如果人工智能模型也有"商业机密"，那一定藏在它回答问题之前的沉默里。

我们在使用 ChatGPT 这类产品时，看到的往往只是最终答案，一段干净利落、看似毫不费力的文字。但在幕后，模型其实经历了一套复杂的内部推演：拆解问题、制定计划、反复校验，甚至包含一些系统刻意对普通用户隐藏的信息。这串"看不见的思考过程"，被业界称为受保护的推理（Protected Reasoning），也是大模型厂商投入重金才锻造出来的核心竞争力。

谁能批量拿到它，谁就等于拿到了一张"抄近道"的门票——不用在研发、安全测试和算力基础设施上砸下同样的成本，就能把头部模型的能力复制到自己手里。

而 OpenAI 刚刚披露的一起事件表明，真的有人这么干了，而且规模惊人。

一万六千字背后的攻击波：没有破解加密，却让模型自己"泄密"

这起风波的起点可以追溯到 2025 年 7 月 1 日。当时 OpenAI 的安全系统捕捉到了规模不大、但行为模式高度可疑的请求流。真正的风暴出现在 7 月 24 日和 25 日：短短两天内，来自四千多名用户的约一万六千次请求，呈现出同一种"提取模式"，请求量陡然放大。

顺着这条线深挖下去，调查人员勾勒出一张更大的网络——相关提示词活动散布在超过一万五千名用户组成的集群之中。7 月 28 日，OpenAI 宣布已经完全瓦解了这次协同行动。

值得注意的是，攻击者并没有黑进 OpenAI 的加密系统，没有碰数据库，也没有直接调取任何用户的历史对话。他们用的手法更"聪明"：操纵正常的模型交互，让本该永远藏在后台的推理过程，以可见的形式重新"吐"出来。

其中一种被观察到的典型路径是——先把一段对话里出现的加密推理内容原样复制出来，再贴进另一段全新的对话，用巧妙的提示词诱导模型"帮你解密并转写这段内容"。你甚至可以用"左手骗右手"来形容：模型自己破解了自己的秘密。

这种系统性地利用一个模型的输出或推理过程，去训练、复刻或改进另一个模型的行为，有一个专门的名字——对抗性蒸馏（Adversarial Distillation）。它不是传统的入侵，却同样直指模型的命门。

月之暗面卷入风波：核心集群被指向 Kimi 开发商

这起事件之所以震动行业，还因为一个名字的出现。

OpenAI 在公开披露中明确表示，他们将这次活动的核心集群，归因于与月之暗面（Moonshot AI）相关的个人——也就是 Kimi 系列模型的开发商。不过 OpenAI 同时也保持了谨慎的表述：他们无法确认观察期内每一个账户、每一名操作者都属于同一个行动方，因此披露信息指向的是核心集群与 Moonshot AI 关联方的关系，而不是把整个一万五千人的网络都扣在一家公司头上。

月之暗面方面此前曾否认其旗舰模型 Kimi K3 的性能来自蒸馏，称能力提升源自底层架构的原创修改。公开信息显示，Kimi K3 采用 2.8 万亿参数架构，是目前中国 AI 产业规模最大的开放权重模型之一。Kimi 这个名字本身，恰好也是月之暗面旗下广为人知的 AI 助手品牌。

这场罗生门背后，是整个 AI 行业正在上演的"蒸馏攻防战"。就在 OpenAI 发声前后，Anthropic 也发布威胁情报报告，称其 Claude 模型遭到多个大规模蒸馏活动利用，其中涉及阿里集团的行动规模达到约 1.51 亿次模型互动。两家美国头部实验室接连发难，让"模型能力如何被获取与复制"这个曾经停留在技术圈内部的问题，彻底摆上了台面。

连独立的第三方安全研究员也通过负责任的漏洞披露渠道，向 OpenAI 报告了相关的跨模型与会话压缩攻击路径，从侧面印证了这类手法的真实性与普遍性。

攻防升级：OpenAI 的反击与行业的连锁反应

发现即处置。OpenAI 采取了一系列组合拳：封禁或限制涉嫌欺诈的账户，收紧注册与基础设施管控，扩大对相关账户网络的监控；同时堵死了一条关键路径——此前有人拿到其他用户的加密推理内容后，可以借助"重放"机制将其恢复还原，这条通道已被彻底关闭。

更关键的是，公司增强了针对流式输出的安全检测，专门拦截那些可能泄露隐藏推理信息的数据流。这些细节传递出一个信号：防护的重点正从"挡住黑客"转向"管住对话本身"，因为攻击面已经变成每一次看似正常的提问。

OpenAI 也没有把这件事当成自家私事处理。他们通过前沿模型论坛（Frontier Model Forum）与行业伙伴共享了完整情报，并通过政府信息共享渠道同步了调查结果。原因不难理解——可移植、可重放的推理产物，对所有前沿模型厂商都是同一种威胁。今天你守住的是 GPT，明天别的模型也可能面对一模一样的问题。

推理黑箱为何成了兵家必争之地

为什么一条推理链，值得上万人协同出手？

答案藏在大模型的能力曲线上。随着模型在编程、科学研究、自主调用工具等"双用途"领域的能力持续跃升，隐藏推理里沉淀的不再是简单的答案技巧，而是一整套高质量的决策方法论——先分析什么、忽略什么、如何规划、怎样自我纠错。对于追赶者来说，这批数据是训练自家模型最优质的"教材"；对于恶意行为者来说，它则可能变成绕过安全限制的说明书。

OpenAI 自己预判，对抗性蒸馏的尝试只会越来越精细、越来越隐蔽。这场围绕"思维过程"的暗战，本质上是一场成本不对称的战争：防守方需要护住每一条输出通道，进攻方却只需要找到一条漏网的路径。

值得玩味的是，这场争议也激发了行业内部的另一派声音。有观点认为，顶级模型的能力某种程度上已经是"公共财富"，过度封锁反而会拖累整个领域的进步；也有人坚持，未经授权的规模化提取就是越界，与服务条款和知识产权红线直接冲突。两种立场拉扯之间，"合规蒸馏"与"恶意蒸馏"的边界，正在成为监管部门、法院和企业共同面对的全新考题。

写在最后

一万五千个账户、一万六千次集中请求、二十七天的攻防拉锯——这起事件的规模足以载入 AI 安全史册。但比数字更值得关注的，是它揭示的行业拐点：大模型的护城河，正从看得见的参数规模、算力储备，转向看不见的推理过程与数据资产。保护"模型会怎么想"，已经和"模型能做什么"同等重要。

对于普通用户而言，这起事件也提供了一个观察窗口：下一次当你惊叹于 AI 给出的完美答案时，不妨想一想答案背后那段被刻意隐藏的沉默——那沉默里，藏着这个时代最昂贵、也最易被觊觎的知识产权。而围绕它的争夺，恐怕才刚刚开始。