跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

美国议员就模型权重被窃问题致信OpenAI、Anthropic等五家公司

据路透社10月1日报道,美国众议员罗·卡纳已致信OpenAI、Anthropic、谷歌、Meta和SpaceX的首席执行官,询问他们对中国或其他敌对行为者试图窃取其模型权重的情况了解多少。

人工智能与模型解释林晓雯发布: 2026年10月1日3 分钟阅读资料来源 5
美国议员就模型权重被窃问题致信OpenAI、Anthropic等五家公司

据The Next Web报道,这些信还要求各公司说明其用于阻止此类窃取的网络安全措施。卡纳代表硅谷部分地区,是众议院中国问题特别委员会的首席民主党人。

据路透社报道,他写道:“(中国)窃取这样的模型权重,敲几下键盘就可能削弱美国在人工智能领域的领先地位。”这些公司以及中国驻华盛顿大使馆未立即回应路透社的置评请求。

模型权重究竟是什么

模型权重是训练过程中学到的数字,正是它们让人工智能模型得以运行。任何掌握这些权重的人都能运行该模型的一个副本,这也是它们成为当前美国实验室与其中国竞争对手之间争论核心的原因。同一天,卡纳还致信三家中国实验室DeepSeek、阿里巴巴和月之暗面(Moonshot AI),并向美国情报界另致一函,询问他们如何应对先进人工智能带来的风险。

卡纳对路透社说:“你不能指望硅谷的科技亿万富翁来制定保障我们安全的规则。”

时机并非偶然。据CNBC报道,OpenAI于10月1日表示,它已发现并阻止了一场有组织地提取其模型受保护推理内容的行动,并将该活动的核心集群与Kimi的开发商月之暗面联系起来。该活动始于7月初,后来在两天内激增至来自4000多名用户的16000次请求。OpenAI表示,它已在7月28日前完全阻止了这场行动。

OpenAI称该行动为“对抗性蒸馏”,即利用一个模型的输出或推理来训练或改进另一个模型的技术。该公司表示,操作者并未突破其加密、数据库或存储的用户对话。他们转而操纵模型交互,使隐藏的推理能以请求者可见的形式被复制出来。OpenAI表示,尚不清楚所有操作者是否都与单一行为者有关,并称已通过前沿模型论坛和政府信息共享渠道分享了调查结果。月之暗面未立即回应CNBC的置评请求。

怀疑的解读

The Register在9月30日说得更直白,指出OpenAI“在版权纠纷中大量抓取互联网内容”,如今却把自己输出的蒸馏描述为国家安全风险。同一篇报道援引美国总统唐纳德·特朗普的科技助理迈克尔·克拉齐奥斯的话,他在7月下旬指责月之暗面通过蒸馏Anthropic的Fable来构建其Kimi K3模型。Anthropic一周前发布的Claude Opus 5.5自带一种名为“保留思考”的防蒸馏机制。

其中有多少得到证实是另一个问题。OpenAI和Anthropic都指责包括月之暗面与DeepSeek在内的中国企业进行蒸馏。但据The Next Web指出,公开已知的模型权重被窃案例寥寥无几。

关注点也在转向政策。据BBC报道,在9月30日的OpenAI开发者日上,萨姆·奥尔特曼表示,公司要等到能够“做出有把握的安全决策”时才会上市,上市估值可能高达14000亿美元。特朗普当天会见科技领袖时重申,人工智能公司应当自我监管。

评论 0

资料来源

5
  1. 01US lawmaker asks five AI firms how they guard model weights from ChinaEN
  2. 02AI race heats up as OpenAI flags alleged model-copying campaignEN
  3. 03Irony alert: OpenAI whines that Chinese model stole its special IP that it stole from everybody elseEN
  4. 04OpenAI unveils AI assistant 'dots' while safety worries delay new modelEN
  5. 05OpenAI announces 'dots' agent after scrapping launch of new AI model over safety concernsEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。