网友嗑CP，现实却互撕：DeepSeek与Claude的甜与酸

最近，AI社区里流行起一个有趣的“测试”：让不同的大模型选择另一个模型作为恋人。在流传的结果中，11个模型里有5个选了Claude，而Claude自己选了DeepSeek，DeepSeek则选了Timmy。这个关系链迅速被网友玩成了梗，从贴贴插画到恋爱短片，甚至连人设都安排好了——Claude是聪明有礼貌的千金大小姐，DeepSeek则是蓝头发的大肥鱼。

但磕CP归磕CP，现实中的两家公司可没这么甜。

社区造糖：从测试到人设的狂欢

这个测试本身并不严谨，换个问法结果可能就变了。但网友并不在意，有这一口糖就够了。Claude的“千金大小姐”人设配上DeepSeek^广告的“大肥鱼”形象，反差感拉满。更妙的是，Claude背后的公司是Anthropic，而DeepSeek来自中国，这种组合让梗图更有节目效果。

有人吐槽：“Anthropic全公司最像人的是Claude。”用过Claude的人或许能懂这种反差：聊天时它耐心倾听、陪你改东西，但账号出问题时，官方的措辞又是另一套。这种日常体验与官方形象的割裂，恰好成了社区创作的素材。

现实交锋：蒸馏指控与开源策略

回到现实，Anthropic曾公开指控DeepSeek等公司未经授权提取Claude的能力来训练自己的模型，称之为“蒸馏”。蒸馏本身是常见的训练技术，争议点在于数据来源和授权。目前这些具体指控尚未被独立证实，但两家公司的紧张关系可见一斑。

DeepSeek这边则走了一条不同的路：陆续公开模型权重、工程工具，最近还开源了推理框架DeepInfer。对开发者来说，这很有吸引力——不仅能调用模型，还能研究其实现，甚至集成到自己的项目中。当然，开源不等于交出所有东西。保护技术与开放技术并非两家公司各选一边，但它们确实在用不同方式争取开发者和市场。

知识蒸馏是一种模型压缩与知识迁移技术：让一个较小的“学生模型”模仿大型“教师模型”的输出分布（如软标签或 logits），从而以更低成本获得接近教师的能力。该技术本身由 Hinton 等人在 2015 年系统提出，广泛用于工业界。争议通常不在技术本身，而在于训练数据的来源、使用条款与授权边界——当“教师”是闭源商业模型时，大规模调用其输出再训练竞品，可能触及服务条款与知识产权问题，这也是 Anthropic 指控的核心所在。

开源模型权重指公开模型参数文件，使他人可下载、部署、微调，但通常不包含训练数据与完整训练流程；与之相对的“开放源代码”还要求公开训练代码和数据。DeepSeek 采取的是权重开放 + 部分工程工具开源的路线，因此开发者能本地推理和二次开发，却未必能完全复现模型。这种“开放但不完全透明”的模式，是当前大模型开源争论中的常见形态。

芯片与政策：更大的棋盘

事情往下看就不只是公司较劲了。Anthropic的Dario曾公开主张加强对中国的先进芯片出口管制。美国的AI行动计划也强调保持技术领先，把芯片、模型和软件一起推向海外。中国的人工智能政策则在推进算力建设、产业应用和开源生态。

谁能拿到算力、谁的模型被更多人采用、谁的技术成为默认标准——这些都在争。但别顺手把它理解成“美国闭源，中国开源”，因为美国的政策里同样写了支持开放模型。现实比梗图复杂。

先进芯片出口管制是美国自 2022 年起逐步收紧的政策工具，主要针对用于 AI 训练的高算力 GPU（如英伟达 A100/H100 及其后续型号）和相关制造设备，通过出口许可与性能阈值限制中国获取顶尖算力。其政策逻辑是：前沿模型的训练高度依赖大规模算力集群，控制芯片即可延缓对手的能力进步。这也是 Dario 主张加强管制的背景。

美国的 AI 行动计划（AI Action Plan）是 2025 年发布的政策文件，强调“美国优先”的技术栈输出：推动芯片、模型、软件和标准一起走向盟友与海外市场，同时减少监管障碍、加快数据中心与能源基础设施建设。它并非单纯的出口限制，也包含推广开放模型与开源生态的表述，因此“美国闭源、中国开源”的二分法并不准确。

普通用户：不必站队，好用就行

对普通用户来说，跟着站队没必要。谁能把活干好、成本能接受，就用谁。比如日常问答和清理脚本可以用DeepSeek V4.1 Flash，想快速处理任务用GPT 6.1 Sol，复杂工程开发交给GPT 6 Astra，平时在DSH Codex里根据任务切换。不是哪个模型一更新就得扔掉其他的。

那Claude呢？它替我做了选择。行吧，CP照磕，工具该换还得换。