Anthropic用户协议中存在"禁止用于训练竞争性模型"的条款，一方面，"竞争性模型"的定义模糊不清。另一方面，即便相关企业违反了禁止将模型输出用于竞争模型训练的用户协议，其承担的主要是合同法上的违约责任，但这并不等同于实施了不正当竞争行为。通过正常且付费的API调用获取公开输出，是否构成入侵系统获取底层代码或参数，值得商榷。
综上所述，受访律师认为，Anthropic的指控在现行法律框架下，无论是从版权还是不正当竞争的角度，都面临着相当大的举证困难和法律适用障碍。Anthropic选择发布公开报告而非提起正式诉讼，或许与上述法律层面的挑战不无关系。
蒸馏不是"万能药"，省下成本省不下创新
尽管在法律上难以被严格界定为"窃取"，但模型蒸馏在商业战略层面无疑是一把双刃剑。它为AI领域的追赶者提供了一条看似高效的"捷径"，但也带了局限和挑战。
首先是能力天花板和创新能力受限。学生模型的能力上限被教师模型牢牢锁住，它能学会老师教的知识，却很难超越老师，更无法实现真正的源头创新。
Frank告诉「AIX财经」，蒸馏后的模型大多会做轻量化处理，虽然参数更少、算力需求更低，但在处理复杂、全新任务时也会表现不佳，甚至出现输出不稳定的情况，能力天花板有限。
他进一步解释，如果原模型的思维偏理性，类似于"数学老师"，蒸馏后的模型也会延续这一特点，在语文等其他领域的能力可能会相对薄弱。
过度依赖蒸馏也会使模型在回答风格和思维范式上趋同于教师模型，丧失独特性和创造性，难以形成差异化的竞争优势。
其次是缺陷被继承。Frank表示，教师模型存在的偏见、幻觉、错误认知等问题，会被蒸馏后的模型原样继承，且由于学生模型不具备自主纠错的能力，这些缺陷会被固化甚至放大。
