أعلنت شركة Anthropic في 9 يونيو رسميًا عن Claude Fable 5، أول نموذج بمستوى Mythos متاح للجمهور، والذي يدمج آلية كشف للتقطير يقودها مُصنِّف ذكاء اصطناعي؛ وعندما يحدد النظام محاولات التقطير وغيرها من ثلاث فئات من الطلبات عالية الخطورة، فإنه يقوم تلقائيًا بتخفيض مستوى المحادثة إلى استجابة Opus 4.8. وأكدت Anthropic أن هذا النظام يؤثر في المتوسط على أقل من 5% من جلسات المحادثة.
مواصفات كشف التقطير: ثلاث حالات تشغيل وآلية تخفيض تلقائي
وفقًا لبيان Anthropic الرسمي، فإن شروط تشغيل مُصنِّف الذكاء الاصطناعي في Claude Fable 5 هي كما يلي:
· طلبات تتعلق بهجمات الأمن السيبراني عبر الشبكة
· طلبات مرتبطة بالأسلحة البيولوجية أو الكيميائية
· محاولات تقطير للنموذج (بما في ذلك أساليب استخراج مثل إعادة كتابة prompt وsteering vectors وضبط مخصص فعّال عالي الكفاءة باستخدام معلمات PEFT)
عند التشغيل، يقوم النظام تلقائيًا بتخفيض مستوى المحادثة إلى استجابة Claude Opus 4.8 وإخطار المستخدم. وأكدت Anthropic أن معدل نجاح الاعتراض في مهام الأمن السيبراني الهجومية يبلغ 100%؛ وأن أثر آلية النظام الإجمالي يقل عن 5% من جلسات المحادثة.
أرقام التأكيد المتعلقة بالاتهامات في فبراير 2026
أكدت Anthropic رسميًا أن جهات الاتهام في فبراير 2026 كانت DeepSeek وMoonshot AI وMiniMax، حيث تم إطلاق أكثر من 16 مليون عملية استعلام عبر نحو 24 ألف حساب مزيف، بغرض استخراج مخرجات Claude بشكل منهجي لاستخدامها في تدريب نماذجهم الخاصة.
أما أرقام حجم الاستعلامات التي حلّلها باحث تعلم الآلة Nathan Lambert (باحث مستقل خارجي، وليس تابعًا لـ Anthropic رسميًا) لاحقًا، فهي: نحو 150 ألف مرة بالنسبة إلى DeepSeek (للنماذج الاستدلالية ونماذج المكافأة)، ونحو 3.4 مليون مرة بالنسبة إلى Moonshot AI، ونحو 13 مليون مرة بالنسبة إلى MiniMax. ويقابل مجموع الجهتين الأخيرتين كمية بيانات ما بعد التدريب بحوالي 150 إلى 400 مليار token. وتعد أرقام Lambert تحليلًا مستقلًا وليس بيانات رسمية من Anthropic.
القيود المعروفة للآلية: حدود غامضة بين التقطير القانوني وغير المصرّح به
أكدت Anthropic أن «التقطير القانوني» (وفق الاستخدام المرخّص لمخرجات Claude) و«التقطير غير المصرّح به» متشابهان تقريبًا على مستوى العمليات التقنية، ما يجعل تحديد الحدود أمرًا ذا منطقة رمادية. وقال Nathan Lambert في تحليله الخارجي: «إن سد قنوات التقطير سيكون أصعب بكثير من تقييد شحن البضائع المادية مثل وحدات GPU.»
وأشار Lambert أيضًا إلى أنه طالما ما زالت Anthropic تبيع واجهة برمجة التطبيقات API، فلن يتم إغلاق قنوات التقطير بالكامل؛ إذ إن المختبرات الصينية، حتى في بيئات تعاني من قيود على وحدات GPU، ما زالت تملك بنية تحتية متقدمة للتعلم المعزز (RL)، ويمكنها الاعتماد على نماذج مفتوحة المصدر من Meta وGoogle وعلى خطوط توليد بيانات تركيبية خاصة بها. وتأتي التقييمات المذكورة ضمن تحليل Lambert الخارجي المستقل وليست موقفًا من Anthropic.
الأسئلة الشائعة
ما أوجه الاختلاف بين كشف تقطير Claude Fable 5 والبنود المناهضة للتقطير الواردة في شروط الاستخدام السابقة؟
كانت متطلبات Anthropic المناهضة للتقطير في السابق تتمثل بشكل أساسي في بنود الخدمة (Terms of Service)، بالاعتماد على قيود على مستوى قانوني. أما نهج Claude Fable 5 فيدمج مصنّفًا للذكاء الاصطناعي داخل صلب النموذج ذاته، بحيث يقوم باعتراض محاولات التقطير المكتشفة مباشرة على المستوى التقني ويخفض مستوى الاستجابة تلقائيًا، دون انتظار تدخل الإجراءات القانونية.
ما هو تقطير النماذج، ولماذا يصعب تحديد التقطير القانوني وغير المصرّح به بدقة على مستوى تقني؟
تقطير النماذج (Knowledge Distillation) يعني استخدام مخرجات نموذج كبير لتدريب نموذج أصغر، بحيث يتعلم الأخير قدرات النموذج الأول. ويتشابه التقطير القانوني (وفق استخدام مرخّص للمخرجات) مع التقطير غير المصرّح به (استعلامات منهجية واسعة لاستخراج بيانات التدريب) على مستوى طرق التشغيل التقنية بشكل شبه كامل، ما يجعل تصنيف مُصنِّف الذكاء الاصطناعي تلقائيًا ينطوي على صعوبة في الحكم.
ما التأثيرات المعروفة لهذه الآلية على عملية تدريب مختبرات الذكاء الاصطناعي الصينية مثل DeepSeek؟
لم تنشر Anthropic بيانات كمية محددة حول تأثير هذه الآلية على مختبرات بعينها. ووفقًا لتحليل الباحث الخارجي Nathan Lambert، تمتلك المختبرات الصينية نماذج مفتوحة المصدر من Meta وGoogle، وبنية تحتية للتعلم المعزز، وخطوط توليد بيانات تركيبية؛ وأن الحماية ضد التقطير تُعد إعاقة وليست عائقًا جذريًا. وتقييمات Lambert تمثل تحليلًا خارجيًا مستقلًا وليست موقفًا رسميًا من Anthropic.
