CoT 相似度检测显示 Qwen3.8 疑似用 GPT 5.5 思维链训练
Chromix_ · reddit · 2026-09-10
社区出现针对 Qwen3.8「蒸馏自 GPT 5.5 CoT」的检测分析（尚属推测性证据，非官方结论）：
方法
- 有人此前找到从 API 闭源模型中提取隐藏 CoT 的方法，并用这些数据对比各开放模型回答的相似度
- 在小而多样的基准上同时运行两家模型，对同一任务的 CoT 做相似度比对
- 第二次运行 Qwen3.8 时，把少量 GPT 5.5 的 CoT 作为 reasoning prefill 注入，模型会「接上」该思路，输出与 GPT 5.5 答案更相似；若模型训练时没见过 GPT 5.5 CoT，则不会出现这种相似度抬升
- 为防误报，测试还加入了私有基准，观察到同样的抬升；若只是训过 HLE 结果而非 CoT，不会出现这种现象
结果（n=45）
- Qwen3.8 A95B：16.79% → 34.97%，提升 +18.18 pp，远超其他模型
- Kimi K3：+4.54 pp，作者推测 Kimi 可能见过部分 Claude 的输出
- DeepSeek V4 Flash：−1.17 pp；Inkling：+0.46 pp，均无此迹象
推论：如果 Qwen3.8 确实 post-trained 于 GPT 5.5 CoT 并因此在小尺寸上表现突出，OpenAI 完全可以发布一个全量 CoT 蒸馏的小模型打败同尺寸 Qwen，只是可能与其 Luna 产品线竞争。
「模型」频道最新
- Nanbeige4.3-33B 实测：单流 59 tok/s，64 并发总计约 1060 tok/s — MaziyarPanahi · 2026-10-26
- 测试显示 AI 检测器对轻度 AI 润色几乎全部漏判 — paulnovosad · 2026-10-26
- Qwen 4 疑似现身竞技场，阿里下一代模型或已开测 — AIFlow_ML · 2026-10-26
- Nat Lambert 首讲开源模型生态：蒸馏、风险与开放访问走向 — natolambert · 2026-10-26
- 同 harness 对比实测：Nanbeige 33B 输出零可编译 — julianharris · 2026-10-26
- Claude 拒写 SS7 异常检测器，安全分类器误伤防御研究逼用户跑 abliterated GLM — l4rz · 2026-10-26