Meta限制员工用Claude Code和Codex担心技术蒸馏

Meta的AI编程工具拉锯战：一边用着对手产品，一边划下红线

6月30日消息，Meta正走在一根微妙的钢丝绳上——一方面希望用自研工具取代Claude Code和Codex，另一方面在研发替代品的过程中，还得小心避免将竞争对手模型的输出“喂”进自家系统。

据The Information报道，他们查阅的Meta内部指南显示，这家科技巨头正在对应用AI工程部门使用Anthropic的Claude Code和OpenAI的Codex设置严格界限。一份内部备忘录甚至要求团队暂停部分依赖这些模型的任务，理由很直接：担心外部模型输出可能混入Meta自家训练数据，进而导致与合作伙伴关系的“严重升级”。

Meta发言人回应称，公司有明确政策规定团队如何运用AI工具，确保他们能以负责任的方式专注于高价值工作。报道同时指出，内部通信中没有记录员工明确违反相关服务条款的案例。

MetaCode要替代外部工具，训练题得由自己出

Meta今年早些时候成立了应用AI工程团队，任务之一是改进自家编程助手MetaCode（此前名为DevMate）。The Information表示，Meta是Claude Code的大客户之一，但随着内部AI使用账单不断膨胀，公司希望将更多开发工作转向自家工具。

问题在于，提升MetaCode本身需要高质量数据集和编程挑战，以此训练和测试模型的代码能力。Meta允许团队在部分常规工作中使用外部AI工具，比如搭建工作流、整理代码和文件、构建测试基础设施等。

但指南画出了一条清晰的红线：工程师不得用外部AI模型的输出来创建用于测试自家模型的编程挑战，也不得让AI基于源码分析来寻找bug或生成任务创意。在这条边界下，Claude Code和Codex可以协助一些辅助性工程任务；但训练和评估MetaCode用的题目，仍要由Meta工程师自行决定。说白了，考试题目得自己出，不能让别人代劳。

The Information称，这些指南可追溯到5月，且据知情人士表示仍在生效。

真正敏感的是“蒸馏”

Meta真正担心的是一种被称为蒸馏的做法：开发者用竞争对手模型的输出来训练、改进自己的模型。这样做可能让一家公司绕过别人投入大量数据、算力和研究成本形成的能力积累，也可能违反模型服务协议。

OpenAI、Anthropic和谷歌的模型服务条款都明确禁止使用模型输出构建竞争系统。Meta内部文件的警惕点就在于此：如果工程师用Claude Code或Codex生成编程任务、测试思路或其他可被自家模型接触的材料，外部模型的输出可能间接进入Meta的训练和评估链路。

The Information报道称，Meta的一份内部文件提到，一旦这些输出进入训练数据，可能引发与合作伙伴公司的“严重升级”。这是一种内部风险预警，重点在于提前压制合规风险，而非说明纠纷已经发生。

报道还指出，指南要求不得将AI生成材料放入内部模型可访问的基础设施容器中。这个限制看似很细，指向的仍是同一个问题：外部模型生成的内容不应成为Meta自家模型可学习、可读取、可复用的素材。

成本压力让边界更难守

这件事不单是合规问题，也和成本紧密相关。

The Information称，Meta今年仅内部AI使用就可能花费数十亿美元。公司此前大力推动员工采用AI，现在又通过限制员工的AI调用额度来控制快速上升的成本。减少对外部AI编程工具的依赖、将更多工作转向MetaCode，对Meta而言变得更为迫切。

但这造成了一个尴尬局面：越想摆脱外部工具，就越容易在研发过程中依赖外部工具；越想训练出自家编码模型，就越要小心不让对手模型的输出进入训练链路。

技术法学者Mark Leiser对The Information表示，Meta内部文件几乎就是这条钢丝绳的地图。美国法律并未明确禁止蒸馏，AI生成内容本身也不享有版权保护，但AI实验室已经表现出愿意撤销访问权限、封禁疑似蒸馏账户或公司的态度。

行业里也不乏前例。OpenAI曾称DeepSeek可能部分通过蒸馏o1模型获得能力，DeepSeek后来表示其预训练主要使用公开数据和授权第三方数据；埃隆·马斯克在与OpenAI的诉讼审理中承认，xAI曾“部分”蒸馏OpenAI模型。Anthropic今年也多次将蒸馏列为重点防御对象，并在本月指控阿里巴巴发起了针对Anthropic的大规模蒸馏攻击。这些案例提供了行业背景，The Information对Meta的报道本身没有指向类似行为已经发生。

AI工具越强，客户和供应商越互相防备

Meta的做法表明，大公司使用外部AI工具已进入一个新阶段。过去的问题是“能不能用AI提效”，现在的问题变成：如果用外部AI提效，会不会把对方的模型能力、输出特征或知识产权风险带进自己的模型系统？

这对Claude Code和Codex这样的AI编程工具尤其敏感。它们越能帮助工程师写代码、找问题、设计测试，就越可能触及训练数据和模型评估的边界。对使用方来说，它们是生产力工具；对供应方而言，客户如果使用过深，也可能变成潜在竞争者。

Meta的重点并非简单“禁用AI编程工具”，而是将外部AI工具限定在外围工程和辅助工作中，把真正决定模型能力的数据、任务设计和评估标准留给人类工程师。这既是成本控制，也是供应商关系管理，更像自研模型时代大公司处理外部AI工具的一次合规样本。

如果未来更多公司自研内部模型，类似限制会更常见：员工可以用外部AI工具提升效率，但训练题、评估题和可沉淀进模型资产的素材，会被更严格地留在公司自己的控制范围内。