11月20日,OpenAI对外说明,GPT-6.2 Astra和Sol模型的安全机制完成升级,目标是应对未经授权的对抗性蒸馏。这类做法会借助前沿模型的输出训练竞品,进而让高风险能力绕开原有安全限制向外扩散。
为降低被提取推理链的可能,OpenAI采取了多层防护。对抗性训练、输入与输出分类器、API会话隔离等手段被组合使用。测试覆盖6个攻击模型,历史请求的推理提取成功率由54.0%压缩到0.2%,当前请求的提取率则由22.9%降至0.9%。
OpenAI还提到,今年以来持续对违规蒸馏行为展开执法,每周会封禁数千到数万个相关账号。公司同时与行业伙伴共享攻击指标,以提升对这类风险的识别和拦截能力。














