Anthropic 对阿里巴巴提起最大规模模型蒸馏诉讼，继对其他中国AI公司的诉讼之后。

2026年6月10日，Anthropic向美国参议院银行委员会提交信函，直指阿里巴巴Qwen团队。报告公开了令人震惊的数字：在4月22日至6月5日的45天内，与阿里巴巴关联的运营者使用25,000个账户完成了28.8百万次交互。

28.8百万次对话意味着什么？行业背景：主流、高质量的SFT（监督微调）数据集通常规模在数十万到数百万之间。28.8百万次针对核心能力的交互，足以以低成本在特定任务领域蒸馏出一个极具竞争力的专用模型。

这触发了Anthropic的警钟。在他们看来，对方的行为精准度很高，系统地针对他们最新旗舰模型Mythos Preview的核心优势——特别是其软件工程和推理代理能力。

Anthropic在信中把这一行为描述为"迄今为止中国公司规模最大的一次搭乘顶级美国研究机构的免费车"。

2026年2月23日，Anthropic发布了题为《检测和防止蒸馏攻击》的博客文章，公开点名三家中国AI实验室：DeepSeek、月之暗面（Kimi）和MiniMax（西元科技）。

报告显示约24,000个与中国关联的账户与Claude发起了超过16百万次交互，其中MiniMax占超过13百万次，月之暗面超过340万次，DeepSeek超过150,000次。

从16百万到28.8百万次交互，规模翻了一番。Anthropic的反制从2月的技术曝光升级到6月的政治施压。

这封信的收件人——参议院银行委员会主席蒂姆·斯科特和排名第一的成员伊丽莎白·沃伦——代表美国政界最强大的两个人物，专门负责外国经济制裁和国内金融监管。

据彭博社报道，在信件提交后，美国参议员比尔·哈格蒂和安迪·金迅速跟进。他们计划推动一项修正案进入《国防法案》，对任何"不当获取美国AI模型输出来训练竞争系统"的中国公司进行严厉制裁或直接加入黑名单。

事实上，在白宫之外，硅谷正在形成一个防御联盟。Anthropic、OpenAI和Google已悄悄协调，开始共享关于未授权数据抓取的情报。

在海外媒体报道中，美国官员估计此类未授权的"工业级"蒸馏活动每年给硅谷实验室造成数百亿美元的损失，直接威胁Anthropic即将进行的备受瞩目的首次公开募股。

通过越来越严厉的指控，Anthropic真正寻求建立的不仅仅是对一家公司的商业保护，而是跨越美国政府和工业界的新的绝对底线：使用API输出来训练竞争模型构成非法侵权。

在这一全面遏制努力中，美国政府的技术限制正在急剧收紧，与早前"紧急移除Fable 5和Mythos 5"的行业事件相呼应。

与国会山的对抗形成鲜明对比，在开发者聚集的Reddit等技术论坛上，对Anthropic指控的反应无异于嘲笑。

"知贼莫如贼"是最经典的说法。批评者指出，Anthropic本身通过数据盗窃而崭露头角。在早期模型训练期间，该公司因非法下载数百万本受保护的书籍而面临美国历史上最大的AI著作权侵权案，最终被迫接受15亿美元的和解。

连埃隆·马斯克也在今年2月公开攻击Anthropic，在他们指控DeepSeek、月之暗面（Kimi）和MiniMax发动蒸馏攻击后，称他们为北美最大的"数据小偷"——虚伪且不诚实。

一些人还挖出了业界一个臭名昭著的反弹：Anthropic的Claude 4.8模型在回答某些问题时透露它实际上是"由阿里巴巴的Qwen模型开发的"。批评声音说："业界已经将相互数据洗钱和复制正常化了——你的模型运行在Qwen的血液上，却转身指责阿里巴巴剽窃？"

还有人质疑为什么为正常API使用付费与任何其他客户不同，辩称这最多只构成商业违约——但在国会讨论时却不知怎地变成了"恶意网络攻击"和"国家安全威胁"。

一些技术方面的批评者对Anthropic领导层表示不屑："面对技术漏洞，他们不是改进自己的AI防御层和反抓取能力，而是直接跑去特朗普政府告状。"

或许最具讽刺意味的是一位资深用户的感慨："我唯一真正担心的是Fable 5能否回归。Anthropic一边向白宫抱怨他们的模型被复制，一边又希望模型被解锁。按这个速度，Fable 5可能回不来了。"

从根本上说，"蒸馏"是AI训练中的常见做法：使用一个强大的现有模型作为"教师"，让它回答问题，然后用这些答案来训练一个更轻量级的"学生"模型。学生模型学习了教师回答问题的能力，但训练成本仅为原成本的一小部分。

Meta的早期LLaMA版本就是在ChatGPT输出的基础上训练的——这不是什么行业秘密。

Anthropic所指控的"对抗性蒸馏"将这种方法推向极端。无需花费数十亿购买计算资源或自行标注数据——只需持续向目标模型发送精心设计的问题，批量保存其高质量的回应，就能拥有现成的训练语料库。

这样可以节省大量资金。按Claude的公开API定价，28.8百万次交互即使有企业折扣也要花费数百万美元。但与从头开始训练具有同等软件工程能力的模型相比，这个数字可能只是一个细节。

这正是Anthropic的核心不满：对方绕过了多年的技术积累和巨额投资，用几亿美元的API调用成本获得了价值数十亿美元的能力。

学到的能力有两大类。一是"任务能力"——编写代码、解决数学问题、撰写文本。这些能力可以通过给予足够的正确答案让模型快速学习，这部分*可以*被蒸馏。

另一类是"安全对齐"——知道不泄露用户隐私、不协助犯罪、不输出危险内容。这些安全规则不是通过重复解决问题来学习的，而是通过精心微调的"行为纠正"训练来实现的。每当模型试图越界时，训练者都会对其进行惩罚和纠正。

在导出的28.8百万次对话中，系统拦截和拒绝的危险问题都被过滤掉了。结果是：学生模型学到了顶级的能力，但错过了"不该说什么"的课程。一旦在现实中部署，更强的能力就意味着更大的失败风险。

Anthropic检测这25,000个异常账户的能力依赖于"行为模式分析"——寻找不一致之处。例子包括异常集中的注册时间、地理位置聚集的IP地址、高度相似的问题内容，以及远超人类可能的请求频率。

但这仅仅是基础防御。一些顶级AI实验室已经部署了更强大的武器："输出指纹识别"技术。就像隐形水印一样，它在每个模型输出中嵌入统计隐藏标记。任何人使用这些内容来训练新模型，都可以在检测时被精确追踪和识别。

"道高一尺，魔高一丈"，正是这句话的写照。今天你封禁25,000个账户，明天对方就会用无数不同的虚拟信用卡和动态代理IP注册分散账户。你分析查询模式来抓机器人账户，他们就刻意编码人类般的暂停和填充词来伪装自己。你嵌入隐形输出指纹，他们就通过改写、翻译和噪声注入来洗掉它们。

但如果制裁名单生效，规则就改变了。那时它就不再仅仅是一个纯技术的"反抓取"或"API攻防"问题。"模型源自哪些训练数据源"变成了受到严格监管审查的对象。

对于在LLM工程链中工作的每个人，这个结果直接决定了未来的合规边界：哪些数据源合法？哪些模型行为面临溯及既往的惩罚？哪些公司因拥有"来源可疑"的训练数据而被列入黑名单？

这是Anthropic真正的野心——在废墟上建立一个由他们定义、通过政治力量执行的新的全球AI秩序。