OpenAI、Claude 和 Gemini 等领先的人工智能公司正面临一项超越单纯数据保护的新安全挑战。一份最新报告揭露，先进模型可能被利用来通过窃取其“思维逻辑”，以极低的成本协助构建竞争模型。
攻击机制：什么是“压缩走私”（Compaction Smuggling）？
前沿人工智能（Frontier AI）模型依赖于应用程序接口（APIs），允许开发者与人工智能引擎进行交互。为了在不消耗巨大资源的情况下保持上下文的连续性，这些模型使用一种称为“上下文压缩”（Context Compaction）的过程，即在超出可用上下文窗口之前，将对话历史、工具调用和工作区状态汇总为精简摘要。
研究人员“Xint”发现了一个名为 Compaction Smuggling 的安全漏洞，该漏洞允许攻击者通过三个主要步骤操纵此过程：
- 第一：通过向先进模型（如 gpt-5.6-sol）提交任务来获取思维路径（Reasoning Traces）。
- 第二：引导或塑造生成的压缩（Compaction）过程，使其包含敏感信息。
- 第三：将结果发送给另一个能力较弱的人工智能模型（如 gpt-4.1 或 gpt-4o），并要求提取原始输入，而较弱的模型可以轻松做到这一点。
这种攻击绕过了 OpenAI 此前旨在防止在不同模型中重现思维路径的尝试，因为压缩过程是在最初产生思维的同一个模型内部完成的，所以这种方法能够成功。
为什么这构成战略威胁？
真正的危险在于一种被称为 “蒸馏”（Distillation） 的过程。在此过程中，从昂贵的先进模型中提取的思维和逻辑秘密被用于训练新的、成本更低的模型，这使得竞争对手无需在基础训练过程中进行巨额投资，即可获得高水平的人工智能能力。
这不仅是一个技术威胁，更是一个经济和地缘政治威胁；对领先模型如何“思考”的深入了解，使公司能够以最少的资源快速模拟其能力。
全球技术竞争背景
该漏洞的出现正值美国网络安全和基础设施安全局（CISA）警告存在有组织的数据提取活动之际。该机构指出，自 2024 年底以来，DeepSeek、阿里巴巴、Moonshot AI 和 MiniMax 等中国公司已经从 Claude、GPT 和 Gemini 等美国领先模型中提取了数十亿个标记（Tokens）。
报告证实，特别是 DeepSeek 公司，自 2024 年以来开展了有组织的活动，针对其 R1 和 V3 模型的思维能力和专业优化进行训练，这引发了人们对这些中国创新在多大程度上依赖于从西方“蒸馏”技术的质疑。
OpenAI 方面确认已修复“Compaction Smuggling”漏洞，并于 2026 年 10 月 23 日向研究人员 Xint 颁发了 6,000 美元的奖金，以表彰其发现。