一篇新論文指出，Anthropic、OpenAI 和 Google 的 API 會回傳加密的思維鏈（chain-of-thought）區塊，這些區塊可跨會話、使用者與模型進行重放。研究人員發現，同系模型共用相同的加密密鑰，因此將較強模型的推理軌跡餵入較弱的同系模型中，即可透過越獄（jailbreak）以明文形式還原隱藏的推理內容。

例如，Claude Haiku 4.5 透過特定提示詞即可輕鬆被越獄，從而逐字轉譯附加的推理內容。此漏洞揭露了主要供應商在保護 API 內智慧財產權方面的重大安全缺陷，並證明較弱的模型可作為解密神諭，使攻擊者能夠繞過頂尖模型的對齊與隱私保護機制。

事件背景

大型語言模型通常會在產生最終答案之前生成「思維鏈」或推理軌跡，以提升準確性。為了保護智慧財產權，OpenAI 和 Anthropic 等供應商會加密這些軌跡並回傳給客戶端，而非儲存在伺服器端。這允許客戶端在後續請求中重複使用推理內容，而無需重新計算。

社群觀察

社群成員對公司重視虛構威脅卻讓此類漏洞溜走表示不滿。有人建議供應商可能僅將較弱模型限制於內部使用，或為每個模型分配獨特的加密密鑰，以防止軌跡互通。