Meta划出红线
今年5月，Meta给自家工程师划了一道红线，应用AI工程部门的人不能再随便用Claude Code和Codex了。据The Information拿到的内部指南，一份备忘录甚至直接要求，暂停某些用到这两个模型的任务，文件措辞很重，说这可能触发「与合作方的严重升级」。然而，Meta是Claude Code在全球最大的客户之一，它今年内部用AI的总账单正奔着数十亿美元去。天天离不开的工具，公司花大钱买来，现在却在内部限制使用，而限制的理由是它们太好用了。这条红线至今仍在生效，据The Information报道，这套限制5月就定下，一直持续到现在。
自研项目引发的担忧
Meta为何如此紧张？这要从它内部一个AI编程助手项目说起。今年，它组建了一个应用AI工程团队，主攻自研的AI编程助手MetaCode（原名DevMate），目标是不再花大价钱使用别人的AI编程模型，自己训一个出来。可要练出一个会写代码的模型并不简单，需要喂给它海量高质量数据，还得出足够多、足够刁钻的编程题，让它练手、给它判分，这套题库和评测几乎决定了一个编程模型最终有多强。但Meta遇到的难题是，怎样才能不让员工太过依赖这些外部工具，去打造内部的替代品。它担心这些外部模型的输出渗进训练数据，让自己造的模型偷偷学了对手的本事。因为一个模型是「学」它所被喂的数据，MetaCode想变强靠的是工程师攒的训练数据和编程题库，若这些题目、答案、判分标准出自Claude或Codex，MetaCode学到的就是「Claude的本事」，会照着对手的卷子抄答案。更隐蔽的是评测环节，如果出题和判分都交给Codex，MetaCode就会朝着「Codex觉得对」的方向进化，把对手的判断标准复刻进自己脑子里。所以，Meta的指南不让AI当出题人、判卷人，连「AI生成的材料能不能进被测模型读得到的环境」都要管，目的是给训练数据做隔离，怕分不清哪些本事是自己训练出来的，哪些是从Claude和Codex那儿学来的。
细到让人意外的限制
Meta的内部文件里并没有员工真违规的记录，Meta发言人也回应公司有「明确的政策」规范怎么用AI工具，所以这份文件更像是在内部提前拉响警报。哪些活不能让AI碰呢？主要有以下三类：第一，不能拿Claude或Codex的输出去给自家模型出测试题，指南称这「明确属于工程师不在驾驶位的范畴」，「我们不要源自模型的任务」；第二，不能让AI在源码里找bug，也不能让它基于代码分析帮你想「该测什么」；第三，AI生成的任何东西都不能放进被测模型能访问到的地方。只要AI参与了「该测什么、答得对不对」的判断，对手的本事就可能混进来。而哪些活还能让AI干呢？搭工作流、整理代码和文件、给内部工具搭测试的架子等日常杂活可以，指南把这类工作称作「测试脚手架（test scaffolding）」和「方案校准（solution calibration）」，也就是打下手、搭框架。哪怕是这些活，也有一条铁律：AI的每一行产出，人都得先过一遍眼。Meta真正想守住的是「谁教会了谁」的界线。
绕不开的「蒸馏陷阱」
Meta担心的这件事，业内有个专门名词叫「蒸馏（distillation）」，意思是拿一个更强的模型不停答题，再用这些答案去训练一个较弱的模型，有点像让学霸把卷子从头做一遍，学渣照着抄。从零训一个前沿模型，烧的钱和时间是天文数字，而蒸馏可能只要对方一批输出，成本和工期都砍到零头。蒸馏本身是业界常规操作，大厂也常拿自家大模型蒸馏出更小、更便宜的版本给用户用。但麻烦在于，一旦抄的是别人家的模型，就说不清训出来的能力到底是自己练的还是顺来的，有人把这叫「蒸馏陷阱」，越是靠最强的模型去搭自己的地基，就越难证明自己的聪明从哪来。在美国，法律并未明文禁止蒸馏，AI生成的内容也不受版权保护，拿对方的输出去练自己的模型，法律基本拦不住，唯一的关卡是合同。OpenAI、Anthropic的服务条款都写了类似的限制：不许拿模型的输出去造一个跟自己竞争的东西，而且这道关卡的执法权全在竞争对手手里。去年，Anthropic就直接掐断了OpenAI对Claude的接口（API）访问，哪怕OpenAI说自己只是拿来评测能力和安全性，是「行业标准」做法。就连马斯克，也在今年4月的一场庭审上被迫承认，他的xAI「部分」蒸馏过OpenAI的模型。2026年4月30日，在加州联邦法院的证人席上，马斯克被问到xAI是否对OpenAI模型用了蒸馏技术来训练Grok，他先称这是AI公司的普遍做法，当被追问这是否等于「是」时，他回答是「部分」。规则模糊，「执法权」都攥在竞争对手手里，谁敢拿自己几十亿的投入去赌对手不翻脸。从这个角度看，Meta的紧张并不多余。这里还有一个算盘就是省钱，按内部备忘录，Meta今年光内部用AI这一项就要烧掉数十亿美元，它甚至开始给员工的token用量设上限。如果能把开发工作从昂贵的外部工具转到自家MetaCode上，既省了钱，又躲开了蒸馏的雷，可谓一举两得。
一张走钢丝的地图
科技法学者、法律顾问Mark Leiser形容Meta这套内部文件「几乎就是一张走钢丝的地图」，一边要获得外部模型的好处，一边又得防着它的本事溜进自家系统。像这样走钢丝的不止Meta一家公司，它戳中的是整个行业的命门。当用一个足够聪明的AI去造另一个同样聪明的AI，到最后可能很难说清这份聪明究竟是自己练出来的还是从别人的AI那儿悄悄学来的。而且这事离普通人也没那么远，用AI写的代码、改的方案、攒的资料，喂回去又会变成下一代模型的养料，在这个循环中，谁站在谁的肩膀上，那条界线已经变得越来越糊。当AI开始帮我们造AI，我们还分得清本事到底是谁的吗？
