OpenAI、Anthropic、Google罕见联手反蒸馏：DeepSeek、Moonshot、MiniMax用1600万次Claude对话换来什么

4月6日，彭博社披露：OpenAI、Anthropic和谷歌已经开始通过Frontier Model Forum——三家公司2023年与微软共建的产业组织——共享针对中国AI公司的"对抗性蒸馏"（adversarial distillation）攻击数据。这是这三家平日里互相挖人、互相争夺客户、互相在国会山下绊脚的前沿实验室，第一次以联盟姿态出现在同一张桌子前。它们要对付的对象只有一个：DeepSeek、Moonshot AI、MiniMax这一批中国AI企业。

事情的引线，是Anthropic于2026年2月公开的一份系统性披露。其信任与安全（Trust & Safety）团队从自家API日志中识别出"工业规模的蒸馏行为"——DeepSeek、Moonshot和MiniMax合计使用约2.4万个虚假账户，与Claude进行了超过1600万次对话，目的并非提问，而是系统性提取Claude的能力，再用这些输出训练自家模型。三家中国实验室的火力分配各有侧重：DeepSeek集中在基础逻辑与对齐，约15万次；Moonshot押在agentic推理与工具调用，约340万次；MiniMax则把火力压在agentic编码上，独占1300万次。数字精确到可指控的程度。这才是关键。

为什么蒸馏要加上"对抗性"

蒸馏（distillation）这个词在AI研究界并不新鲜。2015年Hinton等人那篇经典论文写得明明白白：用一个大模型当老师，让小模型当学生，学生学会模仿老师的输出，以低得多的成本复现大部分能力。这是公开的学术方法，也是过去十年AI业的家常工具。问题从来不在蒸馏本身。

打个不太精确但够直观的比方。一家米其林餐厅开放厨房供顾客观摩，原本是开放与自信的姿态；倘若有人雇了两万个临时工排队进店，每人只点一道菜，每人只为记下一步配方，最后凑出整本菜谱在隔壁开起了连锁——开放厨房这件事本身就被改写了。Frontier Model Forum新定义的"对抗性蒸馏"，落点正在三件事：未授权的API调用、批量伪造的账号身份、以及训练目标直接对标对方的能力边界。

1600万次对话、340万次调用、1300万次调用——这些数字不属于任何单一研究者的学术兴趣，它们来自系统化、工程化、有明确产品目标的提取行为。原本设计用来对付个体滥用的TOS（Terms of Service，服务条款）框架，在这种工业级提取面前结构性失灵。一家公司要走完一次跨境TOS诉讼，对手新一代模型早已发布两轮。OpenAI自家用GPT-4蒸馏出4o mini、Anthropic用大Claude蒸馏出Haiku，与外部对手批量蒸馏，差别不只是"自家对外人"——前者承担全部训练成本，后者把成本外包给了被蒸馏方。承担与外包，才是分界线。

仇人为何能坐到一张桌前

OpenAI、Anthropic和谷歌平时是死对头。让它们破例坐到同一张桌前的，绝非道德觉醒，而是同一笔被改写的回报模型。

训练一个前沿模型的公开估算成本，已经从GPT-4时代的1亿美元抬升到如今的10亿美元量级——基础设施、数据采购、RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）人力、长周期对齐研究，每一项都堪称行业级烧钱。这笔账要回本，靠的是模型上线后两年左右的领先窗口：企业API订阅、消费级订阅、授权许可，都需要"领先"这一资产持续兑现。一组对手只需几千万次API调用、几百万美元账单，就能把数年成果的核心能力浓缩到自家模型里——这种不对称会直接击穿前沿研究的回报模型。下一代算力账单、对齐研究的人力账单、安全评估的合规账单，都要由前一代的领先窗口供养。窗口被压缩到六个月，融资逻辑就难以为继。

但这场联手并不像表面那么干净。前沿实验室的商业基本盘，恰恰建立在"让全世界开发者用我的API"之上：开放越彻底，分发越广，估值越高。反蒸馏共享机制要落地，意味着账号审核更严、限速更紧、企业客户的合规摩擦更大——开放性本身要受损。这是联手内部第一处难以调和的张力：自卫做得越彻底，本来吸引开发者的开放性就越被削弱。Frontier Model Forum的反蒸馏机制把分散的防御整合成行业级标准——软件业有反盗版联盟，制药业有专利共享池，半导体业有跨公司知识产权框架，AI业到了不得不做的时候。但每一种保护机制都附带相应的开放性代价，这道账躲不过。

六个月的时间窗

2025年1月DeepSeek R1发布以来，关于"R1是不是蒸馏了OpenAI模型"的争论从未停止。OpenAI随后公开表态，掌握DeepSeek通过其API进行大规模蒸馏的证据；微软安全团队同期监测到异常账号活动；Anthropic的1600万次披露，把产业级蒸馏的规模第一次摆上台面。蒸馏并非R1成功的全部秘诀，但它确实是这一轮中国前沿模型快速追赶背后被广泛使用的工具，这一点在工程界已无争议。问题不在"是否发生"，而在"发生到了什么规模、谁在为此买单"。

由此观之，前沿实验室的联手并非话语策略，而是迟到的行业自卫。三家公司分别投入数百亿美元算力与数年人力把模型能力推到前沿，这些投入的回收依赖上线后的领先窗口；当对手以工业化方式把窗口从两年压缩到六个月，被压缩的不只是利润表，还有继续投入下一代研究的能力。封堵蒸馏渠道、追责伪造账号、发起跨境法律行动，都是任何受害方都会采取的正常防御。前提是，这套保护机制能够长期生效。

而这恰恰是问题最纠结之处。即便Frontier Model Forum把蒸馏渠道全部封死，Meta的Llama、阿里的Qwen、Mistral的开源权重每个季度都在向上拱——蒸馏只是追赶路径之一，并非唯一通道。封堵蒸馏争得来的，可能只是把"被压缩到六个月"延后到"被压缩到九个月"。这是行业自卫的天花板，也是这场联手最真实的局限。三家实验室嘴上不会承认，但每个产品负责人心里都清楚：护城河正以每个版本变浅一寸的速度被开源权重啃掉，反蒸馏只是延缓侵蚀，而非终结侵蚀。

对中国前沿模型团队而言，真正需要正视的不是这场联手的话术，而是它背后的产业现实：免费蒸馏美国前沿模型作为追赶捷径的窗口正在关闭。蒸馏成本几乎为零、训练数据不必自建、对齐工程不必从头做——这套低成本路径过去几年支撑了中国大模型的快速迭代，从来都建立在"对方不严格执行TOS"的默契之上。默契一旦被共享机制打破，DeepSeek、Moonshot、MiniMax们就必须把过去外包给OpenAI和Anthropic的研发账单，老老实实搬回自己的资产负债表上。代价不只是钱：自建训练流水线意味着H100的出口管制要么继续吃紧、要么转向降级版芯片加更多算力时长，前者抬高资本开支，后者拉长产品周期；自做对齐研究意味着扩招RLHF人才、扩建评估基础设施，这是过去靠蒸馏完全可以省略的环节。这才是这场联手对中国AI产业最实质的影响——不是被指控带来的名誉损失，而是商业模式被迫升级的成本压力。

所谓"罕见联手"，不外如是。这次合流的对象是产业级蒸馏，理由是合法的产品与商业利益保护，工具是行业标准加政策协同。靠蒸馏抄近路的时代正在过去；自建训练流水线、自担算力账单、自做对齐研究，是必经之路。然而别人也走得磕绊——前沿实验室刚刚被迫承认，自己的护城河正在被开源权重一寸一寸啃掉。胜负未定的，是接下来的六个月里，谁先扛不住成本曲线。