AI摘要: 《The Information》爆料DeepSeek与月之暗面借GPT-6 Astra输出蒸馏训练新模型，三方均未回应，尚无实锤。蒸馏即用强模型回答训练自身模型，属行业通用技术，争议在于是否违反API条款及是否高度复制。OpenAI、Anthropic已加强设防。事件时点敏感，或为技术封锁造势。中国AI工程效率优势真实存在，但蒸馏非可持续路径，AI正从开放走向围墙高耸，竞争回归算力、数据与基础研究。
美国科技媒体《The Information》10 月 28 日甩出一个猛料：中国两家头部 AI 公司 ——DeepSeek（深度求索）和月之暗面，在训练最新模型时，大量 "借用" 了 OpenAI 最新旗舰模型 GPT-6 Astra 的输出。
报道引述知情人士的说法，点名了两款产品：
报道称，这两个模型都利用 GPT-6 Astra 的输出做了 "蒸馏" 训练。
目前，OpenAI、DeepSeek、月之暗面三方都没有回应路透社的置评请求。也就是说，这还是 "知情人士" 的单方爆料，没有实锤。什么是 "蒸馏"？说人话就是 "抄老师的解题思路"
先把这个词给普通人讲明白。
"蒸馏"，说白了就是：你拿一个强大模型的回答，去训练另一个模型。
打个比方。一个学霸花了十年苦功、刷了无数题，练成了一身本事。你呢，自己不刷题，而是把学霸做过的每一道题、每一个解题步骤都抄下来，拿去喂给自己的 "学生"。学生学得飞快，因为他不是在学知识本身，而是在模仿学霸 "怎么思考"。
放到 AI 上，就是：你不断向 GPT-6 提问，把它给出的高质量回答批量收集起来，再用这些回答去训练自己的模型。表面上，你的模型进步神速、效果惊艳；但内里，它的 "思路" 很大程度上是从老师那里学来的。
这就是为什么 OpenAI、Anthropic、谷歌这些公司急了。
它们的逻辑是：GPT 也好、Claude 也好，是我砸了几百亿美元、堆了几十万张芯片才训练出来的。你只需要花点 API 的钱，甚至绕过限制，就能把我多年的投入 "蒸馏" 走，这不是抄袭是什么？
OpenAI 在 9 月 30 日的一篇博文里直接说，它们已经把一场从 7 月开始的蒸馏行动，部分核心活动追溯到了 "与月之暗面有关联的人士"。
Anthropic 的动作更狠。本月早些时候，它声称已经采取了新的防护措施，让竞争对手通过 "蒸馏攻击" 获取的数据量，直接减少了 90% 到 99%。
这是技术捷径，还是规则真空？
要把这件事看明白，得先承认一个事实："蒸馏" 在 AI 行业里，并不是什么中国公司独创的旁门左道，它本身是一项正经的、被广泛使用的技术。
几乎所有大模型，在训练过程中都或多或少地 "学习" 过其他模型、其他数据。互联网的底层逻辑，本来就是信息的相互流动和再加工 —— 搜索引擎、翻译、推荐算法，都建立在对已有数据的学习之上。
真正的争议，卡在两个更细的地方：
第一，你用的是 "公开数据"，还是 "付费 API 背后的专有输出"？
如果一个模型的输出，是任何人都能在网页上免费看到的，那拿它做训练，属于灰色地带；但如果你是通过付费 API、并且明确违反了对方的服务条款，去批量抓取输出，那性质就更接近 "违约"。
第二，你的模型，是 "参考学习"，还是 "高度复制"？
如果蒸馏后，模型在能力、风格甚至错误上都和老师高度雷同，那确实有搭便车、复制投资的嫌疑；但如果只是借助它做一部分训练，核心能力来自自己的数据和算法，那又另当别论。
而现在，全球恰恰没有一套清晰的法律规则，来界定这条线到底在哪。
请注意，这是 "知情人士" 通过媒体放的料，三家公司都没回应，真假还没定论。
而眼下是什么节点？我们前面刚聊过 ——Anthropic 正启动 IPO，估值冲着 1.5 万亿到 2 万亿美元；全球 AI 正在经历 "去杠杆"，市场开始质疑 AI 投资的回报；中美在算力、芯片上的博弈空前激烈。
在这个时点，放出 "中国公司靠蒸馏 GPT-6 追赶" 的叙事，客观上会起到几个作用：一是给美国 AI 公司的技术封锁、API 设防提供理由；二是塑造 "中国 AI 靠抄、美国 AI 靠原创" 的印象；三是为更严格的出口管制和限制政策，制造舆论。
我不是说爆料一定是假的，但在实锤之前，要把 "事实" 和 "叙事" 分开看。 这是一个信息战和规则战并行的时代。
第二，即便蒸馏属实，也不能据此否定中国 AI 的真实进步。
这一点要讲公道。DeepSeek 这两年为什么让全球震动？不只是因为它 "便宜"，而是它在工程效率、算法优化、训练方法上，确实拿出了让硅谷都意外的东西 —— 用更少的算力、更低的成本，做出了接近前沿的效果。这种 "把一毛钱掰成两半花" 的工程能力，本身就是硬实力，不是一句 "抄袭" 能否定的。
但反过来，也不能把 "蒸馏" 当成光荣的捷径。 如果一个模型的核心能力，真的建立在对别人旗舰模型的高度模仿上，那它就始终是 "学生"，一旦老师关门、设防，进步就会立刻断档。
第三，真正的大趋势是：AI 正在从 "开放共享"，走向 "围墙高耸"。
这才是这件事对后来者最关键的信号。
你回顾一下这条线：早期，开源模型百花齐放，API 便宜，大家觉得 AI 应该自由流动；而现在，Anthropic、OpenAI 纷纷给模型设防，API 越来越贵，数据获取越来越难，连 "提问" 都在被监控和限制。
说白了，免费的 "老师"，正在一个个关门。 后来者想靠低成本模仿、快速追赶的窗口，正在迅速关闭。未来的竞争，会越来越回归到最硬核的东西：自己的算力、自己的数据、自己的基础研究。这和我们前面聊的 AI 去杠杆、Anthropic IPO、SK 海力士的存储短缺，其实是同一个大故事 ——AI 已经过了 "讲故事" 的草莽阶段，进入了比拼资本、壁垒和护城河的成年期。
第四，对中国 AI，我的判断是：既要警惕，也要自信。
警惕的是，不能把 "蒸馏" 当成可持续的路径。法律和规则一定会越来越严，靠搭便车追来的能力，根基不牢。最终还是要在基础模型、原创算法、国产算力上，把自己的根扎深；
自信的是，中国 AI 在应用落地、工程效率、场景丰富度上，有自己的独特优势，这不是模仿来的。把这些真东西守住，同时补上基础研究的短板，才是正道；
对普通用户，其实不必太焦虑 —— 模型是蒸馏的还是原创的，你用起来好用、能解决问题，就是硬道理。但可以多一个心眼：当一个行业开始互相指责 "抄袭"，往往意味着竞争进入了白热化，也意味着接下来的服务，可能会越来越贵、越来越封闭。
匡一瑶
2026/10/21 09:37
鲁克
2026/10/13 09:20
流动的沙
2026/10/09 08:46
Vicky
2026/08/13 10:18
以太坊信徒
2026/07/29 15:14
