这段时间，华尔街将Anthropic捧上了“新神”的位置。
过去一个月里，多次板块级的市场波动都被解读为与Anthropic的产品发布直接相关：周一IBM股价大跌，有交易员将导火索归因于Anthropic宣传的一款可能自动化IBM体系内某种编程语言工作的工具；2月20日网络安全板块集体回撤，被归因于Anthropic PBC为Claude推出的新安全能力；更早一些，法律科技和软件板块在月初的集中抛售，也被一些声音解释为Anthropic面向法律行业推出AI插件所引发的预期变化。
面对“市场波动都怪你们”的叙事，Anthropic CEO Dario Amodei的态度显得克制而暧昧。他在软件股下跌期间回应称：“有些人把这归因到我们身上，但我也不确定是不是我们直接造成的……股市里‘到底为什么发生’这种问题，本来就很难说。”
然而，在资本叙事之外，Anthropic近日将矛头指向了中国的大模型公司。他们发布声明，指控中国的三家主要实验室——DeepSeek、Moonshot和Minimax——对其模型Claude发起了所谓的“蒸馏攻击”。Anthropic称，这些实验室使用了超过2.4万个虚假账户，与Claude产生了1600多万次交互，目的是复制模型能力并用于训练自有模型。Anthropic甚至将问题上升到国家安全层面，声称这种非法蒸馏可能移除模型的安全护栏，使其能力被用于军事、情报和监控系统。
但这一指控很快遭到了大量质疑，并以一种极具戏剧性的方式“翻车”。有用户向Claude Sonnet 4.6用中文提问“你是什么模型？”，模型的回答竟是“我是DeepSeek。”，并且有用户通过官方API成功复现了这一现象。
马斯克在相关推文下留下了一个“😂”的表情。
几乎在同一时间，关于DeepSeek V4即将发布的消息频繁曝出，引发了市场的广泛关注。在最近参加Nikhil Kamath的访谈时，当被问及对开源和闭源的看法时，Amodei没有直接回答问题，转而指责中国模型对美国模型进行蒸馏、并为基准测试（benchmark）做过度优化。在“拉踩”一波后，他表示自己几乎全部精力都放在了打造“最聪明、最适合任务的最佳模型”上。
Amodei在访谈中说道：“首先，许多模型，尤其是来自中国的那些，往往针对基准测试做了强优化，而且不少是从美国头部实验室的‘大模型’中蒸馏出来的。最近一项测试就揭示了这一点：一些模型在常见的软件工程基准上得分很高，但当有人设计了一个未公开过、此前从未见过的新基准时，它们的表现就明显下滑。这让我觉得，它们更多是为benchmark而优化，而非为了真实世界中的使用而优化。
但除了benchmark的局限之外，模型的经济学逻辑也和以往技术完全不同。我们逐渐发现，市场对‘质量’存在一种极强的偏好。这有点像雇人：如果我对你说，你可以选择聘用全世界最好的程序员，也可以聘用排名第10000名的程序员。虽然他们可能都很强，但任何招过很多人的人都知道，能力分布是呈幂律分布的，头部与长尾的差距巨大。
模型也是同理。在一定范围内，价格其实没那么重要。只要一个模型是最强、认知能力最高的那个，无论是它的价格、还是它的交付形式，都不那么重要。因此，我几乎把所有精力都放在把模型打造成‘最聪明、最适合任务的最佳模型’上。在我看来，这才是唯一重要的事。”
值得注意的是，路透社报道称DeepSeek最快将于下周发布新一代AI模型，外界普遍推测该版本即为DeepSeek V4。而据晚点报道，DeepSeek在春节前后仅对现有模型进行了小幅升级，外界关注的DeepSeek V4则预计会在3月前后发布。CNBC报道称，市场已严阵以待，部分投资机构担忧DeepSeek再次引发类似去年模型发布时的市场剧烈波动。当时，英伟达股价一度下跌近17%，市值瞬间蒸发约6000亿美元。
针对Anthropic的指控与叙事，T3 Chat创始人t3dotgg公开进行了连夜测试并逐条反驳，认为Anthropic这次“自我打脸”，其证据并不像他们试图营造的那样“铁证如山”。他甚至气愤地表示：“你们真的让人火大。你们总在撒谎，总在挡路，总在搞一些奇怪的政策操作。”
逐条反驳，“蒸馏攻击”言论
t3dotgg指出，“distillation attack”更像是Anthropic临时创造的新词。因为Anthropic自己也承认，蒸馏在行业内长期存在，本身完全可能是合法行为，很多实验室用它制作更小、更便宜的模型，只是“可能被滥用”。这意味着，蒸馏并不天然等同于违规。
目前几乎所有主流大模型厂商都会刻意隐藏真实推理轨迹，通过二次总结模型或混淆机制，让用户看到的“思考过程”并非真实推理流程，从而防止被复刻训练。但Anthropic在最初推出推理能力时，选择了完全透明的路线，几乎不做混淆。
这一选择对开发者极其友好，方便调试系统、优化提示词、改进代码结构，但代价也非常明显：这些完整推理数据极具训练价值，非常适合用来做强化学习和蒸馏训练。换句话说，Anthropic自己把行业里最“值钱”的数据形态开放给了外界。
不仅是大模型实验室，第三方平台同样存在“间接蒸馏”的现实。例如Cursor等工具，用户用高价模型写代码，平台支付API成本，如果用户勾选了数据授权选项，平台就可以将这些输入输出用于训练自有的低价模型。这在行业中属于普遍做法，本质是“先付费使用，再复用数据”。
t3dotgg认为，Anthropic真正反对的，并不是这种模式，而是所谓“专门为了复制能力而刷请求”的行为（这一边界并未被清晰定义），并指控中国实验室正是在做这件事。
为限制开源铺垫舆论？
针对Anthropic提出的“安全威胁”论，t3dotgg认为其内部逻辑存在明显矛盾。一方面，Anthropic强调自身护栏系统极其有效；另一方面，又声称只要通过蒸馏，就能获得足以制造危险的能力。如果护栏真的可靠，就不应该泄露这些关键能力。
Anthropic还暗示，通过收集模型的“拒绝回答”和“成功回答”，就能拼接出危险能力。但在t3dotgg看来，这种说法在技术上难以成立，一个模型不会因为忽略拒绝样本就“自动进化”为危险系统。
更具争议的是，Anthropic反复强调开源蒸馏模型会导致风险失控，而自身却是至今没有发布任何开源权重模型的主要实验室之一，这种立场被认为更像是在为限制开源铺垫舆论基础。
所谓“异常规模”真的异常吗？
在归因方式上，Anthropic主要依据IP地址、请求元数据、基础设施特征和合作方线索，声称可以“高度置信”定位到具体实验室。但在云计算和代理广泛存在的现实环境下，这类证据本身就极易误判。
Anthropic对DeepSeek的核心指控之一，是其约15万次交互用于收集推理能力与安全替代回答。但t3dotgg指出，这个数量在行业内根本不算大。以他自己运营的T3 Chat AI聊天工具为例，日均交互约16万次，月请求量可达300万至400万次。也就是说，按Anthropic的逻辑，他一天就足以“偷走”全部能力。
在真实测试场景中，交互量更容易被放大。例如运行SWE-bench这类基准测试，仅两千多个任务，在每个任务调用几十次工具的情况下，一轮测试就接近12万次交互。如果反复调参、跑多轮测试，轻松突破百万乃至千万级别。这些数字本身完全可能来自正当评测和验证流程。
“这种数字太容易刷出来了。我自己当初测试GPT-5的时候，单人靠正常测试就接近这个量，也一点不奇怪，我又没有‘国家背景’，所以这些数字完全说明不了什么。”
“更离谱的是，他们把DeepSeek放在名单最前面，还是在数量比别家小好几个数量级的情况下。这反而暴露了Anthropic的意图：他们不是在认真提醒大家有一个真实的安全问题，而是在把各方情绪武器化，去打击那些让他们显得很难堪的中国实验室。”t3dotgg补充道，“他们在害怕。他们像是在试图把美国的一些成功人士，比如政客、富豪、VC圈，动员起来，集中火力攻击DeepSeek。”
对于Moonshot和Minimax的数百万乃至上千万次交互，t3dotgg同样认为合理。复杂Web应用或多工具链任务中，一次请求拆分为几十次交互是常态，长期运行自然会积累庞大数量。
新模型发布后流量迅速迁移，不对吗？
Anthropic称他们在Minimax发布被训练的模型之前就发现了这场活动，因此获得了从数据生成到模型发布的“前所未有可见性”；当Anthropic发布新模型时，Minimax在24小时内就转向，把近一半流量导向最新系统以捕获新能力。
t3dotgg自己也托管最新模型，他自信地说：新模型上线以后，超过一半流量自动迁移到最高端模型是再正常不过的用户行为。“一旦T3 Chat里出现能点的‘4.6 Opus’按钮，4.5 Opus的流量立刻掉到原来的四分之一，超过四分之三都迁到最新模型了。所以这段‘近一半流量迁移’根本不能证明什么，哪怕只是UI提示‘有新模型可用’，用户也会自然点过去。”
“我很少每读一段文字都觉得明晃晃地让人感觉不诚实。我的视角也比较特殊，我既跟不少实验室聊，也跟不少使用这些API的公司聊。但整件事，在我看来就是离谱级别的胡扯，就连我个人都能接近他们声称的这些数字，本身就说明了这里面有多大的‘话术空间’。他们图什么？简直荒唐。”
t3dotgg唯一承认的是在中国确实存在一些商业代理服务，会规模化转售Claude和其他前沿模型的访问。“这更像‘狼来了’的翻车续集：他们之前指控Windsurf，然后错了；指控xAI，也很可能错了；指控OpenAI，那次他们明显错了，而且还自己撒了谎，所以这次凭什么信？即便‘代理转售 + 隐藏流量’那段全是真的，那也未必跟他们点名的实验室有关。”
提示词模板争议
Anthropic还公布了一份所谓“被大量用于蒸馏”的系统提示词模板，强调数据严谨、透明推理和专家级分析，并认为其在多个账号中高频复现属于异常行为。
“你是一名专家级数据分析师，结合统计严谨性与深度领域知识。目标是提供数据驱动洞察，而不是摘要或可视化；结论要基于真实数据，并提供完整、透明的推理。”
t3dotgg的评价是：这段简直就像在给别人递刀。但在他看来，这类提示词是研究型产品和专家工具的标准配置，几乎任何做数据分析或研究辅助产品的团队都会使用，根本不能作为蒸馏证据。
他判断，更可能的情况是，这些中国实验室只是出于合理需求使用Anthropic模型，例如提供多模型选项、跑内部基准、验证训练数据或做对比测试。当然，不排除存在第三方代理做隐秘蒸馏的可能，但目前没有任何证据能支撑对这些实验室的点名指控。
最后，t3dotgg提出了一系列无法回避的问题：用包含Claude代码的GitHub仓库训练模型算不算蒸馏？分享Claude输出到互联网是否违规？抓取公开代码是否属于能力复制？Cursor这类模式到底算不算攻击？边界究竟在哪里？
他指出，更讽刺的是，Anthropic自身模型本来就是用互联网公开数据训练出来的，而其公司目前也正因版权和数据问题在法律层面承受压力。在这种背景下，再宣称“我们抓互联网理所当然，别人用我们就是邪恶危险”，本身就显得极为矛盾。
与此同时，t3dotgg指出，正是因为头部公司大规模爬取并封锁数据源，导致今天可公开获取的高质量数据越来越少。即便假设Anthropic的指控全部成立，这种数据匮乏的局面本身也与其商业行为密切相关。
在同一背景下，Amodei认为，数据正在变得更“动态”：在数学或Agentic编码等强化学习环境里，训练更像是做模型实验，让模型在环境中试错生成经验；这既可以被称为合成数据，也可以理解为环境交互产生的数据。随着这种模式权重上升，静态互联网数据的重要性相对下降，但数据仍然关键，基础数据仍大量存在于开放网络，而当需要对特定语言或场景做优化时，对应语料的重要性反而会上升。
“富人说资本主义不好”？
Anthropic对安全的狂热有目共睹，这次Amodei回应了是否在以“安全”为名，实现商业利益的质疑。
Amodei的回答并不明确，核心是“看行动”。他表示，早在2022年，Anthropic就已开发出早期版本的Claude（Claude 1），时间甚至早于ChatGPT的发布。当时，公司具备率先推出产品的条件，但最终选择暂缓发布。原因在于，管理层担心过早推出强力模型，可能引发行业“军备竞赛”，压缩安全研究和治理体系建设的时间窗口。
“那是一个极为特殊的时间节点：公司能够预见模型能力的潜力，其他头部机构也同样具备类似判断。因此，Anthropic选择主动放弃这一窗口期。这一决定并非秘密，而是公开可查、有据可循。直到后来，竞争对手率先发布产品、行业竞赛正式启动，Anthropic才决定跟进推出产品。”
他认为，正是这一阶段性的克制，为行业争取了数月缓冲期，有助于安全体系的逐步完善。不过，这一选择也带来了明显的商业代价。公司因此可能错失了在消费级AI市场建立领先优势的关键机会。
为了进一步说明“不是为了自己获利”，Amodei又补充了其他案例。他提到，Anthropic曾在芯片政策等议题上公开表态，甚至因此让部分供应商感到不满；在AI政策与监管问题上，公司也多次公开表达与政府不同的观点。这些选择短期内并不会带来明显商业回报，反而会增加合作摩擦与经营复杂度。
基于这一连串行动，他认为把Anthropic的立场解释为“为了自身利益量身打造的安全叙事”，整体上并不自洽。公司希望外界不要只听宣言，而是把这些决策放在一起看，再做判断。
Nikhil将这种立场类比为“富人批评资本主义”。对此，Amodei回应称，如果财富阶层真的认为资本主义存在根本问题，最直接的方式应当是停止财富积累，而不仅仅停留在言辞层面。但他的立场并非“反对AI”，而是强调理性推进。
在他看来，更贴切的类比并非“反对资本主义”，而是“支持资本主义但主张有效监管”。AI产业同样需要在创新与约束之间寻找平衡。只有在风险得到有效管理的前提下，技术红利才能长期释放。
“为了更大的善”，是不是行业惯用话术？
谈到“少数人领导高速增长公司、并可能在不远的未来驱动经济大部分”的权力集中问题，Amodei也表达了不安。他说自己不止一次公开表示，对这种权力高度集中感到不舒服，而且这种集中很多时候几乎是一夜之间发生，甚至像“意外”一样突然。
基于这种担忧，他将自己的一部分工作理解为：在技术自然演进的过程中，尽力维护一种权力制衡。他给出了两个抓手，一是，Anthropic设立了特殊治理结构“长期利益信托”（Long-Term Benefit Trust），该结构拥有任命董事会多数成员的权力，并由与财务利益无直接牵连的人组成，用以对单一决策者形成制衡；二是，他认为政府必须在这一过程中扮演角色，并主张更主动、但也更理性的监管框架。
当Nikhil进一步追问“为了更大的善，而不是为了股东、收入和利润”是不是行业惯用话术时，Amodei没有直接回答“是”或者“否”，而是绕了个弯子：“Anthropic从创立之初就尽量少做承诺，但做出的承诺会尽力兑现”，之后细数了公司做过的事情。
“外界当然可以编造各种阴谋论，但我可以坦诚地告诉你：公开说我们自己造的模型可能有危险，无论别人怎么解读，这从来不是一个有效的营销策略。”Amodei继续道，“我们在政策上也经常公开表达不同意见，甚至与包括美国政府在内的官方立场不一致。我们说过‘不同意’，当其他公司和政府在说‘不该监管’时，我们反而主张‘应该监管’。”
他承认这些立场在商业上会拖累公司，但公司认为这是正确的事。“公开反对政府、反对同行并不容易，等于把脖子伸出来让人评判。所以，我们做了很多我认为真正体现‘言行一致’的事情。至于其他公司，我不便替他们发言。的确可能有人说得很好听，但并未当真践行。我建议，判断一家公司，不要只看他们怎么说，更要看他们怎么做。”
“coding会先消失”
在同一场访谈里，Amodei依然毫不避讳地谈起AI对软件工程的冲击，直白道：“coding会先消失，或者说coding会先被AI模型干掉。” 更广义的软件工程会慢一些，但端到端自动化的软件开发最终仍会发生。
不过，他又强调“人类不会完全出局”。一些关键环节仍将长期存在：产品设计、理解真实用户需求、定义问题、以及管理和协调多个AI系统协作的能力。这些工作更依赖人类判断与组织治理，短期内很难被彻底替代。
他进一步提出“比较优势效应”：在高度自动化环境中，即便人类只负责5%的关键任务，也会因为AI承担了剩余95%的执行工作，而使个人产能被极大放大，出现数十倍的效率提升。虽然当自动化逼近99%时难度会显著上升，但在相当长的一段时间里，“比较优势区间”依然足够宽广，足以容纳大量新的职业形态与分工结构。
基于这一判断，他更看好两类方向：一类是AI产业链的上游与配套供给，例如半导体等兼具物理世界与传统工程特征的领域；另一类是高度以人为中心的职业，并与现实世界场景深度结合。
他最后把建议收束到一个更底层的能力上。在“几乎可以生成一切内容”的时代，批判性思维会变得更加稀缺且关键。他特别担忧生成式图像和视频带来的真假难辨问题，并将其视为Anthropic对视觉生成模型保持谨慎的原因之一。在这种环境下，个人能否保持“别被忽悠”的判断力，能否识别虚假信息、避免形成错误信念、避免被骗钱，将直接影响其长期发展。Amodei认为，这种现实判断力与信息免疫力，可能会成为未来的关键竞争力。
整个事件在开发者社区中也引发了广泛讨论，这场围绕技术、安全与商业竞争的AI舆论战，其背后的动机与真相或许比表面更加复杂。
参考链接：
发表于 14 小时前
|
查看: 1|
回复: 0
