海外博主称反蒸馏令国产模型停滞，四家的发布间隔与公开评测给出另一种读法
11 月 11 日，海外 AI 博主 Da7em 在 X 上称，Anthropic 堵住蒸馏之后中国模型「再没往前挪过一寸」，并列举 Kimi、DeepSeek、智谱、阿里四家的节奏。该帖 11 月 12 日被中文媒体转载。把四家的发布间隔与公开评测分数并排看，能读出两层：发布没有中断、基准分数在涨，用户偏好与交付体验没有同步跟上。
封锁侧的动作是这条争议的前提。Anthropic 2 月 23 日指控 DeepSeek、月之暗面、MiniMax 借约 2.4 万个违规账号向 Claude 发起逾 1,600 万次调用；9 月 10 日的 154 页威胁情报报告把点名扩到七家（阿里、DeepSeek、MiniMax、月之暗面、商汤、小米、智谱），称 5 至 7 月合计约 1.9 亿次调用，阿里一家 1.51 亿次。10 月 12 日披露的反制包括账号封禁、高风险地区身份核验与可见推理摘要化；其内部实验显示，用完整推理记录训练的学生模型在 SWE-bench Verified 得 80.4%，改用摘要记录后降到 71.8%。
Da7em 的判据是节奏：Kimi 在 K3 之后约 100 天才等来 K3.1 Pro、他认为没有大突破；DeepSeek 迟迟没有他认可的 Pro 级旗舰；智谱过去不到两个月就出新旗舰、如今约三个月；Qwen4-Max 预览版他听到的反馈「大多是失望」。他 8 月还公开反对夸大蒸馏指控，10 月称 K3.1 Pro 是全球最好的开放模型。
可核对的另一面：Kimi K3 到 K3.1 Pro 间隔 98 天，后者 10 月 23 日发布、11 月 4 日开放权重，Artificial Analysis 综合指数由 44 升至 55，Terminal-Bench 4.0 由 13% 升至 67%；智谱 GLM-5.1 到 5.2、5.2 到 5.3 的公告间隔为 70 天与 59 天，5.3 在最高推理档的 Terminal-Bench 4.0 由 1.0% 升至 41.9%、AutomationBench-AA 由 28.4% 升至 62.2%；Qwen4-Max 11 月 11 日上线，仍是预览、未开权重，缺同口径横评。Cohere CEO Aidan Gomez 则对 CNBC 表示，中国模型已有独立于蒸馏的能力。
观点
- 用发布间隔论证停滞站不住。 四家的间隔都落在各自历史区间内，智谱近两次 70 天与 59 天，比「不到两个月」的说法更密。
- 封锁的真实效果落在推理链这一层，且已给出量化。 80.4% 对 71.8% 是 8.6 个百分点的折损，量不算大，但它把「抄推理过程」从低成本动作变成了要自己补后训练。
- 更值得记录的是分数与体验的分裂。 编码基准从 13% 跳到 67%，Arena 文本偏好却从 1487 微降到 1483，两者置信区间重叠、不足以判退步；基准刷高之后，用户感知的增量要靠交付速度、等待时间与任务完成率兑现。
- 张一鸣归因于数据，Da7em 归因于蒸馏，两个解释指向同一处。 可抄的部分在减少，剩下的要靠自建语料与后训练。判断国产位置的指标应换成同一 harness 下的每任务成本与完成率，榜单名次的信息量已经不够。