近日，社交媒体上出现了大量关于 Anthropic 旗下 Claude 模型在对话中自称“DeepSeek”的截图，这一现象迅速引发了科技圈的广泛讨论。在此之前，国产大模型曾因类似的“自称 Claude 或 GPT”行为被舆论指责为“蒸馏”或“抄袭”，而此次国外顶尖模型出现类似行为，被视为对这种双重标准舆论的有力反击。
从技术层面分析，这种现象被学术界定义为“LLM 身份混淆”。相关研究显示，大模型并不具备真实的自我认知，其身份回答主要基于训练语料、系统提示词及上下文概率预测。统计表明，约有 25.93% 的受测大模型曾出现身份混淆问题，因此仅凭模型“自称谁”来判断是否进行了技术蒸馏是不严谨的。在机器学习领域，“知识蒸馏”本身是一种广泛使用的合法工程手段，旨在通过教师模型指导学生模型以提升效率，这包括厂商自蒸馏、基于开源许可的蒸馏等合规行为，以及违规利用 API 提取数据的恶意行为。
此次事件的核心争议在于舆论场对“蒸馏”概念的污名化及评价标准的双标性。文章指出，当国产模型出现幻觉时，常被简单归结为“偷懒”或“造假”，而当国外模型出现同样问题时，舆论则更多探讨技术原因。这种认知偏差混淆了正常的工程优化与违规的数据窃取。此次 Claude 的“口误”为公众提供了一个反思契机：应当将模型的身份幻觉与真正的技术架构区分开来，摒弃刻板印象，回归到对模型性能、训练方式及软硬件协同能力等客观技术指标的评价上来。
事件分析
从技术角度看，所谓的“模型自称”并不等同于蒸馏证据，这本质上是训练数据污染或概率预测导致的“身份混淆”现象。此次事件将这一技术细节推向舆论前台，迫使行业重新审视“蒸馏”的定义边界。在产业层面，这反映了全球大模型竞争中的舆论战升级。随着国产模型在架构（如 MoE）和推理能力上的突破，单纯依靠“抄袭”标签来抹黑对手的策略正面临失效。市场评价体系正逐渐从情绪化的“出身论”转向对实际性能和工程能力的理性审视。这种转变不仅有助于消除对合法蒸馏技术的误解，也促使行业更加关注算力利用率、数据合成质量等硬核技术指标，而非仅凭模型的一句话输出进行道德审判。
💡 核心观点：Claude 的“身份幻觉”不仅是对舆论双标的讽刺，更揭示了行业评价体系的非理性：技术归因应回归架构与数据逻辑，而非沦为站队工具。
原文链接：Linux.do
