Claude Sonnet 4.6 中文自曝“我是 DeepSeek”

　　大數據文摘受權轉載自夕小瑤科技說

　　今天上午發現一個事。用中文問 Claude——你是什么模型，它回答：

我是由 DeepSeek 公司開發的 AI 助手，模型名稱是 DeepSeek。

　　不是幻覺，截圖在這里。

　　我以為是偶發，群里一問才知道很多都遇到了同樣的問題。

　　一直到到下午兩點半，這個問題還能復現。

　　前不久，Anthropic 剛發了一篇聲勢浩大的博客文章，指控 DeepSeek、月之暗面、MiniMax 三家中國公司用 2.4 萬個馬甲賬號、1600 萬次對話蒸餾 Claude。

　　這也太抓馬了。

　　前腳指控別人偷你的模型能力， 后腳“自曝”自己是 DeepSeek。

　　于是我又測了 6 種不同的中文問法，全部不帶 system prompt，測試結果如下：

　　除了 Deepseek，ChatGPT，它也會錯認成千問。被質疑后，它會改口。

　　只有中文提問會觸發，英文、日語、韓語暫時沒發現問題。

　　Claude 3.5 Sonnet 和 Claude 3 Opus（更早的版本），在同樣條件下 5 次測試全部正確回答 Claude。

　　更強的 Opus 4.6，10 次全對，零錯誤。

　　問題只出現在 Sonnet 4.6 這一代身上。

　　這意味著身份混亂是在 4.x 代 Sonnet 模型中出現的，可能和這一代的訓練數據構成或對齊策略的變化有關。

　　綜合下來，這個現象的觸發條件其實很明確：中文提問、特定問法、沒有 system prompt，三個條件同時滿足才會出現。換成英文、換個問法、或者加上哪怕最簡單的身份提示，問題就消失了。

　　這個事情爆出來的時機很有意思。

　　先給大家理一理最近和 Anthropic 有關的事。

　　尤其是剛不久 2 月 23 日，Anthropic 在官方博客上發布了一篇名為_Detecting and preventing distillation attacks_的文章，直接點名中國的大模型公司 DeepSeek、月之暗面（Moonshot AI）、MiniMax，控訴這三家公司展開了工業規模的“蒸餾攻擊”，目的是“蒸餾”Claude 的核心能力。

　　緊接著，馬斯克諷刺 Anthropic“賊喊捉賊”，在 X 平臺寫道：“Anthropic 大規模竊取訓練數據，并為此支付了數十億美元的和解金。這是事實。”

　　馬斯克指向的是 Anthropic 在 2025 年 9 月與作者/出版商集團達成1.5 億美元版權和解（史上最大版權和解之一），原因是使用從盜版網站下載的數百萬本受版權保護書籍訓練 Claude。

　　馬斯克這話肯定帶著自己的私貨，但有一說一，誰蒸餾了誰，還是說蒸餾本就是雙向奔赴，不需要說太清楚。

　　Sonnet 4.6 自曝“我是 DeepSeek”，一個合理的猜測，有訓練數據的構成問題。

　　模型的“我是誰”不是硬編碼的參數，它是在訓練數據中的統計涌現。我們問它“你是誰”，它做的事情本質上就是預測，在所有訓練數據中，“你是誰？”這個問題后面，出現概率最高的回答是什么，它就會答什么。

　　平時，你感覺 Claude 一直知道自己叫 Claude，是因為有 system prompt 在。

　　在中文互聯網上，Claude 幾乎沒有直接用戶。所以中文對話數據中“我是通義千問/豆包/DeepSeek”的樣本量遠超“我是 Claude”，在沒有身份錨點的情況下，模型自然傾向于輸出概率最高的那個答案。

　　大模型的身份混亂其實不是什么新鮮事，圈里也老生常談了，AI 訓練數據互偷互薅不可避免會是常態。大家都薅公開/半公開數據，誰也別笑誰了。

　　在一片情緒化的討論中，RLHF 領域的權威研究者 Nathan Lambert 在 2 月 24 日發表了一篇可能是最有分量的獨立分析_，How Much Does Distillation Really Matter for Chinese LLMs?_。

　　他的幾個核心觀點值得認真看：

　　他認為 DeepSeek 的 15 萬次交互“只是滄海一粟”，對 DeepSeek 傳聞中的 V4 模型影響可以忽略不計。

　　他還指出，即使蒸餾了大量 Claude 的問答對，它們在 RL 訓練框架下能發揮的作用也在下降。

　　換句話說，即使蒸餾確實發生了，它對中國 AI 公司最終模型能力的影響，可能比 Anthropic 在博客中暗示的要小得多。

　　中國 AI 公司取得今天的成績，靠的也不全是、也不可能只是蒸餾。

　　而且蒸餾，在技術上也不是什么陰謀，是標準的模型訓練手段。所有大模型的訓練數據，在某種程度上都已經包含了其他模型的輸出。