蒸馏到底是不是偷？从 Hinton 的经典论文到 DeepSeek 的口水战

配图：AI 生成的概念示意图，非论文原图、真实现场或实验数据。

TL;DR：知识蒸馏是 2015 年 Hinton 等人在论文里系统提出的模型压缩方法，本身是正当的学术技术。2025 年 1 月，OpenAI 称 DeepSeek 可能用其模型输出训练了自家模型，指控的是违反服务条款，而不是“蒸馏这项技术有问题”。截至目前，公开信息里没有看到法院认定的结论；争议的核心是“用谁的输出、条款允不允许”，而不是蒸馏本身。

时间说明：这不是新闻。论文发表于 2015 年 3 月，风波发生在 2025 年 1 月前后，OpenAI 后来又在 2026 年 2 月向美国国会相关委员会重提此事。本文是回顾。

2015：蒸馏本来是个好东西

论文《Distilling the Knowledge in a Neural Network》（Hinton、Vinyals、Dean，arXiv 2015 年 3 月）要解决的问题很朴素：多个模型取平均（集成）效果好，但部署成本太高。办法是让一个小模型去学大模型（或模型集成）给出的输出，把“知识”压缩进去，小模型就更容易上线。

论文在 MNIST 上做了实验，还把一个集成模型蒸馏进一个商用语音系统的声学模型，明显提升了效果。它还提出了由完整模型加多个“专家模型”组成的集成思路。换句话说，蒸馏的原意是“自家大模型教自家小模型”，是工程上的常规操作。

2025：R1 与蒸馏小模型

2025 年 1 月，DeepSeek 发布推理模型 R1，同时放出一批用 R1 输出蒸馏出来的小模型，底座是 Meta 的 Llama 和阿里的 Qwen。方向是 R1 教别人，把推理能力传给更小的开源模型，这是学术意义上的标准蒸馏。

争议在哪

1 月底，OpenAI 对媒体表示，有迹象显示 DeepSeek 可能不当使用了其模型的输出（即用 OpenAI 模型的回答来训练自己的 V3、R1），违反服务条款。美国白宫 AI 顾问 David Sacks 也称有大量证据，但没有公开细节。

要分清三件事：

• 技术层面：蒸馏本身普遍存在，研究者认为在初创公司和学界很常见，也很难被外部检测。
• 合规层面：能不能拿某家模型的输出来训练竞品，取决于对方的服务条款或开源许可证。Llama、Qwen 各自的许可并不相同。
• 证据层面：OpenAI 当时没有公开可核验的完整证据，也没有走法律程序。2026 年 2 月的致国会备忘录称，有与 DeepSeek 员工相关的账号借第三方路由绕过限制，并编写代码批量提取输出。这是 OpenAI 的单方说法，DeepSeek 在报道中没有对此给出确认。

所以，是不是偷？

“蒸馏”这个词既能指学术里的正当方法，也能被用来指“绕过条款批量抓取别人模型输出”。前者不是偷，后者是否违约、是否违法，要看条款、证据和管辖地的法律，目前没有定论。把两者混为一谈，是这场口水战最容易产生误会的地方。

来源：

• 论文地址：arXiv:1503.02531
• Axios：https://www.axios.com/2025/01/29/openai-deepseek-ai-models-data-training
• SCMP：https://scmp.com/tech/big-tech/article/3296827/deepseeks-ai-distillation-theft-openai-seeks-answers-over-chinas-breakthrough
• Rest of World：https://restofworld.org/2026/openai-deepseek-distillation-dispute-us-china/