[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-seed-jinzhi-zhengliu-model-boundary-tightened-zh":3,"article-related-seed-jinzhi-zhengliu-model-boundary-tightened-zh":29,"series-industry-90b2ee6f-a89d-4f62-8b03-d7e54b6a65ce":72},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":11},"90b2ee6f-a89d-4f62-8b03-d7e54b6a65ce","seed-jinzhi-zhengliu-model-boundary-tightened-zh","Seed禁蒸馏把边界收紧","\u003Cp data-speakable=\"summary\">以前大家默认\u003Ca href=\"\u002Fnews\u002Foctolong-cross-repository-code-contexts-zh\">模型\u003C\u002Fa>能被随便用，现在先把蒸馏边界收紧，才决定谁能碰能力。\u003C\u002Fp>\u003Cp>我最近一直在盯一个很别扭的信号：大家嘴上都在聊开源、共享、生态，手上却越来越像在给模型能力上锁。以前很多团队默认一个思路，先把模型放出去，再看别人怎么用，能扩就扩，能抄就抄，反正先把声量做起来。可真到训练管线、产品接口、外部调用这些地方，事情就开始变味了。你会发现，模型一旦能被稳定复用，蒸馏、套壳、能力搬运几乎是必然发生的。问题不在于会不会发生，而在于你到底愿不愿意承认这件事，并提前把边界写清楚。\u003C\u002Fp>\u003Cp>我读到这篇知乎文章时，第一反应不是又有新爆料，而是终于有人把这件事摊开讲了。来源是这篇 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2068766280816014549\">知乎专栏文章\u003C\u002Fa>，标题直指“张一鸣禁止Seed蒸馏，开源模型也不放过”。文中提到，\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\">Anthropic\u003C\u002Fa>此前曾指控多家中国AI公司通过大规模蒸馏违规提取\u003Ca href=\"\u002Ftag\u002Fclaude\">Claude\u003C\u002Fa>能力，但并未对字节跳动提出类似指控。这个细节很重要，因为它把讨论从谁更强拉回到谁在定义边界。\u003C\u002Fp>\u003Ch2>别再把蒸馏当成默认动作\u003C\u002Fh2>\u003Cblockquote>Anthropic 此前曾指控多家中国AI公司，称这些企业通过大规模蒸馏，违规提取Claude的能力，再用来改进自己的模型。不过，Anthropic 并未对字节跳动提出类似指控。\u003C\u002Fblockquote>\u003Cp>翻译一下就是：蒸馏不再是一个默认被容忍的工程动作，而是一个需要被明确许可、明确限制、明确审计的行为。以前很多团队的潜台词是只要我没明说禁止，那就算可用。现在这套逻辑越来越站不住了。模型能力本身已经成了资产，资产就会被保护，保护方式不一定只是法律条款，也可能是访问策略、日志审计、调用频率限制，甚至是对外输出颗粒度的控制。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786041213314-xc6x.png\" alt=\"Seed禁蒸馏把边界收紧\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己在做模型接入时，最烦的就是这种默认开放的假象。接口看起来很友好，文档也写得漂亮，结果一旦有人开始批量采样、批量对齐、批量重放，整个系统的价值就被一点点抽干。你以为你在做集成，别人其实在做拆解。蒸馏最可怕的地方不是技术门槛低，而是它太像正常使用了。\u003C\u002Fp>\u003Cp>怎么用到你自己的项目里？先别急着讨论能不能防住。先把哪些行为算蒸馏写进你的产品条款和技术策略里。比如高频相似提示、系统性批量查询、输出分布采样、自动化回放，这些都要进入风险名单。别等到数据被搬空了，才开始补一句未经许可不得训练。\u003C\u002Fp>\u003Cul>\u003Cli>把蒸馏定义成行为，而不是只定义成结果。\u003C\u002Fli>\u003Cli>给高频、批量、自动化调用单独设限。\u003C\u002Fli>\u003Cli>把审计日志和异常检测提前接上，不要事后补。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>开源不等于放任外部再训练\u003C\u002Fh2>\u003Cp>这篇文章最容易让人误读的地方，是“开源模型也不放过”这句话。很多人看到开源两个字，脑子里就自动切换成既然开了，那就随便用。可实际做过模型的人都知道，开源只是分发方式，不是放弃边界。你可以开权重、开代码、开评测，但不代表你愿意让别人把你的输出拿去做二次能力提纯，然后再包装成别人的核心卖点。\u003C\u002Fp>\u003Cp>我见过不少团队一开始很大方，后面突然变脸，原因很简单：他们发现自己提供的不是模型，而是可被持续榨取的能力池。这事儿很现实。尤其当你的模型在某个垂类上明显更强，别人根本不会老老实实集成你的 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa>，而是会想办法把你训练成他们自己的老师。技术上这叫蒸馏，商业上这叫被拿去补课。\u003C\u002Fp>\u003Cp>如果你也在发开源模型，我建议你别只盯着许可证文本。许可证能管一部分，但管不住所有工程习惯。你还要看：模型卡有没有写清楚用途限制，\u003Ca href=\"\u002Fnews\u002Freasoning-core-procedural-reasoning-data-zh\">推理\u003C\u002Fa>服务有没有做速率和批量限制，社区分发有没有区分研究用途和商业用途。说白了，开源不是全部开放，而是开放到什么程度由你来定。\u003C\u002Fp>\u003Cp>我会把这一条直接写进项目规范里：\u003C\u002Fp>\u003Cul>\u003Cli>公开模型的同时，明确禁止用于训练竞争模型。\u003C\u002Fli>\u003Cli>把批量采样、自动化抓取、输出回放列为受限行为。\u003C\u002Fli>\u003Cli>对外发布前，先确认你能不能接受自己的输出被系统性学习。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>这里我还建议你看看 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\">Anthropic\u003C\u002Fa> 的公开材料，以及 \u003Ca href=\"https:\u002F\u002Fwww.byteplus.com\u002F\">字节跳动\u003C\u002Fa> 的产品与平台说明。不是因为它们完美，而是因为它们至少把边界这件事摆在台面上了。\u003C\u002Fp>\u003Ch2>真正难的不是技术，是态度\u003C\u002Fh2>\u003Cp>很多人喜欢把这类问题讲成纯技术问题，好像加几个水印、调几个阈值、做几个检测器，事情就结束了。不是。真正难的是态度。你到底是把模型当成一个可以无限复用的公共零件，还是当成一个需要被保护的生产能力？这两种态度会导向完全不同的产品设计。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786041210281-b9qc.png\" alt=\"Seed禁蒸馏把边界收紧\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前也犯过一个错误，总觉得只要模型效果够好，大家自然会尊重你的边界。后来发现这想法挺天真。效果好，反而更容易被盯上。尤其是当你的模型在某些任务上明显优于竞品时，外部最先想到的不是我去买，而是我能不能复制它。所以你得先承认：边界不是附属品，边界本身就是产品的一部分。\u003C\u002Fp>\u003Cp>这也是为什么我喜欢把禁止蒸馏看成一种产品声明，而不只是法务条款。产品声明能影响开发者预期，法务条款更多是兜底。前者告诉别人你打算怎么合作，后者告诉别人你准备怎么追责。两者都要有，但顺序别搞反了。\u003C\u002Fp>\u003Cp>如果你正在做模型平台，我建议你把态度落到三件事上：\u003C\u002Fp>\u003Cul>\u003Cli>文档里直接写明哪些行为不被允许。\u003C\u002Fli>\u003Cli>接口层面限制高频、批量、自动化提取。\u003C\u002Fli>\u003Cli>运营层面保留人工介入和封禁机制。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>别让“研究用途”变成万能借口\u003C\u002Fh2>\u003Cp>“研究用途”这四个字，很多时候就是借口的高级写法。大家都知道它听起来体面，也知道它最容易被滥用。你说你是做研究，别人也很难第一时间判断你到底是在做学术验证，还是在做能力搬运。这里最麻烦的地方在于，研究和训练之间的边界本来就不够清晰，尤其在大模型时代，验证一个能力和复制一个能力，往往只差一条自动化流水线。\u003C\u002Fp>\u003Cp>我自己见过最离谱的情况，是某个团队把大规模 prompt 采样包装成行为分析，把输出对齐包装成效果评估，最后把整套流程说成研究实验。听起来像那么回事，实际上就是在榨取模型。你如果不把这层拆穿，最后吃亏的就是原始模型提供方。\u003C\u002Fp>\u003Cp>所以我会建议你把许可分层，而不是一刀切。不同用途，给不同权限，不同额度，不同审计。研究人员可以申请更高权限，但要留痕；商业用途可以开放，但要签更严格的条款；自动化批量调用可以允许，但要触发更强的风控。别幻想一个研究例外能解决所有问题，它只会变成漏洞。\u003C\u002Fp>\u003Cp>应用到你的项目里，可以直接这么做：\u003C\u002Fp>\u003Cul>\u003Cli>把研究、测试、商业三类用途分开授权。\u003C\u002Fli>\u003Cli>给研究用途加审计和时间限制。\u003C\u002Fli>\u003Cli>对批量采样和自动化导出加额外审批。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>你需要的是边界设计，不是口号\u003C\u002Fh2>\u003Cp>我越来越不相信那种空泛的“开放共赢”口号了。不是说它完全没用，而是它太容易掩盖真正的问题：谁能调用，调用多少，输出能不能被二次训练，出了事谁负责。你不把这些问题写进系统里，口号就只是海报。\u003C\u002Fp>\u003Cp>这篇知乎文章让我意识到，Seed 这类动作真正传递的不是我们怕被偷，而是我们知道能力会被系统性提取，所以先把边界划好。这比事后追责聪明得多。因为一旦模型能力已经被外部稳定复现，你再去争论是不是蒸馏、是不是违规，成本会非常高，证据链也很难补。\u003C\u002Fp>\u003Cp>我自己的做法是把边界设计\u003Ca href=\"\u002Fnews\u002Fopenai-long-article-reusable-template-zh\">拆成\u003C\u002Fa>四层：协议层、接口层、监控层、处置层。协议层写清楚规则，接口层限制行为，监控层发现异常，处置层负责封禁和追责。少一层都不行。很多团队只做协议层，觉得法务文本写好了就完了，结果线上照样被批量采样。\u003C\u002Fp>\u003Cp>你可以把这套思路直接套进自己的模型发布流程：\u003C\u002Fp>\u003Cul>\u003Cli>发布前先定义允许与禁止的使用场景。\u003C\u002Fli>\u003Cli>接口层限制速率、并发、自动化采样。\u003C\u002Fli>\u003Cli>监控层抓异常相似请求和高频输出模式。\u003C\u002Fli>\u003Cli>处置层准备封禁、告警、申诉流程。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>把“禁止蒸馏”写成可执行规则\u003C\u002Fh2>\u003Cp>如果你只会在公告里写“禁止蒸馏”，那基本等于没写。真正有用的规则，必须能被产品、平台、法务、运维一起执行。否则别人照样能绕过，或者至少能装作没看见。说得直白点，模型边界不是贴出来的，是跑出来的。\u003C\u002Fp>\u003Cp>我建议你把规则拆成三种语言：给开发者看的，给系统执行的，给法务兜底的。开发者看得懂的版本要短，系统执行的版本要硬，法务版本要完整。三者内容一致，但表达方式不同。这样你既不会把文档写成法律论文，也不会把风控做成摆设。\u003C\u002Fp>\u003Cp>如果你现在就在做模型产品，我会直接给你一个检查清单：\u003C\u002Fp>\u003Cul>\u003Cli>有没有明确禁止用于训练竞争模型？\u003C\u002Fli>\u003Cli>有没有对批量采样设置阈值？\u003C\u002Fli>\u003Cli>有没有记录异常调用和输出模式？\u003C\u002Fli>\u003Cli>有没有人工审核高风险账号？\u003C\u002Fli>\u003Cli>有没有封禁和申诉机制？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>这件事说到底，不是要不要开放的问题，而是开放到哪一步就该停的问题。你越早把这条线画清楚，后面越少扯皮。模型能力一旦成了资产，就别再假装它只是个接口。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>### 模型使用边界声明模板（可直接改名使用）\n\n**适用范围**\n本模型、API、权重、示例输出、评测结果及相关文档均适用本声明。\n\n**允许的使用**\n- 个人学习、内部测试、原型验证\n- 经书面授权的商业集成\n- 经审批的研究用途\n\n**明确禁止的使用**\n- 以任何形式对本模型进行蒸馏、提纯、模仿训练或能力复现\n- 使用自动化脚本、批量请求、回放样本等方式系统性提取输出\n- 将本模型输出用于训练、微调或改进任何竞争模型\n- 规避速率限制、并发限制、访问控制或审计机制\n\n**高风险行为定义**\n以下行为将被视为高风险并可能触发限制：\n- 高频相似提示\n- 大规模自动化调用\n- 输出分布采样\n- 长时间连续请求同类任务\n- 通过多个账号或代理分散访问\n\n**系统侧控制**\n- 速率限制：按账号、IP、项目维度限制\n- 并发限制：对批量请求设置上限\n- 审计记录：保存请求时间、频次、摘要、异常标记\n- 风险检测：识别自动化采样和异常输出模式\n- 处置流程：告警、限流、暂停、封禁、申诉\n\n**研究用途特别条款**\n研究用途仅限于经批准的人员、项目和时间范围；不得将研究过程中获得的输出、标注、对齐结果用于训练第三方模型或竞争模型。\n\n**责任声明**\n若发现违反本声明的行为，提供方有权限制访问、终止服务并保留进一步追责的权利。\n\n**开发者提示**\n如果你要把这份模板落地，至少再补三项：\n1. 你的具体禁止行为清单\n2. 你的速率和并发阈值\n3. 你的封禁与申诉流程\n\n**简短版公告文案**\n本模型及其输出不得用于蒸馏、训练竞争模型或任何形式的能力复现。批量采样、自动化提取和规避访问限制的行为将被视为违规，并可能触发限制或封禁。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>我把这个模板放在最后，是因为这才是你真正能拿去改的东西。别只转发观点，观点不落地，最后还是一地鸡毛。你要的是一份能写进产品条款、接进风控、交给法务看的边界文本。先把线画出来，再谈开放。\u003C\u002Fp>\u003Cp>原文来自 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2068766280816014549\">知乎专栏\u003C\u002Fa>，我这篇是基于其公开表述做的工程化拆解，不是对原文的逐字复述。关于 Anthropic 的指控背景，可参考 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\">Anthropic 官网\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.byteplus.com\u002F\">字节跳动相关产品页面\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002F\">知乎\u003C\u002Fa> 上的原始讨论。\u003C\u002Fp>","我拆解 Seed 的禁蒸馏思路，整理成一份能直接写进模型条款与风控流程的边界模板。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2068766280816014549",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786041213314-xc6x.png","industry","zh","524bbf75-205f-4f20-9db9-e019a58bb53c",[17,18,19,20,21],"蒸馏","模型边界","开源模型","风控","许可条款",[23,24,25],"蒸馏要当成行为管，不要只写结果禁令","开源不等于放弃模型边界，条款和系统控制要一起上","把禁止蒸馏写成可执行规则，才能真的落地",0,"2026-08-06T18:33:12.400229+00:00","2026-08-06T18:33:12.341+00:00",{"tags":30,"relatedLang":31,"relatedPosts":35},[],{"id":15,"slug":32,"title":33,"language":34},"seeds-anti-distillation-rule-open-model-policy-en","Seed’s anti-distillation rule turns open models into policy","en",[36,42,48,54,60,66],{"id":37,"slug":38,"title":39,"cover_image":40,"image_url":40,"created_at":41,"category":13},"5d3e36ff-7b65-4f31-9d2c-dd2a8622e5dd","ai-vc-blockchain-infrastructure-q1-2026-zh","80% VC 流向 AI，區塊鏈接棒","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786048366426-r2ev.png","2026-08-06T20:32:24.643169+00:00",{"id":43,"slug":44,"title":45,"cover_image":46,"image_url":46,"created_at":47,"category":13},"20b74a5c-119c-4cd3-b31d-7725caabdda4","windows-codex-claude-code-install-errors-fix-zh","Windows 装 Codex 和 Claude Code 先避开 5 个报错","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786039376130-jjjm.png","2026-08-06T18:02:32.300107+00:00",{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"51a6ba1f-cdea-4464-a705-8d2d4cc50577","rust-1971-fixes-compiler-bug-stable-users-felt-zh","Rust 1.97.1 修補穩定版編譯器誤編譯","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786003375319-v1jr.png","2026-08-06T08:02:24.571304+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"da8e10cc-8bf3-44b5-87cd-0cb638872102","openai-long-article-reusable-template-zh","OpenAI 長文拆成可復用模板","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786001629194-b8u0.png","2026-08-06T07:33:24.88955+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"d949aa3b-ba70-40a5-98f9-b5b98f21df36","opencode-go-open-coding-models-affordable-zh","OpenCode Go 讓開放編碼模型更平價","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785974564224-vygq.png","2026-08-06T00:02:22.707168+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"9801e853-c7c4-4f22-b813-5daa6aef0c32","system-design-resources-that-actually-help-you-prep-zh","7 個真正有用的系統設計備考資源","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785956575257-6ve4.png","2026-08-05T19:02:29.191039+00:00",[73,78,83,88,93,98,103,108,113,118],{"id":74,"slug":75,"title":76,"created_at":77},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":79,"slug":80,"title":81,"created_at":82},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]