機器之心編輯部

AI 編程工具越強，Meta 這樣的巨頭反而越尷尬。

據外媒 The Information 報道：Meta 正在限制員工在 AI 模型構建中使用 Claude Code 和 Codex，原因是擔心涉及模型蒸餾。

Meta 擔心這些外部模型生成的內容，可能進入自家的訓練數據或評測體系，從而引發所謂的模型蒸餾爭議。

地址：https://www.theinformation.com/articles/internal-docs-show-meta-putting-limits-claude-codex-fearing-distillation

模型蒸餾，成了 Meta 擔心的邊界

簡單來說，模型蒸餾指的是基于一個模型的輸出，去訓練或改進另一個模型。對于 AI 公司而言，這是一條非常敏感的邊界。因為 OpenAI、Anthropic 和 Google 等公司的服務條款，都明確禁止用戶使用模型輸出來構建競爭性系統。

Meta 面臨的麻煩恰恰在這里。

今年早些時候，Meta 成立了應用 AI 工程團隊，任務之一是改進自家的編程助手 MetaCode。為了提升 MetaCode 的能力，這個團隊需要構建高質量數據集、設計編程挑戰題，并用這些任務來訓練和測試代碼模型。

但問題是，Meta 又是 Claude Code 的大客戶之一。工程師在日常開發中使用 Claude Code 和 Codex 并不稀奇，可一旦這些工具生成的代碼、測試題、bug 分析、任務思路進入 MetaCode 的研發流程，事情就會變得復雜。

The Information 查閱到的內部指南顯示，Meta 已經對應用 AI 工程團隊使用外部 AI 工具劃下明確限制。公司允許工程師在某些常規工作中使用 AI，例如搭建工作流、整理代碼和文件、構建測試基礎設施等。但即便在這些場景下，AI 生成內容也必須經過人工仔細審查。

更關鍵的是，指南明確禁止工程師使用外部 AI 模型生成用于測試自家模型的編程挑戰題。Meta 在內部文件中表示，這類做法會讓工程師失去對任務設計的主導權，公司不希望任務來自模型。

此外，Meta 還限制工程師使用 AI 分析源代碼來查找漏洞，或基于代碼分析生成測試任務創意。換句話說，外部 AI 可以參與一些輔助性工程工作，但不能幫助 Meta 決定應該測試什么問題，更不能成為 MetaCode 訓練和評測任務的來源。

內部文件還提到，如果正在被測試的內部模型能夠訪問某些基礎設施容器，那么任何 AI 生成內容都不能被放入這些容器中。基礎設施容器通常包含應用運行所需的代碼、庫和相關環境。Meta 擔心，第三方模型輸出如果被內部模型接觸到，后續可能間接進入訓練鏈路。

據報道，一份 Meta 內部備忘錄甚至要求團隊暫停部分使用 Claude Code 和 Codex 的任務。原因在于，Meta 擔心外部模型的輸出可能流入自家訓練數據。一旦被模型廠商認定存在蒸餾風險，會引發合作層面的問題，可能被撤銷模型訪問權限，甚至遭到賬號或公司級封禁。

越來越貴的 AI 賬單

這背后也有成本壓力。

隨著 Meta 在全公司范圍內推廣 AI 工具，內部 AI 使用成本正在快速上升。Meta 今年僅內部 AI 使用支出就可能達到數十億美元。此前，Meta 還曾鼓勵員工積極使用 AI 工具提升效率，但隨著 token 消耗不斷增加，公司已經開始限制員工的 token 使用量。

因此，減少對外部 AI 編程工具的依賴，把更多開發工作遷移到 MetaCode 上，正變得越來越重要。可 Meta 想要用自家工具替代 Claude Code 和 Codex，又必須先確保這個替代工具沒有吸收 Claude Code 和 Codex 的輸出。

這就形成了一種微妙的矛盾：Meta 需要外部 AI 工具提升研發效率，同時又要防止這些工具的貢獻進入自家模型體系。

也就是說，科技公司可以使用競爭對手的 AI 模型來輔助研發，但必須證明這些模型的輸出沒有進入自己的訓練數據、評測集和模型構建流程。

Meta 發言人表示，公司制定了清晰政策，規定團隊如何使用 AI 工具，確保員工能夠以負責任的方式專注于高影響力工作。

AI Coding 的問題，已經不只是提效

但這件事真正值得關注的地方在于，它揭開了 AI Coding 時代的新問題。

過去，AI 編程工具主要被視為提效工具：幫工程師寫代碼、補測試、整理文件、修復 bug。現在，隨著 Claude Code、Codex 這類工具能力增強，它們已經開始影響更上游的研發環節，包括任務設計、評測構造、代碼分析和模型訓練流程。

當 AI 工具生成的不只是代碼，還包括測試標準、問題設計和工程思路，企業就很難再輕松回答一個問題：自家模型的能力，究竟來自內部工程師，還是來自外部模型的輸出？

Meta 對 Claude Code 和 Codex 的限制，表面上是一次內部合規調整，背后則指向一個更大的行業變化：AI 編程工具正在從開發輔助工具，變成模型研發供應鏈的一部分。

公司越依賴前沿模型來搭建內部 AI 基礎設施，就越難證明這些智能能力究竟來自哪里。