OpenAI 官网出现标题为 “Model AI 词典：Distillation">Distillation in the API” 的页面，归入“模型”方向。从标题与链接路径看，其讨论的是在 API 场景下进行模型蒸馏。该页面摘要字段目前仅显示为 description，可核实细节有限，具体能力范围、支持模型与计费规则仍需以官方文档为准。
为什么值得关注
模型蒸馏的思路并不新：用能力更强的大模型作为“教师”产出训练数据或软标签，再训练更小的“学生”模型，使其在特定任务上逼近教师表现，同时降低推理成本与延迟。过去这多发生在实验室或自建流程中，从取数、清洗、微调到评估、上线，环节分散，工程成本高。
若蒸馏被纳入 API 层，“大模型生成数据—训练小模型—部署小模型”的链路有望在同一平台闭环。对从业者的直接影响有三点：成本敏感的高并发场景可用小模型承接稳定流量；垂直领域能把通用能力压缩进专用小模型；端侧与私有化部署在算力与合规上更易落地。
待确认的问题
在官方完整说明出来前，蒸馏产出的模型归属、训练数据的使用边界、是否覆盖评估环节以及定价方式都值得留意。对多数团队来说，决定是否采用的不是“蒸馏”这个概念，而是这条链路能否稳定、可复现、可审计。这一页面至少说明，蒸馏正从研究技巧变成平台化能力的一部分。