Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci ora
Il modello open-weight più cyber-capace è già scaricabile: la difesa riduce i dati estratti, ma non le capacità diffuse
Anthropic ha annunciato di aver ridotto del 90-99% i dati estratti dai distiller grazie a un nuovo classificatore, come riportato nella ricerca pubblicata lunedì. La misura conta perché la distillazione su scala industriale, con oltre 24.000 account fraudolenti e 16 milioni di scambi, alimenta capacità offensive. Il dubbio resta l'open-source: il modello GLM-5.3 è già scaricabile.
Dal 12 ottobre Anthropic ha un numero: 90-99%. È la riduzione dei dati estratti dai distiller ottenuta con i nuovi metodi annunciati dall’azienda due giorni fa. Non è una vittoria definitiva, ma una tappa in una guerra cominciata mesi prima.
Un classificatore che taglia il 90-99%
La stima arriva dalla ricerca di Anthropic pubblicata lunedì. Le prime evidenze indicano che questi metodi hanno ridotto la quantità di dati raccolti dai distiller di circa il 90-99%. Il cuore tecnico è un classificatore. Dopo la sua introduzione, il numero di token di ragionamento estratti dai distiller è costantemente da 10 a 100 volte inferiore rispetto a prima.
Anthropic ha anche misurato l’effetto sulla qualità: addestrando su trascrizioni complete, il modello distillato raggiungeva l’80,4%; con solo le trascrizioni riassunte, il 71,8%. Il divario mostra quanto conti la qualità del materiale estratto. In pratica, un distiller che riceve dati degradati costruisce un modello più debole.
Ma perché Anthropic ha dovuto costruire un classificatore? La risposta sta in un attacco partito mesi fa.
La guerra della distillazione
Anthropic era già scesa in campo a febbraio. La divulgazione di febbraio 2026 è stata la sua prima accusa pubblica di distillazione su scala industriale, con i nomi di DeepSeek, Moonshot e MiniMax. I numeri danno la misura del fenomeno: oltre 16 milioni di scambi con Claude generati tramite circa 24.000 account fraudolenti, in violazione dei termini di servizio. E una sola rete gestiva più di 20.000 account contemporaneamente.
Non è un problema solo di Anthropic. Google DeepMind e GTIG hanno identificato un aumento dei tentativi di estrazione di modelli, o attacchi di distillazione, che violano i termini di servizio di Google, come descritto da Google Cloud. OpenAI, dal canto suo, ha dichiarato che individui che lavorano per conto di Moonshot AI erano dietro un “core cluster” dell’attività di distillazione, come riportato da Cyberscoop.
Ma se la difesa funziona, perché il rischio non è sparito? La risposta è nell’open-source.
Il modello più cyber-capace è già fuori
Il problema di fondo è noto da febbraio: i laboratori stranieri che distillano modelli americani possono alimentare capacità non protette in sistemi militari, di intelligence e di sorveglianza. Questo consente a governi autoritari di impiegare l’IA di frontiera per operazioni cyber offensive, campagne di disinformazione e sorveglianza di massa. Lo scrive la stessa Anthropic.
E se i modelli distillati vengono resi open-source, il rischio si moltiplica: quelle capacità si diffondono liberamente oltre il controllo di qualsiasi singolo governo. È qui che il paradosso diventa concreto. Lo scorso settembre, secondo il CAISSI — il Centro statunitense per l’avanzamento dell’innovazione e degli standard per la superintelligenza — il modello GLM-5.3 è stato valutato come il più cyber-capace tra i modelli open-weight rilasciati finora. Non un dettaglio tecnico: il modello più pericoloso della categoria è già pubblico.
La domanda, a questo punto, è quanta differenza faccia un classificatore se il danno è già fuori. Per chi fa impresa online, il parametro di rischio non è più se il modello verrà copiato, ma quanto delle capacità più avanzate è già open-source e scaricabile da chiunque. Il GLM-5.3 più cyber-capace lo è. E questo cambia il calcolo della sicurezza.
