Anthropic 再次在威胁情报报告中点名中国 AI 公司。
9 月 10 日，Claude 开发商 Anthropic 发布最新报告，点名阿里巴巴、月之暗面、DeepSeek、智谱、小米、商汤和 MiniMax 七家公司，称其开展了未经授权的模型蒸馏活动。
报告中规模最大的一项指向阿里。Anthropic 称，今年 5 月至 7 月，观察到超过 1.51 亿次可归因于阿里的交互，用于提取 Claude 的推理能力。
另一部分指控涉及用户请求流转。Anthropic 表示，月之暗面和 DeepSeek 曾将部分用户请求转交给 Claude，再把 Claude 的回答返回给用户；还有公司被指将用户对话用于生成训练数据。
这些内容均来自 Anthropic 公布的调查结论。
报告覆盖哪些内容
这份报告覆盖的是 2025 年 12 月至 2026 年 8 月期间，Anthropic 称其发现并阻断的 AI 滥用活动，涉及网络攻击、监控、舆论影响、诈骗、生物领域滥用、常规武器开发和蒸馏七类问题。
报告提到的一个主要观察是，攻击者越来越多地让 AI 直接执行和协调任务，例如自动推进网络入侵，或运营大量虚假交友账号。
与中国 AI 模型直接相关的是蒸馏章节。Anthropic 对七家公司的统计基于不同观察时间，文中也提示，这些数字不能直接当作同一时期的使用量排名。
Anthropic 所说的“非法蒸馏”指什么
蒸馏通常可以理解为让一个模型跟着另一个模型学习：先由能力更强的“教师模型”生成答案或推理过程，再把这些材料用于训练“学生模型”。Anthropic 在报告中承认，蒸馏本身是常见的训练方法。
它在报告里所称的“非法蒸馏”，是指未经授权、以隐蔽方式进行、并达到工业规模的能力提取。按其描述，相关活动可能借助代理“中转站”、虚假账号或被盗凭证绕过访问限制，再大规模收集模型输出。
Anthropic 认为，这轮争议的重点在于模型的推理过程。最终答案只能告诉训练模型结果，推理过程则包含如何分析和完成任务的路径，因此更适合作为训练材料。报告称，相关提取行为主要针对编程、工具调用、数据分析和长流程任务等能力。
按文中逻辑，判断争议不能只看是否使用蒸馏技术，还要看数据来源、访问是否获得授权、是否绕过限制，以及用户是否知情。仅凭使用蒸馏技术，无法直接判断一家公司的具体行为是否违法。
为什么用户数据也被卷入争议
按照 Anthropic 的说法，部分月之暗面和 DeepSeek 用户原本以为请求被提交给自己选择的模型，实际却被转发给了 Claude。
如果这一指控成立，随之而来的问题包括：用户信息经过了哪些服务商，以及这些内容是否被进一步用于模型训练。
不过，Anthropic 在原文中对用户是否获得通知的表述并不完全一致。以月之暗面为例，报告写的是，Anthropic 不知道该公司是否通知了客户。
Anthropic 还提出了一个安全层面的理由：即使提取了模型能力，也未必会连同原模型的安全限制一起复制过去。这也是其将蒸馏列入威胁报告的原因之一。
报告披露的应对措施包括检测异常提取行为、封禁相关账号、以摘要替代完整推理内容，以及加强身份验证。
被点名公司尚未见到可核实正式回应
截至 2026 年 9 月 11 日本文资料核验时，尚未找到上述七家公司针对这份 9 月报告的可核实正式回应。
不过，围绕蒸馏的公开讨论此前已经出现。7 月 24 日，微软发布了一封由 Hugging Face、Meta、Mistral、英伟达等企业共同签署的公开信。
这封公开信主张，政策制定者应区分正常的模型开发技术与不当侵占。信中认为，蒸馏是广泛使用的模型改进方法；对于非法提取闭源模型价值所引发的问题，应通过更有针对性的法律和商业规则处理，而不是把限制扩大为对技术本身的一刀切约束。
业内对蒸馏作用与边界存在分歧
技术层面并没有形成统一看法。
7 月 23 日，TechCrunch 在讨论 Kimi K3 的蒸馏争议时，引用了 AI 研究者 Nathan Lambert 的观点。他表示，随着模型越来越接近前沿水平、训练重心转向强化学习，仅靠监督微调式蒸馏，已经很难解释全部能力提升。
Laude Institute 研究者、Snorkel AI 联合创始人 Braden Hancock 也认为，美国舆论低估了中国团队的技术实力。
这些表态讨论的是蒸馏的技术作用和监管边界，并没有逐项核验 Anthropic 9 月报告中的具体指控。
争议焦点仍待更多信息披露
目前外界看到的主要还是 Anthropic 的单方面调查结论。被点名企业是否会回应相关账号和数据来源、用户请求是否确实被转发、相关训练数据如何获得授权，仍是后续需要观察的重点。
文中提到的几个关键问题也尚未得到公开解答，包括 1.51 亿次交互如何完成归因、用户请求是否经过授权转发、哪些对话被用于训练。
这场争议也把普通用户卷了进来。当用户向一个 AI 产品输入代码、商业资料或私人对话时，背后处理这些信息的是否只有页面显示的那个模型，已经成为此次事件引发的核心疑问之一。