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
›

OpenAI称月之暗面发动蒸馏行动,开源权重对手正缩小差距

OpenAI于10月1日表示,它阻止了一场从其模型中提取推理能力的协同行动。该公司把这项活动的核心部分归因于与中国月之暗面(Kimi的开发商)有关联的人员。OpenAI称,7月下旬的两天内,来自4000多名用户的请求量激增至16000次。

人工智能与模型分析林晓雯发布: 2026年10月1日6 分钟阅读资料来源 7
OpenAI称月之暗面发动蒸馏行动,开源权重对手正缩小差距

CNBC周四报道了这一披露,《The Register》同日转载。两家媒体都提到时间点:消息传出与Anthropic公开对中国开发者提出指控是同一周。OpenAI称,相关活动始于7月初,在7月24日和25日达到高峰。到7月28日,公司表示已将该行动彻底关停。

没有任何数据被攻破。

OpenAI对CNBC表示,操作者没有破解其加密、没有入侵其数据库,也没有接触到存储的用户对话。公司称,他们操纵了模型交互,让受保护的推理以请求方能读懂的形式返回。《The Register》引用了OpenAI周三博客的原话:“操作者没有破解我们的加密,没有入侵数据库,也没有直接访问存储的用户对话。”

蒸馏在这里到底指什么

OpenAI把这种手法称为“对抗性蒸馏”。这个思路在机器学习里并不新鲜:用一个模型的输出去训练或改进另一个模型。OpenAI描述的是放大版。批量查询的目的在于复制更大模型的推理和能力,而不只是最终答案。公司认为,提取推理让竞争对手无需在训练和安全工作上花同样的钱,就能复现先进行为。它把这件事定性为安全和国家安全问题,而不只是商业问题。

《The Register》对观感的评价很直接。该报9月30日的标题称OpenAI的投诉颇具讽刺意味。报道写道,OpenAI“在版权纠纷中大量抓取互联网内容”,却把自己模型被蒸馏当作安全风险。这是当前报道中最有力的反驳,值得直说:关于训练数据的同一套说辞,换个说话的人,含义就不同。OpenAI自身模型的参数规模达到90亿级别,而它现在要求别人不得复制这些能力。

OpenAI表示,无法确定所有操作者是否属于同一主体。它只把“核心部分”归因于与月之暗面有关联的人员。月之暗面没有立即回应CNBC或《The Register》的置评请求。《The Register》还询问OpenAI哪些模型成为目标,未获回复。这个细节很重要,因为任何蒸馏指控的严重程度都取决于被复制的是什么。

“对抗性蒸馏带来安全和国家安全风险,”OpenAI周三表示。“被提取的推理可能被用来训练另一个模型,而不保留原模型面向用户输出时所施加的防护措施。”

围绕开放权重的更大争斗

这项指控处于AI能力分配方式更大转变之中。开放权重模型已从少数人的发布习惯,变成生产流量中不可忽视的一部分。近期行业报道称,开放权重模型首次处理了大部分AI token。报道还称,token账单正把企业工作负载推向开放权重选项。两项说法都未获证实,因此只能当作趋势方向,而非确认的数字。

可以核实的是,压力确实存在。据《The Register》报道,Anthropic在OpenAI博客发布前一周推出的Claude Opus 5.5,带有一种名为“保留思考”的防蒸馏机制,与Fable 5.1一同推出。这是产品层面对训练层面问题的回应。如果模型厂商开始把防提取功能写进已发布的模型,说明它们把蒸馏当成长期存在的事,而不是一次性事件。

政府一侧也有记录可查。《The Register》指出,7月下旬,美国总统特朗普的科技助理Michael Kratsios指控月之暗面通过蒸馏Anthropic的Fable来构建其Kimi K3模型。这一指控比OpenAI的博客早约两个月,涉及的也是另一家公司的模型。这些指控并非只针对一个实验室或一起事件。

与此同时,开放权重生态仍在出货

美国实验室争论抄袭问题时,开放权重生态本周发布了一连串成果。Meta的研究部门发布了Context Language Models,这种方法把模型的上下文当作一个由模型自己更新的文件。该仓库来自一支横跨华盛顿大学、Meta Superintelligence Labs、MIT和Trillium Labs的团队。它报告在BrowseComp-Plus上准确率提高11.4%,FLOPs减少21.5%。报告还称,Qwen3.5-9B在同一基准上经过在线强化学习后提升47.6%,所用FLOPs减少12%。

另外,英国AI安全研究所和Meridian Labs发布了Inspect,一个面向前沿模型的开源评测框架。Inspect自带200多项预置评测。它支持在沙箱内运行Claude Code、Codex CLI和Gemini CLI等任意外部代理。正是这类基础设施让开放权重模型的独立测试更便宜。对任何主张限制能力转移的人来说,这有点尴尬。

还有志愿者参与的一面。一个名为Coop的项目正在捐赠的消费级硬件和免费服务额度上预训练一个小模型。伪梯度以Hugging Face拉取请求的形式提交,由一个无状态的GitHub Actions定时任务汇总。其第一阶段运行是在TinyStories上训练一个1500万参数的模型,六天内超出Chinchilla最优预算完成,验证损失从9.01降到2.8。它很小。它也证明训练循环可以不需要数据中心。

还有一个名为PSSA的非Transformer模型,用Rust从零写起,声称采用循环状态空间层和情景记忆库实现线性时间推理。项目自己的仓库称,在同一CPU上,它生成文本比参数相当的Transformer快约十二倍,在相同参数下学习更快。其训练流程仍依赖DeepSpeed,作者也承认这一限制。这些基准说法应视为项目方的说法,而非独立验证的结果。

这项指控为何难以裁决

令人不安的地方在于,双方都能指出真实的行为。OpenAI可以指出两天内来自4000多名用户的16000次请求,称这一模式违反了其服务条款。批评者可以指出美国建造的每一个前沿模型的训练数据来源。两个事实并不能相互抵消。公开细节无法判定哪个模型成为目标,也无法判定实际转移了多少能力。

OpenAI表示,它封禁了相关账户,收紧了注册和基础设施控制,扩大了监控,并堵住了一条让人重放他人加密推理以还原内容的路径。它通过Frontier Model Forum和政府信息共享渠道分享了发现。这些是具体的缓解措施。它们描述的是对提取的防御,而不是对底层经济账的修正:只要蒸馏比训练便宜,就会有人尝试。

评论 0

资料来源

7
  1. 01AI race heats up as OpenAI flags alleged model-copying campaignEN
  2. 02Irony alert: OpenAI whines that Chinese model stole its special IP that it stole from everybody elseEN
  3. 03Context Language Models (CLMs)EN
  4. 04Inspect: An open-source framework for large language model evaluationsEN
  5. 05Coop: A small language model pretrained by volunteersEN
  6. 06PSSA: A non-transformer language model written from scratch in RustEN
  7. 07OpenAI unveils AI assistant 'dots' while safety worries delay new modelEN

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。