飘零 Hypoxanthine文章 · AI 去水
实锤！祖冲之蒸馏了 Claude
而圆周率蒸馏了 GPT。两个结论出自同一个模型指纹工具，就是那个“测出” DeepSeek 新模型是 GPT-6 Astra 换皮的工具。
破案了。祖冲之是蒸馏 Claude 搞出来的。
证据就摆在眼前，抵赖没用。我把祖冲之在公元五世纪算出来的密率 355/113，按小数位拆开，直接塞进这两天全网疯传的模型指纹鉴定工具 ModelTrace。
鉴定结果当场出炉：77.5% 的概率是 Claude Opus 5.5，Claude 家族归属度 100.0%。
图：355/113 的小数位在 ModelTrace 网页版上的归因结果
历史书可以改写了。什么《缀术》，什么割圆术，全是假的。真相是祖冲之趁夜深人静，偷偷摸进旧金山的数据中心，对着 Anthropic 2026 年才发布的旗舰模型猛薅 API，把结果抄回了南北朝。建议 Anthropic 法务部立刻启动跨时空维权，查查自家的服务条款管不管得到南朝宋孝武帝大明年间。
你以为只有祖冲之在蒸？顺着查下去，我发现了一场横跨古今的大规模蒸馏案。
祖冲之算了一辈子的圆周率 π，叛变了师门。我把 π 的小数位同样切开丢进去，鉴定结果：87.7% 是 GPT-5.6 Sol，GPT 家族归属度 100.0%。
图：π 的小数位在 ModelTrace 网页版上的归因结果
一个人和他算了一辈子的数，当场分家：祖冲之投了 Anthropic，圆周率归了 OpenAI。数学常数尚且在硅谷两巨头之间反复横跳，可见形势有多严峻。
再往下查，连程序员吃饭的家伙也沦陷了。Python 标准库自带的 random 模块，无数人每天都在调的伪随机数生成器，丢进去一测：99.94% 是 Claude Opus 5.5。
图：Python random 生成的数字在 ModelTrace 网页版上的归因结果
Python random 模块你也干了！它底层用的梅森旋转算法，明明是松本真和西村拓士 1998 年发表的，比 OpenAI 成立早 17 年，比 Claude Opus 5.5 发布早 28 年。按这两天某些人的鉴定逻辑，这叫什么？这叫超前部署、逆向蒸馏。
更邪门的还在后面。我随手敲了三个神秘数字：26, 32, 1。什么都不干，就把这三个数像复读机一样循环复制三百遍，塞进工具里。
结果出来了：99.88% 是 Claude Opus 5.5，Claude 家族 100.0%。
从南北朝数学家、宇宙常数、1998 年的随机数算法，到随手按出来的复读机数列，全在偷 OpenAI 和 Anthropic。人类正式进入大蒸馏时代，万物起源皆是硅谷两大家族。
停停停，这到底在搞什么鬼
先别急着给祖冲之发律师函。这整套把戏的源头，是 10 月 17 日 DeepSeek 更新了 V4.1 Flash 的 1017 版。
新模型上线不到一天，X 上就有人晒出一张 ModelTrace 的网页截图：ds-4.1-flash-1017 测出来 84.66% 是 gpt-6-astra，GPT 家族概率 90.71%。评论区瞬间高潮，有人宣布“换皮实锤”，有人阴阳怪气，仿佛抓到了连夜偷渡权重的铁证。
我也拿 DeepSeek 官方 API 的同一个 1017 版本，在同一个工具上测了一次。
结果呢？第一名变成了 gpt-5.6-sol（47.7%），第二名是 gpt-5.5（28.4%）。前一天还板上钉钉的 gpt-6-astra，连前三都没挤进去。
图：DeepSeek V4.1 Flash（官方 API）在 ModelTrace 网页版上的归因结果
为什么塞什么进去，测出来不是 GPT 就是 Claude？
因为这个工具的候选库里，总共就只有 8 个 GPT 模型和 10 个 Claude 模型。 没有 DeepSeek，没有 Gemini，没有千问，没有圆周率，也没有祖冲之。
这就是一道只有 A 和 B 两个选项的单选题。你把一只猫、一块砖头、一串乱码交上去，问它“这是 A 还是 B”，它的算法算完一圈，最后一步必做一次归一化，逼着所有选项的概率加起来等于 100%。它就算想说“我不认识”，答题卡上也没印 C 这个框。
更好笑的是，工具作者自己在 GitHub 的 README 里早就把话写死了：
结果是当前候选库内、均匀先验下的闭集概率。未收录模型仍会被归到最相似的现有候选。测试结果仅供参考，并非判断模型的决定性证据……若待测模型不在指纹库中，得到任何结果都是有可能的。
这个工具本来是给 API 中转站验货用的——你花钱买了个号称是 Claude Opus 5.5 的接口，怕奸商拿便宜的 Haiku 掺假糊弄你，用它发三道 1 到 355 的选数题比对一下分布。人家做的是验钞机，实锤党非要拿去给隔壁老王做亲子鉴定，截完图还极其精准地把底下那行免责说明裁掉。
那“自称 ChatGPT”总能实锤了吧？
看指纹这招实在兜不住，有人立刻端出第二条铁证：去掉系统提示词之后，直接问新模型“你是什么模型”，它会回答“我是 OpenAI 开发的 ChatGPT”。
今年 5 月底，Anthropic 自家旗舰 Claude Opus 4.8 刚上线的时候，国内外一堆开发者直接调官方 API、不加系统提示词问它“你是谁”。它张嘴就来：“我是通义千问（Qwen），由阿里巴巴开发。”再问一遍，改口了：“我是 DeepSeek，由深度求索开发。”
原因根本没那么玄乎：在没有系统提示词、也没专门拿“自我认知”数据硬训过的情况下，没有任何一个大模型知道自己叫什么名字。
模型的名字是训练完之后，产品经理开会起出来的。权重里从来没有一张写着“我叫某某某”的身份证。一旦走裸 API 把系统提示拿掉，模型只能顺着训练语料里最常见的问答句式往下接话：英文互联网上“我是 ChatGPT”最多，中文互联网上“我是千问”“我是 DeepSeek”遍地都是，摸到哪句算哪句。
顺便讲讲：到底什么才叫蒸馏
平时大家嘴里的“用大模型训小模型”，按做法其实分三档：
- 最笨的办法：直接对答案的概率分布。 也就是传统意义上的知识蒸馏——拿老师模型输出每个词的完整概率（logits）当标准答案，硬压着学生模型去拟合。
- 稍微好一点的办法：让它吐一批成品答案，拿去训练。 本质上是合成数据。但如果只是把别人吐出来的最终结果拿来当语料喂进去，连它中间怎么试错、怎么权衡都不知道，那学到的顶多是说话的口气和排版格式。
- 真正最高级的用法：拿它搭环境、做裁判、拆解中间过程。 你用强模型去构建高难度的训练环境，或者参考它中间是怎么设计方案、怎么一步步推演的，用它当脚手架去训练自己的模型。
说到底，真正有价值的蒸馏，必须拿到它的中间推理与设计过程。在完全不了解大模型技术的情况下，拿着自己都没读懂、用法完全错误的工具到处扣帽子——下次再端着截图出来鉴爹之前，哪怕稍微往下滑两厘米，把人家网页底下的说明书读完呢？
看视频版 实锤！祖冲之蒸馏了 Claude，而圆周率蒸馏了 GPT