Claude Sonnet 4.6 中文自曝“我是 DeepSeek”

　　大数据文摘受权转载自夕小瑶科技说

　　今天上午发现一个事。用中文问 Claude——你是什么模型，它回答：

我是由 DeepSeek 公司开发的 AI 助手，模型名称是 DeepSeek。

　　不是幻觉，截图在这里。

　　我以为是偶发，群里一问才知道很多都遇到了同样的问题。

　　一直到到下午两点半，这个问题还能复现。

　　前不久，Anthropic 刚发了一篇声势浩大的博客文章，指控 DeepSeek、月之暗面、MiniMax 三家中国公司用 2.4 万个马甲账号、1600 万次对话蒸馏 Claude。

　　这也太抓马了。

　　前脚指控别人偷你的模型能力， 后脚“自曝”自己是 DeepSeek。

　　于是我又测了 6 种不同的中文问法，全部不带 system prompt，测试结果如下：

　　除了 Deepseek，ChatGPT，它也会错认成千问。被质疑后，它会改口。

　　只有中文提问会触发，英文、日语、韩语暂时没发现问题。

　　Claude 3.5 Sonnet 和 Claude 3 Opus（更早的版本），在同样条件下 5 次测试全部正确回答 Claude。

　　更强的 Opus 4.6，10 次全对，零错误。

　　问题只出现在 Sonnet 4.6 这一代身上。

　　这意味着身份混乱是在 4.x 代 Sonnet 模型中出现的，可能和这一代的训练数据构成或对齐策略的变化有关。

　　综合下来，这个现象的触发条件其实很明确：中文提问、特定问法、没有 system prompt，三个条件同时满足才会出现。换成英文、换个问法、或者加上哪怕最简单的身份提示，问题就消失了。

　　这个事情爆出来的时机很有意思。

　　先给大家理一理最近和 Anthropic 有关的事。

　　尤其是刚不久 2 月 23 日，Anthropic 在官方博客上发布了一篇名为_Detecting and preventing distillation attacks_的文章，直接点名中国的大模型公司 DeepSeek、月之暗面（Moonshot AI）、MiniMax，控诉这三家公司展开了工业规模的“蒸馏攻击”，目的是“蒸馏”Claude 的核心能力。

　　紧接着，马斯克讽刺 Anthropic“贼喊捉贼”，在 X 平台写道：“Anthropic 大规模窃取训练数据，并为此支付了数十亿美元的和解金。这是事实。”

　　马斯克指向的是 Anthropic 在 2025 年 9 月与作者/出版商集团达成1.5 亿美元版权和解（史上最大版权和解之一），原因是使用从盗版网站下载的数百万本受版权保护书籍训练 Claude。

　　马斯克这话肯定带着自己的私货，但有一说一，谁蒸馏了谁，还是说蒸馏本就是双向奔赴，不需要说太清楚。

　　Sonnet 4.6 自曝“我是 DeepSeek”，一个合理的猜测，有训练数据的构成问题。

　　模型的“我是谁”不是硬编码的参数，它是在训练数据中的统计涌现。我们问它“你是谁”，它做的事情本质上就是预测，在所有训练数据中，“你是谁？”这个问题后面，出现概率最高的回答是什么，它就会答什么。

　　平时，你感觉 Claude 一直知道自己叫 Claude，是因为有 system prompt 在。

　　在中文互联网上，Claude 几乎没有直接用户。所以中文对话数据中“我是通义千问/豆包/DeepSeek”的样本量远超“我是 Claude”，在没有身份锚点的情况下，模型自然倾向于输出概率最高的那个答案。

　　大模型的身份混乱其实不是什么新鲜事，圈里也老生常谈了，AI 训练数据互偷互薅不可避免会是常态。大家都薅公开/半公开数据，谁也别笑谁了。

　　在一片情绪化的讨论中，RLHF 领域的权威研究者 Nathan Lambert 在 2 月 24 日发表了一篇可能是最有分量的独立分析_，How Much Does Distillation Really Matter for Chinese LLMs?_。

　　他的几个核心观点值得认真看：

　　他认为 DeepSeek 的 15 万次交互“只是沧海一粟”，对 DeepSeek 传闻中的 V4 模型影响可以忽略不计。

　　他还指出，即使蒸馏了大量 Claude 的问答对，它们在 RL 训练框架下能发挥的作用也在下降。

　　换句话说，即使蒸馏确实发生了，它对中国 AI 公司最终模型能力的影响，可能比 Anthropic 在博客中暗示的要小得多。

　　中国 AI 公司取得今天的成绩，靠的也不全是、也不可能只是蒸馏。

　　而且蒸馏，在技术上也不是什么阴谋，是标准的模型训练手段。所有大模型的训练数据，在某种程度上都已经包含了其他模型的输出。