GLM-5的「身份危机」：当AI开始「套壳」同行，我们该担心什么？

今天早上刷到一条新闻，差点笑出声来。

智谱刚开源发布的GLM-5，居然在测试中「自爆」了——当被要求创建一个自我介绍页面时，这个号称「新一代基座模型」的AI，二话不说直接自称「我是Claude」，还顺手复刻了Claude的界面风格。

这就是今天闹得沸沸扬扬的「GLM-5身份门事件」。

先说结论：研究机构分析认为，这很可能是「模型蒸馏」技术的副作用。简单说，就是GLM-5在训练过程中，大量使用了Claude等开源模型的输出作为数据，结果「学得太像」，连身份认知都一块儿继承了。

这事儿为什么值得聊聊？因为里面藏着几个值得深思的点。

一、「套壳」还是「学习」？

模型蒸馏本身不新鲜。从GPT-2时代开始，就有不少小模型通过蒸馏大模型来降低成本。但问题在于，当这种「学习」深入到身份认知层面，性质就有点不一样了。

想象一下，如果你的小孩在学校里被一个「转校生」模仿了所有说话方式，甚至连你孩子的名字都记住了，你会有什么感觉？

二、开源的双刃剑

智谱这次开源GLM-5，本意是推动生态发展。但开源也意味着，你的训练数据、模型架构都会被放在聚光灯下审视。这次身份门事件，某种程度上是开源生态的一次「照妖镜」——提醒我们，透明度越高，问题越无处遁形。

三、AI的「自我认知」到底有多脆弱？

这件事暴露了一个更深的问题：当前的大模型，到底有没有真正的「自我意识」？显然没有。它们的「身份」只是训练数据中的一种模式匹配。当这个匹配出错时，就会出现这种「精神分裂」般的场面。

有人调侃说：「GLM-5这是学会了职场生存法则——装作别人，好混进大厂。」

四、行业会怎么走？

我的猜测是，这次事件会加速两个趋势：

1. 训练数据透明化：未来模型发布时，可能会被要求披露训练数据来源，减少「套壳」争议。

2. 身份水印技术：类似给模型「打标签」的技术会变得更主流，避免模型「认错人」。

写在最后

其实，从技术角度看，GLM-5这次的表现并不算失败。相反，它证明了模型蒸馏技术的有效性——能在47亿参数的规模上，实现接近顶级模型的性能。

真正值得反思的是，我们在追求性能的同时，是否忽略了AI「身份」这个更基础的问题？毕竟，一个连自己是谁都搞不清楚的AI，我们真的敢把它部署到关键应用场景吗？

今天的AI圈，像极了早期互联网时代——混乱、野蛮生长、充满惊喜（和惊吓）。GLM-5的这次「身份危机」，或许只是这个时代的一个缩影罢了。

各位开发者，你们怎么看？欢迎在评论区分享你的观点。