机器之心编辑部

AI 编程工具的担心能力越强，Meta 等科技巨头面临的蒸馏合规与战略困境反而越深。

据 The 问题Information 报道，Meta 正在内部限制员工在 AI 模型构建过程中使用 Claude Code和 Codex。限用这一举措的担心核心动因是担忧“模型蒸馏”（Model Distillation）风险，即防止外部模型的蒸馏输出数据污染自家模型的训练链路。

Meta 担心，问题若这些外部模型生成的限用代码或逻辑进入内部训练数据集或评测体系，可能引发法律争议及商业合作危机。担心

原文链接：The 蒸馏Information: Internal Docs Show Meta Putting Limits on Claude, Codex, Fearing Distillation

模型蒸馏：Meta 划定的合规红线

所谓模型蒸馏，是问题指利用一个模型的输出结果来训练或优化另一个模型。对于 AI 行业而言，限用这是担心一条极具敏感性的法律与商业边界。

OpenAI、蒸馏Anthropic 和 Google 等头部厂商的问题服务条款均明确禁止用户利用其模型输出来构建竞争性系统。一旦违反，可能面临账号封禁、公司级制裁甚至法律诉讼。

Meta 目前的困境正源于此。

今年早些时候，Meta 成立了专门的应用 AI 工程团队，核心任务之一是优化其自研编程助手 MetaCode。为了提升 MetaCode 的性能，该团队需要构建高质量的数据集、设计编程挑战题，并以此训练和测试代码模型。

然而，Meta 同时也是 Claude Code 的大客户。工程师在日常开发中频繁使用 Claude Code 和 Codex 已成常态。但当这些工具生成的代码、测试用例、Bug 分析思路进入 MetaCode 的研发闭环时，风险便随之而来。

The Information 披露的内部指南显示，Meta 已对应用 AI 工程团队使用外部 AI 工具设定了严格界限：

1. 允许场景：工程师可在搭建工作流、整理代码文件、构建测试基础设施等常规工作中使用 AI。
2. 强制审查：即便在上述场景下，所有 AI 生成内容必须经过人工严格审查。

关键禁令：

• 禁止生成评测题：严禁使用外部 AI 模型生成用于测试自家模型的编程挑战题。Meta 认为，这会导致工程师丧失对任务设计的主导权，公司不希望评测任务源自模型。
• 禁止辅助分析：限制使用 AI 分析源代码以查找漏洞，或基于代码分析生成测试创意。外部 AI 仅能参与辅助性工程工作，不得决定“测试什么”，更不得成为 MetaCode 训练和评测数据的来源。

此外，内部文件还规定：若正在测试的内部模型可访问某些基础设施容器（包含应用运行所需的代码、库及环境），则严禁将任何 AI 生成内容放入其中。Meta 担忧，第三方模型输出若被内部模型接触，可能间接流入训练链路。

据报道，一份内部备忘录甚至要求团队暂停部分使用 Claude Code 和 Codex 的任务。原因是 Meta 担心外部模型输出可能混入训练数据。一旦被模型厂商认定为存在蒸馏行为，可能导致合作终止、权限撤销或账号封禁。

成本压力与战略矛盾

这一限制背后，还隐藏着巨大的成本压力。

随着 AI 工具在 Meta 内部全面推广，AI 使用成本急剧上升。据估算，Meta 今年的内部 AI 支出可能高达数十亿美元。此前，Meta 曾鼓励员工积极使用 AI 提效，但随着 Token 消耗激增，公司已开始限制员工的 Token 使用额度。

因此，降低对外部 AI 编程工具的依赖，将开发工作迁移至自研的 MetaCode，已成为必然选择。但这里存在一个悖论：Meta 想用自家工具替代 Claude Code 和 Codex，却必须先证明自家工具没有吸收这些外部模型的输出。

这形成了一种微妙的战略矛盾：
* Meta 需要外部 AI 工具提升研发效率；
* 同时必须严防这些工具的贡献进入自家模型体系。

简言之，科技公司可以使用竞争对手的 AI 辅助研发，但必须自证清白：证明这些模型的输出未进入自身的训练数据、评测集及模型构建流程。

Meta 发言人对此回应称，公司已制定清晰政策，规范团队使用 AI 工具的方式，确保员工以负责任的态度专注于高影响力工作。

AI Coding 的深层危机：从提效到供应链重构

这一事件揭示的不仅是合规问题，更是 AI Coding 时代的新范式挑战。

过去，AI 编程工具主要被视为提效工具：辅助写代码、补测试、整理文档、修复 Bug。但随着 Claude Code、Codex 等工具能力的跃升，它们已渗透至更上游的研发环节，包括任务设计、评测构造、代码分析及模型训练流程。

当 AI 生成的不再仅仅是代码，而是测试标准、问题设计和工程思路时，企业将面临一个难以回答的问题：

自家模型的核心能力，究竟源自内部工程师的智慧，还是外部模型的输出？

Meta 对 Claude Code 和 Codex 的限制，表面是一次内部合规调整，实则指向行业层面的深刻变化：AI 编程工具正从单纯的开发辅助手段，演变为模型研发供应链的关键一环。

公司越依赖前沿模型搭建内部 AI 基础设施，就越难厘清智能能力的来源边界。这种“黑盒依赖”带来的信任与法律风险，将成为未来 AI 巨头必须面对的核心难题。