🎯 人工智能 · 大模型行业

🔥 张一鸣罕见发声，明确反对用「别人的输出换榜单排名」，字里行间指向的是当下大模型圈蒸馏成风、榜单虚胖的乱象。

一、罕见发声背后的行业焦虑

一向低调的张一鸣此番开口，分量不轻。他所说的「不用别人的输出换榜单排名」，直指国内大模型圈一条畸形产业链：国外模型一更新，几周内国内就冒出成批「基准追平甚至超越」的新模型。怎么做到的？说穿了很简单，把别人模型输出当训练数据蒸馏进自家模型，再针对 benchmark 做专门优化。技术上的蒸馏本是正经方向，如今却异化成了抄近路的捷径。

OpenRouter 的一串数据很能说明问题：今年1月开源模型处理的 token 占比34%，到6月飙到65%，半年翻了近一倍。开源模型的突飞猛进里，究竟有多少真突破、多少是蒸馏和过拟合带来的虚假繁荣，很多人心里其实都有数。

二、榜单越好看，落地越露馅

参数越来越大、榜单越来越好看，可 AI 和真实世界之间的那道沟，非但没填平，反而越变越宽。今年7月月之暗面发布参数精确到2.78万亿的 Kimi K3，号称全球最大开源模型，结果三天后就发公告，用户请求量逼近集群承载极限，暂停 C 端新用户订阅。烧这么多卡训练出参数碾压同行的模型，连最基本的用户访问都扛不住。

更吊诡的是榜单本身。今年8月两家机构发布同月份国内 AI 应用月活，同一个豆包，一家5.28亿、另一家3.82亿，差了1.46亿。连统计口径都没共识，那些煞有介事的排名看看就好。

三、严禁蒸馏，是为了守住真正的护城河

张一鸣强调内部对开源模型严禁蒸馏，考量的其实是长期竞争力。用别人输出喂养出来的模型，短期榜单好看，长期却会越来越像「二传手」，丢掉对底层能力的掌控。真正的壁垒不在于短期刷分，而在于能否在真实场景里稳定交付价值，能否把用户真正关心的问题——生成快不快、能不能用、版权有没有保障——一个一个啃下来。

这场「慢」与「快」的博弈，本质是技术信仰与流量逻辑的碰撞。当行业逐渐从榜单狂欢回归到解决真实问题，那些敢于对蒸馏说不的人，反而可能走得更远。综合界面新闻、新浪财经、澎湃新闻报道 | 2026年8月13日