模型被问的最多的一类问题是：“你是什么模型？你的开发者是谁？”，然而你有时候并不能得到准确的答案，很多模型会自称是 GPT-4 或者 Claude，但实际上它们并不是。而造成这种问题的原因就是这些模型是用其他模型的数据“蒸馏（Distillation）”而来的。
最近中科大、北大、零一万物等六家机构发表了一篇论文《Distillation Quantification for Large Language Models》就是研究这些大语言模型蒸馏程度的。其中蒸馏程度最低的是 Claude、豆包（Doubao）和Gemini，其余模型或多或少都用到了蒸馏的数据。
（注：论文中将 GPT 作为了参考模型，所以不在列表中）
可能很多人对“蒸馏”还不够了解，模型蒸馏（model distillation）是一种将大型语言模型（LLMs）中的知识迁移至更小模型的技术，旨在构建资源高效且性能优异的模型。
如果说 Claude、豆包这样没蒸馏过的模型是师傅（大型、强大的教师模型），那么他们把做菜的流程和秘方（知识）传授给徒弟（体量更小、推理更快的学生模型），使徒弟也能烹制出近似的美味。这样，餐厅每天接待大量客人（处理成千上万的推理请求）时，就可以让徒弟先顶上去——既省时也省钱。
不过，“蒸馏”与“非蒸馏”各有利弊。
- 蒸馏模型
- 优点：体积小、速度快、成本低，容易大规模部署。
- 缺点：有时会模仿教师模型的回答习惯和视角，甚至失去“自我风格”，导致某些场景下的创造性或差异化不足。
- 非蒸馏模型（“原生”大模型）
- 优点：拥有更多参数、更完整的知识图谱，能够展现更高的上限性能，回答可能更有深度或创造性。
- 缺点：运行成本高、资源占用大，对硬件依赖度较高。
简单来说就是蒸馏模型速度快成本低但能力要弱于非蒸馏模型。所以现在处于领先地位的还是那些拥有非蒸馏模型的公司，之前就有传闻，说这些顶尖的模型研发公司，都会先把内部最庞大、最先进、但也最昂贵的大模型“藏”起来，让它做幕后“教授”，为外部用户提供的是经过它蒸馏、但同样性能不俗的“学生模型”。这样做有两个主要目的：一是减少大规模使用所带来的昂贵算力消耗；二是将先进大模型用于内部继续迭代和产生更强的训练数据，形成良性的自我升级循环。
蒸馏和非蒸馏技术上没有绝对好坏，从我们普通用户的角度来说，一方面希望模型能力越来越强，这就需要那些如GPT、Claude、豆包、Gemini等“非蒸馏”核心技术做支柱，让模型越来越强；另一方面又希望模型能便宜高效，这就需要从这些先进的模型中“蒸馏”出接近这些模型能力，但更快更便宜的小模型出来。
有兴趣的可以看看《Distillation Quantification for Large Language Models》这篇论文：
网页链接
最近中科大、北大、零一万物等六家机构发表了一篇论文《Distillation Quantification for Large Language Models》就是研究这些大语言模型蒸馏程度的。其中蒸馏程度最低的是 Claude、豆包（Doubao）和Gemini，其余模型或多或少都用到了蒸馏的数据。
（注：论文中将 GPT 作为了参考模型，所以不在列表中）
可能很多人对“蒸馏”还不够了解，模型蒸馏（model distillation）是一种将大型语言模型（LLMs）中的知识迁移至更小模型的技术，旨在构建资源高效且性能优异的模型。
如果说 Claude、豆包这样没蒸馏过的模型是师傅（大型、强大的教师模型），那么他们把做菜的流程和秘方（知识）传授给徒弟（体量更小、推理更快的学生模型），使徒弟也能烹制出近似的美味。这样，餐厅每天接待大量客人（处理成千上万的推理请求）时，就可以让徒弟先顶上去——既省时也省钱。
不过，“蒸馏”与“非蒸馏”各有利弊。
- 蒸馏模型
- 优点：体积小、速度快、成本低，容易大规模部署。
- 缺点：有时会模仿教师模型的回答习惯和视角，甚至失去“自我风格”，导致某些场景下的创造性或差异化不足。
- 非蒸馏模型（“原生”大模型）
- 优点：拥有更多参数、更完整的知识图谱，能够展现更高的上限性能，回答可能更有深度或创造性。
- 缺点：运行成本高、资源占用大，对硬件依赖度较高。
简单来说就是蒸馏模型速度快成本低但能力要弱于非蒸馏模型。所以现在处于领先地位的还是那些拥有非蒸馏模型的公司，之前就有传闻，说这些顶尖的模型研发公司，都会先把内部最庞大、最先进、但也最昂贵的大模型“藏”起来，让它做幕后“教授”，为外部用户提供的是经过它蒸馏、但同样性能不俗的“学生模型”。这样做有两个主要目的：一是减少大规模使用所带来的昂贵算力消耗；二是将先进大模型用于内部继续迭代和产生更强的训练数据，形成良性的自我升级循环。
蒸馏和非蒸馏技术上没有绝对好坏，从我们普通用户的角度来说，一方面希望模型能力越来越强，这就需要那些如GPT、Claude、豆包、Gemini等“非蒸馏”核心技术做支柱，让模型越来越强；另一方面又希望模型能便宜高效，这就需要从这些先进的模型中“蒸馏”出接近这些模型能力，但更快更便宜的小模型出来。
有兴趣的可以看看《Distillation Quantification for Large Language Models》这篇论文：
网页链接
