美國官員已升高指控，聲稱中國 AI 實驗室 Moonshot 是透過複製 Anthropic 技術來打造其迅速竄紅的 Kimi K3 模型；但 TechCrunch 引述的研究者表示，這種解釋無論在時間線上，還是在打造出 K3 等級模型所需的技術工作上，都對不上。

這場爭議不只關乎單一模型。TechCrunch 將 Kimi K3 描述為目前可取得、規模最大的 open-weight LLM，而這些指控出現之際，據報華府正在討論對中國 open-weight 模型以及其訓練所使用基礎設施的更嚴格限制。對 AI 開發者與企業採購方來說，這起事件凸顯的問題比政治更棘手：當今模型進展中，有多少來自蒸餾（distillation），又有多少來自原創訓練、強化學習，以及取得稀缺算力資源？

白宮科學顧問 Michael Kratsios 指稱，Moonshot 在使用未獲准出口中國的 Nvidia 硬體時，複製了 Anthropic 的 Fable。根據 TechCrunch，Kratsios 並未提供支持該說法的證據，而 Moonshot 也沒有回應關於其訓練流程的提問。財政部長 Scott Bessent 也表示，美國正在中國模型中發現美國大型語言模型的「水印」，但 TechCrunch 報導，這些水印究竟是什麼仍不清楚，而財政部也未進一步說明。

為什麼研究者抱持懷疑

研究者的核心反駁是實務面，而非政治面。Laude Institute 與 Snorkel AI 的 Braden Hancock 告訴 TechCrunch，他不認為僅靠 Fable 的蒸餾，就能解釋為何像 Kimi K3 這麼強的模型會在 Fable 公開後不久就出現。他的論點著重於經過的時間：如果 Anthropic 的 Fable 直到 7 月 1 日才公開，那麼留給收集足夠輸出、執行大規模訓練迴圈，並在大約兩週內推出具競爭力版本的空間就非常有限。

Allen Institute for AI 的 Nathan Lambert 在 TechCrunch 引述的一個 podcast 中也提出類似看法。在他看來，單純根據模型輸出進行 supervised fine-tuning，隨著前沿系統變得更強，影響力正逐漸下降；而後訓練越來越依賴強化學習。如果單純蒸餾就足以重現前沿能力，他暗示，早就會有更多實驗室用同樣方法縮小差距。

這個區分很重要。在產業用語中，「蒸餾」可以描述多種不同行為，從蒐集 prompt-response 對做 supervised fine-tuning，到更系統性地複製模型的推理模式。TechCrunch 引述的研究者認為，這一流程較輕量的版本，或許能幫助模型模仿風格或「語氣」，但單靠它不太可能帶來重大能力躍升。

蒸餾、強化學習，以及成本門檻

TechCrunch 的報導指出，Fable 指控之所以受到質疑，還有更技術性的原因：高階後訓練如今往往依賴大規模的強化學習運算，而不只是抓取或查詢輸出。

Lambert 告訴 TechCrunch，要深度重現類似 Fable 的行為，可能需要強化學習，而非單純 supervised fine-tuning。實務上，這可能意味著執行大量 agentic 評估，由較強模型為較弱模型的回答打分，並據此更新訓練流程。TechCrunch 指出，這類運算可能涉及數千萬個 agents。

這有兩個重要原因。第一，若使用 Anthropic 這類前沿供應商的外部 API 做大規模打分，成本會很高、速度也慢。第二，即使某實驗室想暗中進行，這個過程本身也會產生瓶頸。TechCrunch 引述的研究者認為，這類運算的經濟性與延遲，使得「從 Fable 快速跳到 Kimi K3」的理論更難令人信服。

這些都不能證明 Moonshot 沒有從美國模型進行蒸餾。但這確實暗示，如果有蒸餾發生，它可能只是眾多輸入之一，而非 Kimi K3 受報導之品質的完整解釋。對 AI 產品團隊而言，這是一個有用的區分：模型模仿可以影響行為，但前沿性能愈來愈取決於訓練管線、獎勵設計、基礎設施與規模化資料整理。

過去對 Anthropic 的指控，以及業界模糊的界線

這不是 Anthropic 第一次發出警告。TechCrunch 報導，今年稍早 Anthropic 曾公開指控 Moonshot、DeepSeek 與 MiniMax 系統性蒸餾其模型。根據 TechCrunch，Anthropic 表示，它透過 IP 位址與中繼資料，發現了其系統與使用者之間、與這些公司相關的數百萬筆互動，並將其形容為刻意抽取能力，而非正常的客戶使用。

Anthropic 並未回應 TechCrunch 關於 Fable 是否參與 Kimi K3 開發的具體問題。這使得先前較廣泛的指控與 Kratsios 較近期、較狹義的指控之間，仍存在落差。

這則故事也因為蒸餾在業界逐漸變得相當普遍而更複雜。TechCrunch 指出，Elon Musk 今年稍早證稱，SpaceXAI 蒸餾了 OpenAI 模型以協助開發 Grok，並表示這種做法很常見。這個說法並不會消除法律或政策上的疑慮，但它凸顯了在禁止複製與可接受地使用合成資料或模型生成訓練素材之間，畫出清楚界線有多麼困難。

對企業 AI 團隊而言，這種模糊性很重要，因為供應商風險已不再只是模型準確度或價格。現在它也包括來源問題：訓練資料從哪裡來、輸出是否由其他商業模型生成，以及未來爭議是否會影響存取、授權或合規。

算力問題可能和複製指控一樣重要

Kratsios 指控的第二部分，對政策制定者而言，可能比 Fable 的說法本身更難忽視。他表示，Moonshot 使用了先進的 Nvidia 系統，包括 Grace Blackwell 300 與在泰國部署、搭載 GB300 的伺服器，儘管這類硬體出口到中國受到限制。

TechCrunch 報導，Georgetown 的 Center for Security and Emerging Technology 的 Sam Bresnick 表示，先進晶片存在黑市。該報導也提到 5 月對美國伺服器製造商 Supermicro 創辦人的起訴，指控其將先進晶片走私到中國。

如果晶片取得的指控屬實，將強化華府已經很擔心的一個模式：對先進算力的管制，強度取決於執行它的資料中心營運者、經銷商與物流鏈。Bresnick 告訴 TechCrunch，他支持資料中心的 KYC（認識你的客戶）規則，讓營運者能辨識誰在最先進硬體上進行大規模訓練。

TechCrunch 也指出，拜登政府曾在 2024 年提出針對資料中心的聯邦 KYC 規則，但在川普總統任內似乎沒有進一步進展。這使得在訓練能力可能和模型權重一樣具有地緣政治敏感性的當下，留下了一個政策缺口。

對開發者而言，這個啟示很直接。若某實驗室能取得足夠頂尖的算力，即使沒有來自蒸餾的戲劇性捷徑，仍可能透過更好的強化學習與規模化訓練縮小品質差距。換句話說，真正的競爭護城河，也許依然是基礎設施。

證據、主張，以及仍未被證實的部分

目前公開的證據仍不完整。據 TechCrunch 報導，Moonshot 複製 Anthropic 的 Fable 這項指控來自 Michael Kratsios，但他沒有提供來源或技術證明。Scott Bessent 關於中國模型中「水印」的說法，同樣缺乏技術細節。TechCrunch 表示，財政部與 Anthropic 都未在回應提問時澄清這些要點。

相較之下，Braden Hancock 與 Nathan Lambert 的懷疑是分析性的，而非證據性的。他們並不是說 Moonshot 一定沒有使用蒸餾，而是說已知的時間線、Kimi K3 的觀察結果，以及強化學習日益重要，讓「Fable 的利用解釋了 Kimi K3」這個說法看起來頂多是不完整。

TechCrunch 也將 Kimi K3 描述為目前可取得的最大 open-weight LLM，但若沒有公開基準測試與獨立評估佐證，讀者應謹慎看待更廣泛的性能含意。在這組報導中，沒有揭露的基準表、沒有訓練日誌，也沒有來自 Moonshot 的直接技術聲明。這限制了可下的結論。

對 AI 開發者與企業買家的影響

對模型開發者而言，這起事件提醒我們：單靠蒸餾防禦，無法決定競爭態勢。保護 chain-of-thought、限制速率、加上水印，以及監控可疑的 API 使用，或許能減少 Anthropic 或 Fable 周邊的外洩，但無法阻止競爭對手透過自己的強化學習、資料工作或算力取得進步。

對評估 Kimi K3、DeepSeek 或 MiniMax 產品等開放模型的企業來說，來源與政策風險如今已是技術盡職調查的一部分。團隊應該詢問：模型的訓練路徑是否可能引發未來限制、出口管制執法是否會干擾支援或託管，以及對海外基礎設施的依賴是否會帶來法律或採購問題。

對更廣泛的市場而言，最直接的教訓可能是：中國實驗室已不再能輕易被視為只是抄襲者。Hancock 告訴 TechCrunch，美國觀察者往往低估了這些團隊的技術實力。這項判斷無法解決政策爭論，但它促使產品團隊與投資人以實力來評估能力，而不是預設每一次進展都只是衍生而來。

接下來要觀察什麼

首先，留意是否會出現支撐 Fable 與 Anthropic 指控的技術證據，尤其是美國政府或 Anthropic 若公布所謂水印、查詢模式或基礎設施痕跡的細節。

其次，觀察 Moonshot 是否會公布更多關於 Kimi K3 訓練、評估或算力來源的細節。即使只是部分揭露，也會改變這場爭論的天平。

第三，關注資料中心合規規則與 Nvidia 系統的出口管制執行，特別是中國以外與 GB300 相關的部署。政策在算力取得上的變化，可能會比模型授權來得更快。

最後，注意其他 open-weight LLM 的發佈是否在沒有明顯依賴美國前沿 API 的情況下縮小與 Kimi K3 的差距。若是如此，將強化 Allen Institute for AI 與 Laude Institute 一派的論點：推動最新進展的是規模化與強化學習，而不是單純蒸餾。

Creati.ai 觀點

這則故事最重要的不是蒸餾究竟有沒有發生，而是政策制定者是否正在用一個技術上過於薄弱的說法，來解釋一場真實的競爭轉變。根據 TechCrunch 的報導，目前還沒有公開證據能證明 Anthropic 的 Fable 是 Kimi K3 的決定性因素。專家看法更狹窄，也更可信：可能有部分蒸餾，但它大概無法解釋全部結果。

這很重要，因為 AI 市場正從「聊天風格模仿」的辯論，轉向強化學習系統、評估迴圈，以及算力取得的競爭。對開發者與買家而言，實際的結論是：少看口號，多看模型來源、基礎設施曝險，以及供應商是否能在沒有法律或地緣政治干擾的情況下持續提升品質。