6月30日消息，Meta想用自研工具替代Claude Code和

據The Information報道，其查閱的Meta內部指南顯示，Meta正在對應用AI工程部門使用Anthropic的Claude Code和OpenAI的Codex設置嚴格邊界。一份內部備忘錄甚至要求團隊暫停部分使用這些模型的任務，原因是擔心外部模型輸出可能進入Meta自家訓練數據，并引發與合作伙伴關系的"嚴重升級"。

Meta發言人回應稱，公司有明確政策規定團隊如何使用AI工具，確保他們能以負責任方式專注高價值工作。報道同時指出，內部通信沒有記錄員工明確違反相關服務條款的實例。

MetaCode要替代外部工具，訓練題得由自己出

Meta今年早些時候成立了應用AI工程團隊，任務之一是改進自家編程助手MetaCode。這個工具此前名為DevMate。The Information稱，Meta是Claude Code的大客戶之一，但隨著內部AI使用賬單膨脹，公司希望把更多開發工作轉向自家工具。

問題在于，提升MetaCode本身需要高質量數據集和編程挑戰，以此訓練和測試模型的代碼能力。Meta允許團隊在部分常規工作中使用外部AI工具，比如搭建工作流、整理代碼和文件、構建測試基礎設施等。

但指南劃出了一條紅線：工程師不得用外部AI模型的輸出創建用于測試自家模型的編程挑戰，也不得讓AI基于源碼分析來尋找bug或生成任務想法。在這條邊界下，Claude Code和Codex可以幫忙做一些輔助性工程任務；但訓練和評估MetaCode用什么題目，仍要由Meta工程師自己決定。

The Information稱，這些指南可追溯到5月，且據知情人士說仍在生效。

真正敏感的是"蒸餾"

Meta擔心的是一種被稱為蒸餾的做法：開發者用競爭對手模型的輸出來訓練、改進自己的模型。這樣做可能讓一家公司繞過別人投入大量數據、算力和研究成本形成的能力積累，也可能違反模型服務協議。

OpenAI、Anthropic和谷歌的模型服務條款都明確禁止使用模型輸出構建競爭系統。Meta內部文件的警惕點就在這里：如果工程師用Claude Code或Codex生成編程任務、測試想法或其他可被自家模型接觸的材料，外部模型的輸出可能間接進入Meta的訓練和評估鏈路。

The Information報道稱，Meta的一份內部文件提到，如果這些輸出進入訓練數據，可能引發與伙伴公司的"嚴重升級"。這是一種內部風險預警，重點在于提前壓住合規風險，而不是說明糾紛已經發生。

報道還提到，指南要求不得將AI生成材料放入內部模型可訪問的基礎設施容器中。這個限制看起來很細，指向的仍是同一個問題：外部模型生成的內容不應成為Meta自家模型可學習、可讀取、可復用的材料。

成本壓力讓邊界更難守

這件事不只是合規問題，也和成本有關。

The Information稱，Meta今年僅內部AI使用就可能花費數十億美元。公司此前大力推動員工采用AI，現在又開始通過限制員工的AI調用額度來控制快速上升的成本。減少對外部AI編程工具的依賴、把更多工作轉向MetaCode，對Meta來說變得更為迫切。

但這也造成一個尷尬局面：越想擺脫外部工具，越容易在研發過程中借助外部工具；越想訓練出自家編碼模型，越要小心不要讓對手模型輸出進入訓練鏈路。

技術法學者Mark Leiser對The Information表示，Meta內部文件幾乎就是這條鋼絲繩的地圖。美國法律并沒有明確禁止蒸餾，AI生成內容本身也不享有版權保護，但AI實驗室已經表現出愿意撤銷訪問權限、封禁疑似蒸餾賬戶或公司的態度。

行業里也已經有前例。OpenAI曾稱DeepSeek可能部分通過蒸餾o1模型獲得能力，DeepSeek后來表示，其預訓練主要使用公開數據和授權第三方數據；埃隆·馬斯克在與OpenAI的訴訟審理中承認，xAI曾"部分"蒸餾OpenAI模型。Anthropic今年也多次把蒸餾列為重點防御對象，并在本月指控阿里巴巴發起了針對Anthropic的大規模蒸餾攻擊。這些案例提供的是行業背景，The Information對Meta的報道本身沒有指向類似行為已經發生。

AI工具越強，客戶和供應商越互相防備

Meta的做法說明，大公司使用外部AI工具已經進入一個新階段。過去的問題是"能不能用AI提效"，現在的問題變成：如果用外部AI提效，會不會把對方的模型能力、輸出特征或知識產權風險帶進自己的模型系統？

這對Claude Code和Codex這樣的AI編程工具尤其敏感。它們越能幫助工程師寫代碼、找問題、設計測試，就越可能觸碰訓練數據和模型評估的邊界。對使用方來說，它們是生產力工具；對供應方來說，客戶如果用得太深，也可能變成潛在競爭者。

Meta的重點不是簡單"禁用AI編程工具"，而是把外部AI工具限定在外圍工程和輔助工作中，把真正決定模型能力的數據、任務設計和評估標準留給人類工程師。這既是成本控制，也是供應商關系管理，更像是自研模型時代大公司處理外部AI工具的一次合規樣本。

如果未來更多公司自研內部模型，類似限制會更常見：員工可以用外部AI工具提高效率，但訓練題、評估題和可沉淀進模型資產的材料，會被更嚴格地留在公司自己的控制范圍內。（易句）

（本文由AI翻譯，網易編輯負責校對）