6月30日消息，Meta想用自研工具替代Claude Code和Codex，但开发替代品的过程，很可能把对手模型的输出"喂"进自家系统，于是只能划线。

据The Information报道，其查阅的Meta内部指南显示，Meta正在对应用AI工程部门使用Anthropic的Claude Code和OpenAI的Codex设置严格边界。一份内部备忘录甚至要求团队暂停部分使用这些模型的任务，原因是担心外部模型输出可能进入Meta自家训练数据，并引发与合作伙伴关系的"严重升级"。

Meta发言人回应称，公司有明确政策规定团队如何使用AI工具，确保他们能以负责任方式专注高价值工作。报道同时指出，内部通信没有记录员工明确违反相关服务条款的实例。

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。这个工具此前名为DevMate。The Information称，Meta是Claude Code的大客户之一，但随着内部AI使用账单膨胀，公司希望把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。

但指南划出了一条红线：工程师不得用外部AI模型的输出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或生成任务想法。在这条边界下，Claude Code和Codex可以帮忙做一些辅助性工程任务；但训练和评估MetaCode用什么题目，仍要由Meta工程师自己决定。

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

真正敏感的是"蒸馏"

Meta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这里：如果工程师用Claude Code或Codex生成编程任务、测试想法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，如果这些输出进入训练数据，可能引发与伙伴公司的"严重升级"。这是一种内部风险预警，重点在于提前压住合规风险，而不是说明纠纷已经发生。

报道还提到，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。这个限制看起来很细，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、可复用的材料。

成本压力让边界更难守

这件事不只是合规问题，也和成本有关。

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，现在又开始通过限制员工的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、把更多工作转向MetaCode，对Meta来说变得更为迫切。

但这也造成一个尴尬局面：越想摆脱外部工具，越容易在研发过程中借助外部工具；越想训练出自家编码模型，越要小心不要让对手模型输出进入训练链路。

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。美国法律并没有明确禁止蒸馏，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。

行业里也已经有前例。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今年也多次把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。这些案例提供的是行业背景，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的做法说明，大公司使用外部AI工具已经进入一个新阶段。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，就越可能触碰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；对供应方来说，客户如果用得太深，也可能变成潜在竞争者。

Meta的重点不是简单"禁用AI编程工具"，而是把外部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，更像是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工具提高效率，但训练题、评估题和可沉淀进模型资产的材料，会被更严格地留在公司自己的控制范围内。（易句）

（本文由AI翻译，网易编辑负责校对）

那么为什么有人容易遭殃呢？这就要看引起感染的病因和风险因素了。