新智元報道

【新智元導讀】你每天用Codex、Claude Code寫代碼，從沒想過一個問題：這份聰明，到底算誰的？

今年5月，Meta給自家工程師劃了一道紅線。

應用AI工程部門的人，不能再隨便用Claude Code和Codex了。

據The Information拿到的內部指南，一份備忘錄甚至直接要求，暫停某些用到這兩個模型的任務。文件措辭很重，說這可能觸發「與合作方的嚴重升級」。

然而，反常也就反常在這兒。

Meta是Claude Code在全球最大的客戶之一。它今年內部用AI的總賬單，正奔著數十億美元去。

天天離不開的工具，公司花大錢買來，現在卻在內部限制使用。而限制的理由，你大概也想不到。

不是它們不好用。恰恰相反，是太好用了。

這條紅線

現在仍在生效

據The Information報道，這套限制5月就定下，至今仍在生效。

Meta為何如此緊張，這要從它內部一個AI編程助手項目說起。

今年，它組建了一個應用AI工程團隊，主攻自研的AI編程助手MetaCode（原名DevMate）。

目標就是別再讓Meta花大價錢繼續使用別人的AI編程模型，自己也要訓一個出來。

Claude Code官方界面。它與OpenAI的Codex，已是職業開發者做智能體編程的事實標準。

可要練出一個會寫代碼的模型，沒那么簡單。

你得喂給它海量高質量數據，還得出足夠多、足夠刁鉆的編程題，讓它練手、給它判分。這套題庫和評測，幾乎決定了一個編程模型最終有多強。

但問題恰恰出在這兒。

Meta遇到的難題，是怎樣才能不讓員工太過依賴這些外部工具，去打造內部的替代品。

它所擔心的，是這些外部模型的輸出滲進訓練數據，讓自己造的模型，偷偷學了對手的本事。

要看懂這層擔心，得先知道一個模型是怎么「學」的：你喂給它什么樣的數據，它就長成什么樣子。

MetaCode想變強，靠的就是工程師攢的那套訓練數據和編程題庫。

可一旦這些題目、答案、甚至判分標準出自Claude或Codex，MetaCode學到的，就不再是「人類工程師訓練出來的本事」，而是「Claude的本事」。

它照著對手的卷子抄答案，越練越像對手。

更隱蔽的，是評測這一環。

模型每答一道題，得有個東西告訴它答得好不好，它才知道往哪兒改。

如果出題和判分都交給Codex，那MetaCode就是在朝著「Codex覺得對」的方向進化，等于把對手的判斷標準，一點點復刻進了自己腦子里。

這就是為什么，Meta的這份指南不讓AI當出題人、判卷人，連「AI生成的材料能不能進被測模型讀得到的環境」都要管。

只要對手的輸出有一絲滲進訓練或評測的鏈條，這條「誰教會了誰」的界線，就糊了。

說到底，Meta暫停部分任務，是在給訓練數據做隔離。

怕的是AI寫得太好，分不清哪些本事是自己訓練出來的，哪些是從Claude和Codex那兒學習來的。

而后面這層能力，是租來的，并不是自己的。

細到讓人意外的限制

要先說清楚，Meta的內部文件里，并沒有任何員工真違規的記錄。

Meta發言人也回應，公司有「明確的政策」規范怎么用AI工具。所以這份文件，更像是在內部提前拉響警報。

哪些活不能讓AI碰？主要是以下三類：

第一，不能拿Claude或Codex的輸出，去給自家模型出測試題。指南的原話是，這「明確屬于工程師不在駕駛位的范疇」，「我們不要源自模型的任務」。

第二，不能讓AI在源碼里找bug，也不能讓它基于代碼分析幫你想「該測什么」。

第三，AI生成的任何東西，都不能放進被測模型能訪問到的地方。

說白了，只要AI參與了「該測什么、答得對不對」的判斷，對手的本事就可能混進來。三條堵的都是這個口子。

哪些活還能讓AI干？

搭工作流、整理代碼和文件、給內部工具搭測試的架子，這些日常雜活可以。指南把這類工作稱作「測試腳手架（test scaffolding）」和「方案校準（solution calibration）」，說白了就是打下手、搭框架。

哪怕是這些活，也有一條鐵律：AI的每一行產出，人都得先過一遍眼。

在Meta看來，一旦讓對手的模型來出題、判卷，這場考試就說不清是誰考出來的了。

它真正想守住的，就是那條「誰教會了誰」的界線。

繞不開的「蒸餾陷阱」

Meta擔心的這件事，業內有個專門名詞：蒸餾（distillation）。

意思不難懂：拿一個更強的模型，讓它不停答題，再用這些答案去訓練一個較弱的模型。

有點像讓學霸把卷子從頭做一遍，學渣照著抄，幾個月就追上人家好幾年的功力。

別人在數據、算力、研究上砸的天價投入，你近乎免費蹭走。

從零訓一個前沿模型，燒的錢和時間是天文數字。而蒸餾，可能只要對方一批輸出，成本和工期都砍到零頭。

蒸餾本身是業界常規操作，大廠也常拿自家大模型蒸餾出更小、更便宜的版本給用戶用。

麻煩只在于：一旦你抄的是別人家的模型，你訓出來的能力，到底是自己練的，還是順來的？說不清。

有人把這叫「蒸餾陷阱」：你越是靠最強的模型去搭自己的地基，就越難證明，你的聰明到底打哪來。

在美國，法律并未明文禁止蒸餾，AI生成的內容也不受版權保護。你拿對方的輸出去練自己的模型，法律這一關基本攔不住。

唯一的關卡是合同。

OpenAI、Anthropic的服務條款都寫了類似的限制：不許拿模型的輸出，去造一個跟自己競爭的東西。

而且這道關卡，執法權全在競爭對手手里。

去年，Anthropic就直接掐斷了OpenAI對Claude的接口（API）訪問，哪怕OpenAI說自己只是拿來評測能力和安全性，是「行業標準」做法。

就連馬斯克，也在今年4月的一場庭審上被迫承認，他的xAI「部分」蒸餾過OpenAI的模型。

2026年4月30日，在加州聯邦法院的證人席上，馬斯克被問到xAI是否對OpenAI模型用了蒸餾技術來訓練Grok，他先稱這是AI公司的普遍做法。

當被追問這是否等于「是」時，他回答是「部分」。

規則模糊，「執法權」都攥在競爭對手手里。誰敢拿自己幾十億的投入，去賭對手不翻臉。

從這個角度看，Meta的緊張，一點都不多余。

這里，還有一個算盤就是省錢。

按內部備忘錄，Meta今年光內部用AI這一項，就要燒掉數十億美元。它甚至開始給員工的token用量設上限。財大氣粗如Meta，也開始嫌AI太貴、要精打細算了。

如果能把開發工作從昂貴的外部工具轉到自家MetaCode上，既省了錢，又躲開了蒸餾的雷，可謂一舉兩得。

一張走鋼絲的地圖

關于Meta這套內部文件，科技法學者、法律顧問Mark Leiser有一句話很形象：這「幾乎就是一張走鋼絲的地圖」。

一邊要獲得外部模型的好處，一邊又得防著它的本事溜進自家系統。

像這樣走鋼絲的，當然不止Meta一家公司，它戳中的是整個行業的命門。

當你用一個足夠聰明的AI，去造另一個同樣聰明的AI，到最后，你可能很難說清：這份聰明，究竟是你自己練出來的，還是從別人的AI那兒悄悄學來的。

而且這事，離普通人也沒那么遠。

你用AI寫的代碼、改的方案、攢的資料，喂回去又會變成下一代模型的養料。

在這個循環中，誰站在誰的肩膀上，那條界線已經變得越來越糊。

當AI開始幫我們造AI，我們還分得清，本事到底是誰的嗎？

參考資料：

https://x.com/kimmonismus/status/2071591755351224344

https://www.theinformation.com/articles/internal-docs-show-meta-putting-limits-claude-codex-fearing-distillation

編輯：元宇