据路透社周三发布的 The Information 报道，中国人工智能开发商 DeepSeek 和 Moonshot AI 严重依赖 OpenAI 的 GPT-6 Astra 模型的输出来训练他们的最新系统。该报告援引了直接了解此事的人士的话，并强调称所谓的 Astra 输出的使用尚未得到独立证实。
如果准确的话，这些说法将使 OpenAI 陷入同样的蒸馏争端的中心，而这场争端已经让其主要竞争对手陷入困境。对于关注 AI 新闻 模型竞赛和训练实践的读者来说，这个故事是在 Anthropic 公开指责这两个中国实验室（以及阿里巴巴）提炼其 Claude 模型的三个月后发生的。
涉及哪些模型？
该信息的报告提到了两个特定系统。 Moonshot AI 上周发布的 Kimi K3.1 Pro 和 DeepSeek 10 月 17 日推出的升级版 V4.1-Flash 1017 据说都受益于使用 OpenAI 前沿模型的蒸馏。 DeepSeek 和 Moonshot 都没有证实这种做法，报告本身也警告称，Astra 输出的使用尚未独立建立。
在业界的用法中，蒸馏意味着根据能力更强的模型的输出来训练一个模型，以便学生学会重现老师的反应。实验室无需通过独立的培训运行来支付每项功能的费用，而是可以查询领先的系统并将其答案用作高质量的培训信号——更便宜、更快，并且对于如何构建有竞争力的模型越来越重要。
一种指控模式——以及新的辩护
该报告发布之际，一年来有关模型提取的指控不断升级。 9 月份，美国政府表示，中国公司对美国人工智能公司发起了大规模的蒸馏活动——The Information 指出，这一声明与专门针对 GPT-6 Astra 的新报告是分开的。 Anthropic 8 月份指控阿里巴巴、DeepSeek 和 Moonshot 提炼了克劳德模型，为当前的斗争奠定了模板。
防御也在加强。本月早些时候，Anthropic 表示，旨在防止竞争对手复制 Claude 能力的新措施已将通过所谓的蒸馏攻击收集的数据减少了大约 90% 至 99%。该图表明，监控查询模式、限制访问和限制可疑活动的速率可以显着提高提取成本——尽管防护措施只有在攻击者适应后才能发挥作用。
OpenAI 没有透露是否检测到针对 GPT-6 Astra 的类似模式，也没有透露是否计划根据该报告改变政策。与竞争对手一样，该公司的服务条款限制使用输出来训练竞争模型。
蒸馏可以做什么和不能做什么
技术现实比头条新闻所暗示的更加微妙。输出可以提供有用的训练信号，但它们不会传输模型的架构、训练数据、内部参数或其每一项功能。蒸馏的有效性取决于所收获示例的质量和多样性以及包含它们的训练过程。精炼模型可能会在与所收集数据相似的基准上与老师相匹配，而在其他地方仍然较弱。
这种细微差别是双向的。这意味着所报告的蒸馏活动并没有揭示竞争对手模型的性能实际上有多少来自于提取，是否违反了服务条款，或者最终的功能是否会出现。但这也意味着大规模收获可以让竞争对手更快地获得特定能力——特别是编码和推理，前沿模型和快速追随者模型之间的差距全年都在缩小。
该行业的艰难平衡
这场争论的双方都认为这种做法并不简单。蒸馏本身并不是不恰当的——人工智能开发人员通常使用在自己的模型之间转移知识的技术——而对领先系统的广泛访问使得初创企业、研究人员和企业能够构建产品。紧张局势会大规模出现：不受限制的访问使第三方更容易收集大量输出数据集，用于提供商从未授权的目的。
提供商为应对而部署的保障措施本身就有成本。监控异常查询模式、限制对某些功能的访问、施加使用限制以及调查批量收集都会增加提取的成本，但它们也会给依赖稳定 API 访问的合法开发人员和企业带来操作摩擦。实际上，该行业正在就合法模型开发结束和未经授权的提取开始的地方进行谈判，一次一项政策变化。
这场斗争背后的经济学
实验室关心的原因是算术。训练前沿模型需要花费数十亿美元的计算和研究费用。如果竞争对手能够通过以 API 价格系统地查询现有模型来重现重要功能，那么构建前沿系统的财务优势就会缩小，而继续构建该系统的动力也会随之缩小。这种逻辑解释了为什么美国实验室在 2026 年加强防御，也解释了为什么每一项新指控与其说是八卦，不如说是一场即将到来的经济战争的数据点。
对于中国开发者来说，计算方式有所不同。对最先进芯片的访问受到限制，而蒸馏提供了一条在不匹配计算预算的情况下获得具有竞争力的性能的途径。 The Information 的报告表明，这条路径贯穿了 OpenAI 自己的旗舰——同样的指控，针对不同的目标。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
