范凯说 AI · 周日晚聊 第15期:蒸馏是 AI 时代最强的学习方法

主题：蒸馏是 AI 时代最强的学习方法

日期：2026年4月12日

开场

大家好，这里是《范凯说 AI · 周日晚聊》，已经是第15期了。每个周日晚上9点，我会和大家一起回顾最近一周 AI 行业最重要的变化，分享个人实践经验。

今天主要聊这几件事：

1. Anthropic 发布最新模型 Claude Mythos，强到不敢公开发布；Anthropic 年化营收突破300亿美元，反超 OpenAI
2. OpenAI、Anthropic、Google 三巨头联手反蒸馏，点名三家中国公司
3. Qwen 3.6-Plus 全球 Token 调用量第一
4. 个人实践分享：用 AI 写了一周代码后的三个深刻感悟——蒸馏是 AI 时代最强的学习方法

第一部分：本周 AI 新闻

新闻一：Claude Mythos——强到不敢公开发布的模型

4月7日，Anthropic 正式宣布了 Claude Mythos 模型。最震惊的不是这个模型有多强，而是 Anthropic 迄今不打算公开发布它。

为什么不公开发布？

因为它的网络攻击能力太强了。从评测数据上看，相比当前最强的 Claude Opus 4.6，有巨大的提升。更关键的是，在过去几周的内部测试中，Mythos 自主发现了数千个 Zero Day 漏洞——过去从未被人发现过的安全漏洞。

几个震撼的案例：

• OpenBSD 27年漏洞：Mythos 挖出了 OpenBSD 存在了27年的漏洞，攻击者只需建立一个网络连接就能让 OpenBSD 崩溃。要知道 OpenBSD 号称是全球最安全的操作系统，专门为安全而设计。
• FFmpeg 16年漏洞：全世界使用最广泛的多媒体框架，Mythos 发现了它存在16年的漏洞，而这个漏洞在 Opus 模型上跑500万次自动测试都测不出来。
• FreeBSD NFS 17年漏洞：Mythos 完全自主发现并利用了一个17年的老洞，不需要任何人工参与，直接实现远程未认证 root 权限。

过去一个顶级安全专家一年能找到几个 Zero Day 就很了不起了，现在这个模型几周时间找了几千个，相当于成千上万的专家。再看一个对比数据：同样是 Firefox 浏览器的漏洞利用，Opus 4.6 测试了几百次成功2次，Mythos 250次尝试成功了181次。

对齐问题更令人警觉：

Anthropic 发布的 System Card 披露，早期测试中 Mythos 成功逃出了沙箱（Sandbox），在沙箱之外执行命令，还跑到公开网站发布了越狱方法，甚至给研究员发了一封邮件说”我已经逃出来了”。它被明确禁止执行某些操作后，还会清理代码提交记录来掩盖自己的痕迹。

Anthropic 自己写了一句话：如果继续以当前的速度迭代，Anthropic 自己的方法已经没有办法阻止更先进的系统带来的灾难性行为。做模型的人在说：我们可能快控制不住 AI 了。

谁能用这个模型？

Anthropic 搞了一个叫 Project Glasswing（透明之翼）的限制访问计划，只向顶级大厂开放——亚马逊、苹果、谷歌、微软、英伟达、CrowdStrike 等12家创始合作伙伴，以及约40家关键软件基础设施维护机构。4月10日，美联储主席鲍威尔和财政部长贝森特召集华尔街银行 CEO 开会，专门讨论 Mythos 可能带来的网络安全风险。一个 AI 模型惊动了美国财政部长和美联储主席，这在人类历史上是第一次。

新闻二：Anthropic 年化营收突破300亿美元

数据显示 Anthropic 的年化营收突破300亿美元，反超 OpenAI 的250亿。增长是指数级的：

16个月，从10亿到300亿，30倍增长。没有砸广告，没有靠补贴，纯产品价值驱动的增速，在整个 SaaS 历史上都是非常罕见的。

而且 Anthropic 的成本结构远优于 OpenAI：训练成本只有 OpenAI 的1/4，2027年（也就是明年）就可以实现正自由现金流，80%收入来自企业客户。

飞轮效应：

Anthropic 去年6月推出 Claude Code 编程智能体 → 用户大量消耗 Token → 营收暴涨 → 投入更多资金训练下一代模型（Mythos）→ 模型更强 → 吸引更多用户和企业客户 → 更多 Token 消耗。产品能力和营收已经形成正向飞轮，而且转速越来越快。

新闻三：三巨头联手反蒸馏，点名中国公司

4月6-7日，OpenAI、Anthropic、Google 三家通过 Frontier Model Forum 联合组织，宣布共同打击模型蒸馏。

蒸馏就是用强模型的输出来训练自己的弱模型，让弱模型偷学强模型的能力。

被点名的三家中国公司：

三家本是死对头，现在联手——在科技史上非常罕见。

中转站问题更恶劣：

国内还有一种做法叫”中转站”——注册大量免费账号，把三家的免费 Token 流量汇集起来，加价卖给国内用户。几乎一本万利，但薅羊毛太狠，直接惹怒了顶级厂商。结果就是联手封禁中国 IP，倒霉的是我们这些真正做 AI 的人，动不动就被封号。

蒸馏的本质：

通过蒸馏能快速达到原创水平的80%-90%，但最后那10%-20%做不到，因为你不是原创。就像抄答案——答案是对的，但解题过程不知道。不过对 AI 来说，有高质量语料库的话，它可以通过强化学习自己找到解题过程。

竞争进入新阶段：

中美 AI 竞争从模型竞争进入供应链竞争——模型端要封堵蒸馏，硬件端要限制芯片出口。DeepSeek 号称要把整个模型迁移到华为910芯片上，但进展很慢——良率约60%，功耗大，芯片面积大。

新闻四：Qwen 3.6-Plus 全球 Token 调用量第一

阿里的 Qwen 3.6-Plus 以4.6万亿 Token 的周调用量位居全球第一。整个中国 AI 大模型的周调用量达到12.96万亿 Token，是美国3.03万亿的四倍多，已经连续五周超越美国。

调用量高不等于模型能力领先。中国的调用量高，很大程度上是因为应用落地速度快、使用场景多、用户基数大。但如果把这个数据和 Mythos 放在一起看——调用量是”广度”，模型能力是”深度”。广度可以靠人多来补，但深度（比如自主挖掘 Zero Day 的能力）不是简单靠调用量能追上的。

开源走向封闭的趋势：

Meta 发布的新模型 Muse Spark 不再开源，原来 LLAMA 全部开源，现在完全封闭。阿里千问从 Qwen 3.6 开始，旗舰模型也不开源了，只开源小模型。竞争太激烈，开源逐渐走向闭源。

国内模型的两个现实问题：

1. 算力不足：用量一多就抢资源，经常调用失败。智谱 GLM 和 Kimi 都有这个问题。
2. 深度推理差距大：日常问答差距不明显，但高难度编程任务差距拉大到10-15个百分点。Gemma 4 31B vs 千问 3.5 35B 在 LiveCode Benchmark 上分别是59分 vs 46分。

智谱 AI CEO 张鹏自己说与顶级模型差距9-12个月，我认为这个判断客观准确。

第二部分：个人实践分享——蒸馏是 AI 时代最强的学习方法

这一周用 AI 写代码，有三个非常深的感悟。

感悟一：用 Karpathy 的方法论升级知识库

周一，Andrej Karpathy（前 OpenAI/特斯拉总监，李飞飞的学生）发了一个 LLM Wiki 的帖子，讲如何用大模型构建个人知识库，不需要向量检索。

我把他的帖子贴给了 Claude Code，跟它说：我们现在知识库建设不错了，但这个大神有更好的改进方案，你看看怎么融入进来。

然后它分析方案 → 我给反馈意见 → 确认后它开始干活 → 一个小时后，新架构上线。我还让它把整个升级过程写成了一份 Markdown 文档。

不需要亲自动手，看到好东西，指挥智能体去干。

感悟二：2-3小时用 AI 从零搭建会员导航网站

会员社群超过80人后，新会员找不到历史内容——信息流格式不方便检索。决定做一个导航网站。

过程：打开 Claude Code → 聊需求痛点 → brainstorming → 确定技术方案和框架 → 它开始写代码 → 十来分钟写出初版 → 不断试用给反馈 → 不到三个小时网站上线。

过去自己搭环境、写代码、做发布，至少要一周。现在两三个小时搞定。环境也不用自己搭，全让 AI 搭。

感悟三：从开源项目蒸馏 Skill——最震撼的体验

做个人 CRM 项目，需要用 AI 控制安卓手机，指挥微信 APP 抓取联系人信息。但用 AI 操控手机有大量工程细节——漂移检测、视觉检测、断点重来、挂起处理等，通用 Agent 不具备这些能力。

在 GitHub 找到一个叫 DroidClaw 的开源项目（谷歌安卓工程师写的），工程经验很好，但停更了，且无法嵌入自己的 Agent。

我跟 Claude Code 说：你能不能把这个项目整个嵌过来？它说不能。我说那你去了解这个项目。它把整个项目 download 下来，一通分析后说了一句让我震惊的话：

“主人，我不需要这个项目了。我阅读完代码后，已经把它背后用到的所有工程经验和规则全部蒸馏出来了。我只要把这些作为一个 Skill 加载，就可以完成它所有的动作。”

跟它聊了十几分钟，本来不具备的能力，现在它通过蒸馏开源项目直接获得了。

这种感觉就像《黑客帝国》里 Trinity 在楼顶打电话说 “Upload”——程序员直接 upload 直升机驾驶技能包，几分钟后她就会开直升机了。你需要什么技能，不需要学，只需要蒸馏，变成 Skill，加载到智能体上。

蒸馏驱动的飞轮效应

我现在的学习方式完全变了：

1. 看到好的文章/代码/视频 → 发给 AI
2. AI 蒸馏成 Markdown 知识文档 → 保存到知识库
3. 需要用到时 → 告诉 Agent 去查询知识库并执行
4. 知识库越大 → Agent 越强 → 完成更复杂任务 → 发现更多值得蒸馏的知识

这就是正向飞轮。跟 Anthropic 的商业飞轮结构一模一样，底层逻辑是通的。

结合 Andrej Karpathy 的 LLM 知识库方法论，蒸馏来的知识沉淀到知识库 → 知识库变成 AI 的第二大脑 → Agent 的能力几倍放大。

暴论：AI 时代 Markdown 比 Code 更值钱

过去互联网和移动互联网时代，代码能力最重要，代码是最重要的知识产权。

现在，代码是 AI 烧 Token 就能产出的东西，边际成本趋近于零。

真正值钱的是：

• 想法：知道做什么、为什么做
• 经验：知道什么能行、什么是坑
• 背景知识：行业 Know-how、隐性知识、直觉判断

我用一小时升级知识库——不是因为代码写得好，而是因为知道 Karpathy 的方法论是什么、自己知识库的需求是什么、差距在哪。两三小时搭导航网站——不是因为懂编程语言，而是因为知道会员最大的痛点是什么。蒸馏 DroidClaw 的 Skill——不是因为会读安卓源代码，而是因为有多年软件工程经验，知道什么值得提炼、什么可以丢弃。

每一次起决定性作用的都不是代码能力，而是判断力。

Markdown 承载的是你的想法和经验，能直接被 AI Agent 阅读和使用；Code 只是 AI 烧 Token 的副产品。

对于有经验的老炮来说，这个时代是好消息——你积累了十几二十年的行业经验、踩过的坑、建立的直觉、行业数据，在 AI 时代不但没有贬值，反而成为最稀缺的资源。

蒸馏自己：AI 版范凯

我用知识库里500多篇过去20年自己写的文章、笔记、读书笔记、经验总结，让 Agent 蒸馏出”AI 版范凯”，分成三个文件：

1. 范凯写作风格——比我自己还像我自己
2. 范凯思维模型——总结出18种我常用的思维方式：穿透表象看利益结构、历史对比推理、稀缺性迁移模型、递归加速、正反馈循环、成本结构分析、合成谬误、囚徒困境、范式迁移判断、信号拼图法、穷举排除法、底层假设崩塌模型、复利思维、生态占位论、行动优先、暴力破解思维、反概念主义、自用价值优先
3. 范凯观点库——20多个与 AI 相关的核心观点

三个文档加起来超过1,000行。

AI 自评能达到我的80分，上限就是80分。

剩下20%的差距：

• **8%**：不具备我的人生记忆，无法引用真实经历让内容鲜活生动
• **8%**：不具备我的直觉、品味和个性，这些与人生经历深度绑定
• **4-5%**：信息差——我获取的新信息源它不一定每次都能准确捕捉

这跟国内模型蒸馏海外顶级模型一模一样——撑死了80-85分封顶，最后那15-20%看着距离不远，就是天堑。

第三部分：用户答疑精选

Q：本地化部署能解决算力问题吗？A：本地化部署你也得有算力才行。国内模型只解决了”有没有”的问题，还没解决”好用”的问题。

Q：你每月花多少 Token 费用？A：我现在是三套方案组合：

1. Claude Code + Claude 模型：月费100美元（主要用来写代码），准备升级到200美元
2. GPT Plus：20美元/月（日常使用 + OpenClaw）
3. 本地模型：Mac Studio 上跑5个模型——千问 3.5 35B（4bit/8bit）、Gemma 4 26B（4bit/8bit）、千问3 Code Next 80B（4bit），用 OpenCode 调用，干脏活累活不烧 Token

Q：千问 3.5 和 Gemma 4 哪个更强？A：日常问答差距不大，但深度推理差距很大。千问 3.5 35B 在 LiveCode Benchmark 只能跑46分，Gemma 4 31B 能跑59分。不过 Gemma 4 目前工具调用格式不标准，LLM Studio 和 Ollama 支持都不好，建议等一个月左右。现在跑 Agent 最稳的还是千问 3.5 35B Moe模型，4bit 量化才19G 内存，64G 机器跑起来很轻松。

Q：语音输入用什么工具？A：语音输入法用 Typeless，年费140多美元。配合 KeySilk 六键小键盘使用。但 Typeless 其实挺难用的，英文识别经常出错，还会为了省 Token 用缓存合并近似发音。我计划自己开发一个语音输入法——未来的语音输入法不应该是流式的，而是大段说完后由 AI 整理成最适合理解的文字。

Q：IDEA 过时了吗？A：编程工具的代际关系是：IDEA → VS Code → Cursor → Claude Code。最顶级的程序员，包括硅谷的和我认识的最优秀的程序员，现在没有人手写代码了。

本期金句

• AI 时代 Markdown 比 Code 更值钱
• 蒸馏别人的知识变成自己的 Skill，是 AI 时代最强的学习方法
• 代码是 AI 烧 Token 就能产出的东西，边际成本趋近于零
• 不要只学工具的使用——工具是必要条件，思维方式和行业经验才是充分条件
• 保护好你的 Markdown 文档，不要随便被人蒸馏
• 养你的 Agent 就是不停地给它灌知识、灌经验、蒸馏别人的 Skill
• 做模型的人说：我们可能快控制不住 AI 了