你天天用的Claude和Codex，Meta内部不让随便用了

【导读】你每天用Codex、Claude Code写代码，从没想过一个问题：这份聪明，到底算谁的？

今年5月，Meta给自家工程师划了一道红线。

应用AI工程部门的人，不能再随便用Claude Code和Codex了。

据The Information拿到的内部指南，一份备忘录甚至直接要求，暂停某些用到这两个模型的任务。文件措辞很重，说这可能触发「与合作方的严重升级」。

然而，反常也就反常在这儿。

Meta是Claude Code在全球最大的客户之一。它今年内部用AI的总账单，正奔着数十亿美元去。

天天离不开的工具，公司花大钱买来，现在却在内部限制使用。而限制的理由，你大概也想不到。

不是它们不好用。恰恰相反，是太好用了。

这条红线

现在仍在生效

据The Information报道，这套限制5月就定下，至今仍在生效。

Meta为何如此紧张，这要从它内部一个AI编程助手项目说起。

今年，它组建了一个应用AI工程团队，主攻自研的AI编程助手MetaCode（原名DevMate）。

目标就是别再让Meta花大价钱继续使用别人的AI编程模型，自己也要训一个出来。

Claude Code官方界面。它与OpenAI的Codex，已是职业开发者做智能体编程的事实标准。

可要练出一个会写代码的模型，没那么简单。

你得喂给它海量高质量数据，还得出足够多、足够刁钻的编程题，让它练手、给它判分。这套题库和评测，几乎决定了一个编程模型最终有多强。

但问题恰恰出在这儿。

Meta遇到的难题，是怎样才能不让员工太过依赖这些外部工具，去打造内部的替代品。

它所担心的，是这些外部模型的输出渗进训练数据，让自己造的模型，偷偷学了对手的本事。

要看懂这层担心，得先知道一个模型是怎么「学」的：你喂给它什么样的数据，它就长成什么样子。

MetaCode想变强，靠的就是工程师攒的那套训练数据和编程题库。

可一旦这些题目、答案、甚至判分标准出自Claude或Codex，MetaCode学到的，就不再是「人类工程师训练出来的本事」，而是「Claude的本事」。

它照着对手的卷子抄答案，越练越像对手。

更隐蔽的，是评测这一环。

模型每答一道题，得有个东西告诉它答得好不好，它才知道往哪儿改。

如果出题和判分都交给Codex，那MetaCode就是在朝着「Codex觉得对」的方向进化，等于把对手的判断标准，一点点复刻进了自己脑子里。

这就是为什么，Meta的这份指南不让AI当出题人、判卷人，连「AI生成的材料能不能进被测模型读得到的环境」都要管。

只要对手的输出有一丝渗进训练或评测的链条，这条「谁教会了谁」的界线，就糊了。

说到底，Meta暂停部分任务，是在给训练数据做隔离。

怕的是AI写得太好，分不清哪些本事是自己训练出来的，哪些是从Claude和Codex那儿学习来的。

而后面这层能力，是租来的，并不是自己的。

细到让人意外的限制

要先说清楚，Meta的内部文件里，并没有任何员工真违规的记录。

Meta发言人也回应，公司有「明确的政策」规范怎么用AI工具。所以这份文件，更像是在内部提前拉响警报。

哪些活不能让AI碰？主要是以下三类：

第一，不能拿Claude或Codex的输出，去给自家模型出测试题。指南的原话是，这「明确属于工程师不在驾驶位的范畴」，「我们不要源自模型的任务」。

第二，不能让AI在源码里找bug，也不能让它基于代码分析帮你想「该测什么」。

第三，AI生成的任何东西，都不能放进被测模型能访问到的地方。

说白了，只要AI参与了「该测什么、答得对不对」的判断，对手的本事就可能混进来。三条堵的都是这个口子。

哪些活还能让AI干？

搭工作流、整理代码和文件、给内部工具搭测试的架子，这些日常杂活可以。指南把这类工作称作「测试脚手架（test scaffolding）」和「方案校准（solution calibration）」，说白了就是打下手、搭框架。

哪怕是这些活，也有一条铁律：AI的每一行产出，人都得先过一遍眼。

在Meta看来，一旦让对手的模型来出题、判卷，这场考试就说不清是谁考出来的了。

它真正想守住的，就是那条「谁教会了谁」的界线。

绕不开的「蒸馏陷阱」

Meta担心的这件事，业内有个专门名词：蒸馏（distillation）。

意思不难懂：拿一个更强的模型，让它不停答题，再用这些答案去训练一个较弱的模型。

有点像让学霸把卷子从头做一遍，学渣照着抄，几个月就追上人家好几年的功力。

别人在数据、算力、研究上砸的天价投入，你近乎免费蹭走。

从零训一个前沿模型，烧的钱和时间是天文数字。而蒸馏，可能只要对方一批输出，成本和工期都砍到零头。

蒸馏本身是业界常规操作，大厂也常拿自家大模型蒸馏出更小、更便宜的版本给用户用。

麻烦只在于：一旦你抄的是别人家的模型，你训出来的能力，到底是自己练的，还是顺来的？说不清。

有人把这叫「蒸馏陷阱」：你越是靠最强的模型去搭自己的地基，就越难证明，你的聪明到底打哪来。

在美国，法律并未明文禁止蒸馏，AI生成的内容也不受版权保护。你拿对方的输出去练自己的模型，法律这一关基本拦不住。

唯一的关卡是合同。

OpenAI、Anthropic的服务条款都写了类似的限制：不许拿模型的输出，去造一个跟自己竞争的东西。

而且这道关卡，执法权全在竞争对手手里。

去年，Anthropic就直接掐断了OpenAI对Claude的接口（API）访问，哪怕OpenAI说自己只是拿来评测能力和安全性，是「行业标准」做法。

就连马斯克，也在今年4月的一场庭审上被迫承认，他的xAI「部分」蒸馏过OpenAI的模型。

2026年4月30日，在加州联邦法院的证人席上，马斯克被问到xAI是否对OpenAI模型用了蒸馏技术来训练Grok，他先称这是AI公司的普遍做法。

当被追问这是否等于「是」时，他回答是「部分」。

规则模糊，「执法权」都攥在竞争对手手里。谁敢拿自己几十亿的投入，去赌对手不翻脸。

从这个角度看，Meta的紧张，一点都不多余。

这里，还有一个算盘就是省钱。

按内部备忘录，Meta今年光内部用AI这一项，就要烧掉数十亿美元。它甚至开始给员工的token用量设上限。财大气粗如Meta，也开始嫌AI太贵、要精打细算了。

如果能把开发工作从昂贵的外部工具转到自家MetaCode上，既省了钱，又躲开了蒸馏的雷，可谓一举两得。

一张走钢丝的地图

关于Meta这套内部文件，科技法学者、法律顾问Mark Leiser有一句话很形象：这「几乎就是一张走钢丝的地图」。

一边要获得外部模型的好处，一边又得防着它的本事溜进自家系统。

像这样走钢丝的，当然不止Meta一家公司，它戳中的是整个行业的命门。

当你用一个足够聪明的AI，去造另一个同样聪明的AI，到最后，你可能很难说清：这份聪明，究竟是你自己练出来的，还是从别人的AI那儿悄悄学来的。

而且这事，离普通人也没那么远。

你用AI写的代码、改的方案、攒的资料，喂回去又会变成下一代模型的养料。

在这个循环中，谁站在谁的肩膀上，那条界线已经变得越来越糊。

当AI开始帮我们造AI，我们还分得清，本事到底是谁的吗？

参考资料：

https://x.com/kimmonismus/status/2071591755351224344

https://www.theinformation.com/articles/internal-docs-show-meta-putting-limits-claude-codex-fearing-distillation

编辑：元宇