AI圈激辩：蒸馏是否是中国模型逼近美国的主因

9月25日，AI研究者xeophon与fleetwood在X上围绕蒸馏(distillation)在中国模型逼近美国模型中的作用展开多轮观点交锋，成为当日AI圈热议话题。

已确认

• xeophon明确表示蒸馏在整个大局中无关紧要，远不是中国模型能逼近美国模型的原因，并希望这一论点消失。他反驳"强模型收益主要来自蒸馏"的说法，认为该观点已过时：SFT作为能力提升主要来源是2023-24年的情况，如今能力进步主要靠RL环境。
• 针对蒸馏路径"会触底"的质疑——即总得有某个模型能真正完成任务，否则就得向人工标注者购买轨迹——xeophon反驳称训练时可以先用提示(hints)引导模型完成初始prompt，之后在SFT数据中移除这些提示；此外还有大量开源模型可用来生成轨迹数据。
• fleetwood持不同立场：他认为蒸馏是训练强模型的必要但非充分条件，其真正价值在于消耗竞争对手的资金——人类标注数据是成本大头（他以Mercor营收为佐证）；他也承认模型IQ层面的提升并非主要来自蒸馏，但认为蒸馏策略让中国实验室在竞争中占据优势。

为什么重要

• 这场争论直指当前前沿模型能力增益的真实来源：如果能力进步主要靠RL环境而非蒸馏，那么追赶 frontier 模型的关键路径就将从数据/SFT转向RL训练基础设施与环境构建，这对评估中美模型差距及其可追赶性有直接影响。
• 双方在SFT轨迹数据获取方式上的讨论（提示移除法、开源模型采样）揭示了前沿实验室降低人工标注依赖的实际做法，具有工程参考价值。

2026-09-25 ~ 2026-09-25 · 5 条相关

• 【源头】xeophon：蒸馏并非中国模型逼近美国的真正原因 — xeophon · 2026-09-25
• 【源头】AI 圈争论:蒸馏并非中国模型逼近美国的真正原因,RL 环境才是主战场 — xeophon · 2026-09-25
• 合成 SFT 数据瓶颈之争：先给提示再移除，或用开源模型采轨迹 — fleetwood___ · 2026-09-25
• 蒸馏还是前沿训练？AI 圈激辩强模型能力增益真实来源 — xeophon · 2026-09-25
• 【源头】观点交锋:蒸馏非最强模型充分条件,但让中国实验室占优 — fleetwood___ · 2026-09-25