一句话定义：模型蒸馏攻击（Model AI 词典：Distillation">Distillation Attack）指未经授权，把某个强模型的 API 输出当作训练数据，去训练自己的模型、复刻对方能力的行为。
它到底在偷什么
知识蒸馏（Knowledge Distillation）本来是个正经技术：老师模型对每个问题给出带概率的“软答案”，学生模型模仿这个答案分布，用更小的体量换到接近的效果，常用于压缩模型和低成本部署。
攻击版把这个流程整个挪到了别人家的 API 上，省掉了授权和成本。攻击者写脚本批量提问——“这道题怎么解”“这段代码怎么改”“帮我一步步推理”——然后把返回的答案、评分、推理过程存下来，当成一份高质量标注语料，拿去微调自己的基座模型。
打个比方：一家餐厅每天去米其林店点菜，把外卖盒拎回来让自家厨师反复试吃、拆解、复刻，最后端出几乎一样的菜单，却没交过学费，还顺手把食客带走了。
和相邻概念的区别
| 概念 | 借走了什么 | 大致动机 |
|---|---|---|
| 知识蒸馏 | 有授权的输出分布 | 压缩模型、降低成本 |
| 模型蒸馏攻击 | 未授权的 API 输出 | 复刻能力、省研发费 |
| 模型窃取（Model Stealing） | 通过探测推断模型行为或参数 | 复制、绕过计费 |
| 越狱（Jailbreak） | 绕过安全约束 | 获取违规内容 |
关键差别往往不在技术手法，而在授权与用途。同样是“拿输出教学生”，有合同叫优化，没合同叫攻击。
为什么最近被反复提起
因为 API 的边际成本低，而自研同等能力的成本高。一份精心设计的查询集，就可能让一个小模型在某个垂直能力上逼近老师模型——尤其是那些只差“会写代码、会调工具、会多步推理”的能力。OpenAI 曾公开表示，会封禁违反条款、用其 API 输出训练竞争模型的行为，并采取了相应处置措施。具体条款和处理方式，以官方页面为准。
对从业者的三点实际影响
1. 做模型的人：用 API 输出当语料是常见做法，但先看清条款授权。合法的“自家数据 + 授权蒸馏”和未授权的竞品复刻，是两件事。
2. 做产品的人：高信息量输出最容易被薅——完整的推理过程、结构化打分、批量生成。防御思路包括速率与配额限制、异常查询模式检测、输出水印或指纹、对高价值能力单独设限，以及取证后封号并追究责任。
3. 普通职场人：一个能力随时可能被“便宜地平替”到更小的模型上。真正的护城河是数据、场景、工作流和信任，而不是“我的模型更聪明”这件事本身。