死,这两条灰色捷径都会在短期内触发报错或账号风控。

放到更宽的行业账本上看,前沿模型厂商正在把“推理过程”从顺带送出的副产品,变成类似芯片核心微码的受保护资产。每周数千到数万个账号被成批处置,说明平台风控已经从人工抽查转向高频自动化图谱识别。对靠多账号池、非官方中转代理或批量脚本跑任务的出海团队而言,一旦触发协同异常模式,连带主业务API密钥被封停的停机损失,远大于省下的那点接口差价。

面向接下来一两个季度的系统迭代与合规自查,北美华人研发团队与华商企业主可以马上落地三项务实动作。第一,立刻核查现有Agent编排代码:凡是依赖中途编辑历史消息再续跑加密推理状态,或跨代混用GPT-6.2与旧模型传递推理上下文的链路,尽早重构为显式结构化摘要落库,避开API自动丢弃推理造成的线上任务中断。第二,全面排查工具调用(tool-call)的提示词与参数日志,别在函数参数里诱导模型回吐中间推理草稿,防止被流式输出分类器当成提取行为误拦,拖慢北美本地客户侧响应速度。第三,把商业数据管道与模型微调语料库彻底物理隔离——对外服务客户照常走官方企业级API与合规云托管伙伴,内部要微调垂直行业小模型,一律使用自有业务脱敏数据、人工标注或明确许可的开源语料,同时停止采购来路不明的第三方共享中转账号池,把账单风险和断供风险关在门外。

来源