美国指控六家中国AI公司激进蒸馏，要求模型对中国用户“静默降级”

美国方面正在把“模型蒸馏”推到中美AI竞争的前台。据相关报道，六家中国AI公司被指控积极调用美国前沿模型，再用生成结果训练自己的系统；美国还敦促本土AI公司识别中国用户，并在不明确告知的情况下，将他们切换到能力更弱的模型。

这两件事被放在同一条新闻里，实际是两个层面的问题：前者关乎模型能力如何被复制，后者关乎美国公司准备怎样执行限制。我的判断是，蒸馏指控可能促使API服务商收紧权限，但“秘密降级”很难成为稳定的长期方案。它既容易误伤正常用户，也会把模型服务变成一场持续的身份识别竞赛。

六家中国公司被指控“蒸馏”，但指控不等于已经证明窃取

模型蒸馏本身不是一种天然违法的技术。

开发者调用一个更强的模型，让它生成答案、解释步骤或合成训练数据，再用这些数据训练较小模型，是业界常见的技术路线。它能降低训练成本，也能让模型在特定任务上变得更快、更便宜。很多开源模型、行业模型和企业内部模型，都在不同程度上使用过合成数据。

争议出在边界上：

所以，“用了美国模型输出训练自己的模型”不能自动等于“窃取模型”。真正需要核验的是：调用规模有多大，是否绕过了访问限制，训练数据是否存在高度可识别的复现，是否违反了服务合同，以及有没有证据证明模型权重或未公开数据被拿走。

目前公开报道能支持的是美国方面的指控和政策压力，不能替代逐家公司、逐项证据的法律认定。六家公司的名称、调用日志、训练数据和模型对比结果，如果没有完整公开，外界就很难判断这究竟是大规模违规蒸馏，还是把正常API使用包装成了更严重的安全事件。

美国公司收紧API权限并不奇怪。OpenAI、Anthropic等服务商本来就会限制自动化抓取、批量生成和竞争性模型训练。过去几年，模型提供商不断更新服务条款，禁止利用输出训练竞争模型的表述也越来越常见。此次事件的变化，在于这类商业条款正在和国家安全、出口管制以及用户身份识别捆在一起。

“识别中国用户再降级”更像高风险产品策略

美国方面提出的做法，核心不是拒绝所有访问，而是先判断用户是否来自中国，再把他切换到能力较弱的模型。执行上至少要依赖IP地址、支付信息、账号注册地、企业域名、API调用行为等信号。

问题在于，这些信号都不等于用户真实身份。

使用VPN的研究人员、跨国公司的中国员工、在海外出差的开发者、通过代理访问服务的普通用户，都可能被识别错误。企业账号尤其麻烦：一个全球统一采购的API账户，可能同时由美国、新加坡和中国团队使用。平台若按单次请求切换模型，团队会得到不稳定、难以复现的结果；若按整个组织降级，又会牵连不在限制范围内的员工。

模型路由并不是用户容易察觉的设置。平台可以在后台把请求从旗舰模型切到轻量模型，界面仍显示同一个产品名称。用户通常只能从几个迹象猜测：

• 同一提示词的推理深度、代码质量或长文本稳定性突然下降；
• 响应速度、上下文长度和工具调用能力发生变化；
• API返回的模型标识、价格或用量记录与此前不一致；
• 同一账号在不同网络环境下出现明显不同的输出。

这类变化在GPT-5上线后的路由争议中已经被用户讨论过：模型名称相同，不代表每次请求都经过同一条推理路径。用户可以通过输出质量和调用记录发现差异，但这只能说明路由发生了变化，不能证明平台在“24小时内被破解”，也不能证明每次异常都来自针对中国用户的策略。

这正是“静默降级”的现实限制。它不需要被完全破解，只要企业客户无法稳定复现结果，就会影响采购和开发决策。

对个人用户来说，后果可能是一次回答变差；对企业和开发者来说，代价更高。一个依赖模型写代码、审合同或生成客服回复的团队，最怕的不是模型固定变弱，而是同一个API在不同时间、不同地点给出不同能力。出了问题，团队很难判断是提示词、模型更新、账号风控，还是地理路由导致。

中美模型竞争会从“谁更强”转向“谁更容易被验证”

美国的担忧有现实基础。前沿模型训练成本高、迭代速度快，API输出又能提供大量高质量样本。只要服务商没有限制高频调用、异常账号和竞争性训练，领先模型的部分能力就可能通过合成数据扩散到其他系统。

但“封住输出”也不是没有代价。

模型能力很难被单一指标概括。一个模型在数学题、代码修复、长文写作和工具调用上的表现不同。即使平台成功识别了部分高风险账号，也很难证明某家公司正在蒸馏自己的模型。更严格的限制会减少滥用，却也会抬高正常开发者的接入成本。

可以把这次事件和芯片出口管制放在一起看。芯片限制主要针对硬件、性能和供应链，控制对象相对明确；模型API限制针对的是账号、请求和输出，执行对象更流动。硬件可以查型号和流向，API却要判断一个人在什么地方、代表谁、想做什么。两者都能形成压力，但API限制更容易出现误伤和反复。

对开发者和采购团队，现实动作不会是立刻更换所有模型，而是把“模型身份和路由透明度”写进合同与测试流程：

• 记录每次调用的模型版本、地区、响应时间和费用；
• 为关键任务保留第二家供应商，定期做同一提示词的回归测试；
• 要求企业API说明降级、限流和账号复核机制；
• 不要只看公开榜单，要用自己的代码库、客服语料或业务文档做测试；
• 如果发现性能异常，先核对模型标识和用量记录，再判断是否是地区策略。

普通用户没有必要因为一则指控就立即迁移工具。更实际的做法是：重要工作保留本地副本，不把单一模型当作唯一生产入口；企业用户则应把“能否稳定获得同等模型能力”列为采购条件，而不是只比较调用价格。

接下来最关键的变量有两个。美国政府是否会把这类要求写成正式规则，还是停留在对企业的政策施压；被指控的六家公司是否会面对可公开核验的调用证据，而不只是匿名情报和口头指控。

如果证据始终停留在“模型很像”，这场争论会更像地缘政治叙事；如果能拿出账号、调用规模、训练数据和复现结果，行业才会真正知道哪些蒸馏行为越过了红线。两者之间，差的不是一句指控，而是一套能经得起审查的证据链。