作者：波奇塔
编辑：努尔哈哈赤
这几天，Kimi又出事了。
Anthropic发布报告称，2026年5月至7月，Anthropic共监测到超过2300万次与月之暗面有关的交互，10天内，近30万条Kimi用户请求被转发给Claude。用户以为自己在用Kimi，实际回答的是Claude，颇有几分挂羊头卖狗肉的味道。
按照Anthropic的说法，月之暗面还把部分交互保存下来，继续研究Claude的推理轨迹。如此一来，一条用户请求，先替Kimi完成服务，再给Kimi提供训练材料，一鱼两吃，物尽其用。
模型公司一边严防死守，不许别人拿自己的输出训练，一边又把用户的提问、文件和修改意见视作囊中之物，只许州官放火，不许百姓点灯，何尝不是一种双标？
Kimi到底有没有偷师？
事情要从今年年初说起。
2月的时候，Anthropic公开点名DeepSeek、月之暗面和MiniMax，称三家公司通过虚假账号和代理服务，大规模获取Claude的输出。其中，月之暗面相关账号被指与Claude交互超过340万次，重点集中在智能体推理、工具调用、编程、数据分析和视觉能力。
Anthropic称，这些请求规模庞大、结构重复，目标又高度集中，摆明了是在有的放矢，专门薅Claude最值钱的能力。它还表示，请求元数据与月之暗面高级员工的公开资料相符。
到了7月，争议继续升级。白宫科技政策办公室主任Michael Kratsios公开指控，Kimi K3蒸馏了Anthropic的Fable模型。月之暗面企业业务负责人黄震昕随后否认，称K3的性能提升来自底层架构和训练创新，并非对其他模型的“蒸馏复刻”。
到了9月，Anthropic又扔出一颗重磅炸弹，指控Kimi把部分用户请求送给Claude，拿到回答以后再交给用户，同时保存交互，想办法还原Claude没有直接公开的推理轨迹。
以至于流传出一种江湖传闻：“Kimi被带走16个人，包括老大”，随后在9月12日，月之暗面官方微博发布正式声明，称这是“纯属虚构、恶意造谣”，已经向公安机关报案。
当然，蒸馏本身并不是什么邪门歪道。简单来说，就是让小模型反复看大模型的答案，再学会类似的答题方式。公司用自己的强模型训练轻量版本（自蒸馏），或者得到授权后使用别人的输出（授权拯救），都是行业里的家常便饭。
问题出在怎么学，学到什么程度。自蒸馏或者授权蒸馏，名正言顺；正常调用其他模型生成一些合成数据，只要没有违反协议，也还有商量余地；但如果用虚假账号、代理网络绕开限制，成千上万次抽取特定能力，甚至专门套取推理过程，性质就变了。
Anthropic对月之暗面的指控，显然属于后一种，也就是“黑箱蒸馏”。月之暗面没有公开证据反驳，Anthropic也没有把全部日志摆到台面上，外界无法盖棺定论。但这场争议依然揭开了行业里最真实的一面：大家嘴上都赞美“好的模型没有围墙”，但真轮到自己的模型被别人学习，马上翻脸不认人。
从各家公开条款看，禁止用户拿输出训练竞争模型，几乎已经成了闭源模型的标准动作。有的禁止训练直接竞争的模型，有的干脆禁止训练任何AI系统。模型公司心知肚明，只要同行的算力上不去，自己就是“遥遥领先”。
有意思的是，今天的大模型，大多靠海量互联网文本起家。新闻、论坛、小说、代码和图片，都曾被它们视作可以随手取用的原料。等到模型羽翼丰满，它们又过河拆桥，表示自己的输出神圣不可侵犯，竞争对手看一眼都要严加提防。
说到底，模型公司争的是给“学习”定性的权力。自己抓取网页叫预训练，自己吸收用户对话叫改进服务，别人批量获取自己的输出，就叫蒸馏攻击。技术动作未必天差地别，名字却可以判若云泥。
谁的模型更强，谁的律师更多，谁就更有资格给对方定性。
用户变成了训练素材？
实际上，Kimi的数据争议，远比蒸馏出现得更早。
2025年5月，在国家网络与信息安全信息通报中心通报的35款App中，Kimi就榜上有名。经检测，Kimi 2.0.8存在收集与业务功能无直接关联个人信息的问题。月之暗面当时没有公开回应，事情也就悄无声息地过去了。
到了2026年4月，问题又从条款变成了一纸简历。
一名用户让Kimi翻译图片，却收到一份陌生人的真实简历，里面有姓名、电话和工作经历。简历所有者随后确认，材料确实属于自己，而且大约6小时前刚刚上传过Kimi。之后，自称工作人员的人向当事人解释，这是“AI幻觉”。
幻觉这口锅，恐怕背不动，这更像数据隔离、缓存或者检索链路出了问题。只不过，月之暗面没有公布技术复盘，外界至今不知道，这份简历为什么会从一个账号跑到另一个账号。
到了9月，Anthropic的报告又把风险从“内部串台”推到了第三方转发。按照报告描述，部分用户把代码、账号凭证、监控资料交给Kimi，Kimi再把请求送往Claude。用户面对的是Kimi的界面，信任的是月之暗面，却不知道自己的数据可能漂洋过海，进入另一家公司的系统。
所以，为什么模型这么喜欢用户对话？因为对话比网页值钱。
用户会交代任务背景，会上传真实文件，会指出答案哪里错了，会要求重写，每一次修改，都是人类免费提供的标注，每一次追问，都是用户替模型补上的训练方向。
用户看上去只问了一个问题，实际上顺手做了一小段训练，出人、出力、出数据，最后还得自己承担风险，可谓面面俱到。
隐私成了付费服务？
更荒诞的地方在于，很多模型并非做不到保护数据，它们只在更贵的版本里保护。
现在的头部大模型都区分个人版和企业版，个人版和免费版通常保留较宽的数据使用权，用户需要主动关闭，或者申请退出，至于说关闭是否真有用，就不得而知了。到了企业版和API版，默认不训练、数据隔离、留存控制、权限管理和审计日志，很快都安排上了。
企业版在更多额度和更快速度之外，还卖一句“我不学你”。企业付费以后，平台愿意明确数据归属，愿意承诺不拿业务数据训练，也愿意在出事以后承担合同责任。普通用户很难获得同等级别的保证。
说“收保护费”，多少有些言重，但这套商业逻辑确实异曲同工。我可以不动你的东西，只要你买企业版。安全本该是服务的底线，如今却被拆成了增值权益；隐私本该默认存在，如今却要靠合同和预算赎回来。
个人用户就没那么体面了。所谓“用户同意”，很多时候也只是平台已经替用户做完了选择。你当然可以不同意，代价是别用。至于一个普通人能不能在今天彻底不用大模型，答案不言自明。
结语：
模型时代，数据就是资源，大模型通过“掠夺”完成了“原始资本积累”，之后高筑壁垒，将其他的“淘金者”拒之门外。
它拿用户内容训练，叫产品改进；竞争对手拿模型输出训练，叫能力盗窃；用户想知道自己的内容去了哪里，只能得到一份语焉不详的隐私政策。规则看似一视同仁，实际上壁垒森严，模型公司的数据寸土不让，普通人的数据却可以招之即来。
谁有资格学习谁，最终不能只看谁的服务器更大，还是要看三件事，对方是否知情，数据有没有越过原本的服务边界，学习成果的收益和风险由谁承担。
热门跟贴