9 月 11 日，Anthropic 发布了每月例行的威胁情报报告。和以往不同的是，这一次报告用相当大的篇幅点名了七家中国 AI 实验室——阿里巴巴、月之暗面（Kimi）、DeepSeek、智谱、小米、商汤、MiniMax——指控它们通过虚假账户、中转服务和真实用户流量，大规模蒸馏 Claude 的能力。9 月 12 日，中国商务部公开回应，称美方对中国大模型「工业规模蒸馏美模型」的指控「于事无凭，于法无据」。
这不是 Anthropic 第一次发难：今年 2 月 23 日，它就发布过《检测和防止蒸馏攻击》一文，指控 DeepSeek、月之暗面、MiniMax 用约 2.4 万个欺诈账户与 Claude 交互超过 1600 万次。时隔半年，指控从 3 家扩大到 7 家，规模数字也大了一个数量级。
这篇文章不站队——报告是单方指控，不是法院判决，双方各执一词。我们要做的是三件对开发者有用的事：把报告里的事实摆清楚、把「蒸馏」这个被污名化的技术讲明白、给你一份用 API 输出训练自己模型时的合规自查清单。
一、报告里到底指控了什么
先把媒体报道中引用的报告要点按对象整理出来（以下均为 Anthropic 单方面说法，被点名公司多数尚未逐条回应）：
| 被点名方 | 报告指控的蒸馏规模 | 报告声称的用途 |
|---|---|---|
| 阿里巴巴 | 5–7 月超 1.51 亿次交互，峰值近每日 300 万次 | 提取 Claude Opus 4.6/4.7 的完整推理链，用于训练 Qwen 3.5–3.7 |
| 月之暗面 | 5–7 月可归因交互超 2300 万次；10 天内近 30 万条真实用户请求被转给 Claude 代答 | 提取 Claude 推理文本作训练数据 |
| DeepSeek | 仅 7 月的 14 天内超 1200 万次可归因蒸馏交互 | 与月之暗面类似的方式 |
| 智谱、小米、商汤、MiniMax | 报告列名，细节较少 | 未完整公开 |
比起 2 月那次指控，这份报告多出一个全新且更敏感的说法：被转发给 Claude 的请求里，包含真实用户的对话内容，部分涉及大型跨国企业和与国家机关相关的敏感信息。这正是「蒸馏争议」从知识产权问题升级为隐私与数据合规问题的转折点——如果用户和 Kimi 聊天，提问却在不知情的情况下被转给 Claude 回答，这不只是模型能力的问题，而是用户数据被转手给第三方的问题。
二、蒸馏本身不脏：全行业都在用的常规技术
理解了指控，先别急着愤慨——「蒸馏」（Distillation）本身是完全正当、公开写在教科书里的训练方法。简单说：
- 教师–学生架构：用一个能力强但昂贵的「教师模型」的输出去训练一个更小更便宜的「学生模型」。
- 软标签比硬答案有用：教师输出的概率分布（而不只是最终答案）携带了「这个答案有多确定」的信息，学生学到的不只是答案，还有判断方式。
- 成本差是驱动力：用前沿模型标注或生成训练数据，比自己雇人标注便宜几个数量级。
蒸馏合法甚至值得尊敬的例子比比皆是：Hugging Face 上大量社区微调模型是用 GPT 系列输出训练的；很多小模型明确标注「distilled from …」；Llama、Qwen、DeepSeek 的开源生态里，蒸馏是模型卡上坦然写出的标准流程。去年底 DeepSeek-R1 把推理链蒸馏到小模型上，还被《自然》杂志评价为重要贡献。
所以这次的争议焦点从来不在蒸馏技术本身，而在于报告指控的三个行为，把它们和普通蒸馏区分开：
- 用虚假账户和中转服务绕过访问限制——违反服务条款，性质接近「爬取」而非「使用」；
- 把真实用户的对话转手给第三方模型——触碰隐私和数据合规红线，用户不知情是大问题；
- 以竞品训练为目的、规模化提取受保护模型的推理输出——大多数 API 条款明确禁止用输出开发竞品模型。
三、对普通开发者：你的红线在哪
这才是和读者切身利益相关的部分。很多开发者、创业团队都干过或想干这件事：调用 GPT / Claude / Gemini 的 API 生成问答对，拿来微调自己的开源小模型。到底行不行？答案取决于三件事：你用的模型条款、你的用途是否构成竞争、你的数据从哪来。
截至发稿，主流厂商 API 条款的通行做法大致是（请务必以官网最新条款为准，各家常改）：
| 用途 | GPT 系列 API | Claude API | Gemini API | 开源模型自生成数据 |
|---|---|---|---|---|
| 一般应用内使用输出 | 允许 | 允许 | 允许 | 允许（视许可证） |
| 用输出微调非竞品模型/产品 | 多数条款默认不允许或需授权，逐案判断 | 明确禁止用于开发竞品，边界在「是否竞争」 | 类似竞品条款 | Llama/Qwen/DeepSeek 等开源权重普遍允许，仍看各自许可证 |
| 用输出训练竞品模型 | 禁止 | 明确禁止 | 禁止 | 不涉第三方条款，但注意训练数据来源合法性 |
实际操作前，给自己过一遍这份自查清单：
□ 我的训练数据里有没有直接来自商业 API 的输出？
□ 如果有：该 API 条款是否禁止「用输出训练模型」？我的模型和提供方是否构成竞争？
□ 我的输入数据是否包含最终用户的真实对话？用户是否知情并同意数据可能被用于训练？
□ 我是否通过第三方中转/拼车渠道获取的 API 额度？（条款约束可能更复杂，且中转方行为你控制不了）
□ 我能否改用「蒸馏友好的」来源：开源模型自生成、公开数据集、人工标注？
一句实话： Anthropic 这份报告的威慑对象不只是大厂。如果你在一个小团队里用中转站的 Claude 额度批量生成训练数据，你大概率也在违反同一份服务条款——只是规模小到不会被写进威胁情报报告而已。合规这事，规模小从来不是豁免理由，只是被发现概率低。
四、这件事接下来看什么
短期内值得跟踪的信号有三个：被点名的七家公司是否逐条回应或有法律动作；中国监管方除商务部表态外是否有进一步措施（这会影响国内模型 API 的服务条款收紧方向）；以及各大厂是否会借此机会把「反蒸馏检测」写成更严格的风控条款——对普通用户最直接的影响，可能是 API 的异常调用检测变得更敏感，批量任务更容易被限流。
常见问题
Q：用 ChatGPT 帮我写代码，再把代码放进自己的产品，算违规蒸馏吗？ 不算。条款针对的是「用输出开发或训练模型」，应用内直接使用输出（包括代码、文案）是 API 的正常用途。
Q：我自己跑开源模型生成数据微调另一个开源模型呢？ 这正是蒸馏的正当用法。注意源模型的许可证（如 Llama 社区许可对超大平台有附加要求，DeepSeek/Qwen 多为宽松协议），以及生成内容本身的版权风险。
Q：报告里的数字可信吗？ 1.51 亿次交互这类数字是 Anthropic 基于自身流量归因的单方数据，被点名方尚未确认。引用时记得标注「据 Anthropic 报告称」。
小结
模型蒸馏是正规技术，绕限制抓输出、转手用户数据才是问题——把这两件事分开，是看懂这整场风波的钥匙。对开发者来说，行动项很具体：翻一遍你正在用的 API 条款，确认输出数据的去向，能换开源来源的就换。行业巨头互相指责的背后，其实是同一条规则在收紧：大模型的输出越来越被视为资产，而不再是可以随意拿走的数据。