Codex 之後，你現在能在 Claude 「蒸餾」自己了

Anthropic 近日為旗下對話式 AI 模型 Claude 推出了一項全新的「蒸餾」功能，讓使用者能夠在 Claude 的基礎上進行模型知識的轉移與自訂微調。這項機制意味著開發者與企業不再只是被動使用 Claude 的預設能力，而是可以將自己的數據或特定領域知識「灌入」模型，產出更貼合自身需求的輕量化版本。此舉被視為 Anthropic 在 AI 模型客製化道路上的一步關鍵布局，也讓 Claude 的應用場景從通用對話延伸至更專業的垂直領域。所謂的「蒸餾」，在 AI 領域原本是指將大型教師模型的知識壓縮到較小學生模型的過程。

Anthropic 這次直接將這項技術內建於 Claude 的操作介面中，使用者無需擁有深厚的機器學習背景，也不必自行搭建複雜的運算環境，就能透過直覺化的流程完成模型改造。這樣的設計大幅降低了大型語言模型的落地門檻，過去需要耗費大量運算資源與專業人力才能進行的微調任務，如今只需要在 Claude 上幾個步驟即可實現。這項功能的推出，讓人聯想到 OpenAI 先前在 Codex 平台上提供的自訂化路徑。Codex 曾允許開發者針對程式碼生成任務進行客製化調整，而 Anthropic 現在則將類似概念帶入 Claude，讓使用者能夠針對自己的資料集進行蒸餾與微調。

兩者都反映出模型供應商正從「提供通用模型」的單一模式，逐漸轉向「賦能用戶自訂模型」的開放策略。對於開發者而言，這意味著他們可以更快打造出專屬的 AI 助理或垂直領域工具，不必再從零開始訓練自己的模型。具體來說，Claude 的蒸餾功能允許用戶上傳自己的素材，例如企業內部的技術文件、客服對話紀錄、特定產業的法規條文等，然後 Claude 會根據這些素材進行知識轉移，產生一個更精準回應相關問題的輕量化模型。這個過程不僅保留了原始大型模型的語言理解能力，同時也讓輸出內容更貼近用戶的真實使用情境。對於需要處理大量專有名詞或特定流程的企業來說，這樣的客製化能力極具吸引力。

從技術層面來看，蒸餾與傳統的微調（fine-tuning）有所不同。微調通常需要調整模型的所有參數，對算力與資料量要求較高；而蒸餾則是讓一個較小的模型模仿大型模型的行為，因此運算成本更低，部署也更靈活。Anthropic 將這項技術內建於 Claude，等於讓使用者同時享有大型模型的智慧與小型模型的效率，無形中降低了企業導入 AI 的技術門檻。業界觀察認為，這項功能將進一步強化 Claude 在企業級應用中的競爭力。過去，許多企業因為擔心通用模型無法準確處理內部專有知識，而對導入 AI 解決方案持保留態度。

如今有了蒸餾功能，企業可以將自己的資料直接注入 Claude，產出更符合業務需求的模型，無論是內部知識庫查詢、客戶服務自動化，還是專業領域的輔助決策，都能獲得顯著改善。對於獨立開發者來說，這項功能也打開了新的可能性。過去要訓練一個專屬的 AI 模型，往往需要大量的 GPU 資源與深度學習專業知識，但現在只需在 Claude 上進行蒸餾，就能快速產出一個針對特定主題的助手。這不僅節省了時間與成本，也讓更多非 AI 專家能夠參與模型客製化的過程，進一步推動 AI 技術的普及。從市場競爭的角度來看，Anthropic 此舉顯然是在回應 OpenAI、Google 等對手在模型客製化領域的布局。

隨著大型語言模型逐漸成熟，單純比拼模型參數或基準測試成績的時代已經過去，如何讓使用者更靈活地調整模型行為，成為下一階段的關鍵戰場。Claude 的蒸餾功能正是順應這一趨勢，讓模型供應商從「賣模型」轉向「賣能力」，幫助用戶自行打造專屬的 AI 工具。值得注意的是，蒸餾功能並非完全取代原有的微調選項，而是提供了一條更輕量、更快速的路徑。對於需要深度調整模型行為的場景，傳統微調仍有其必要性；但對於大多數希望快速獲得領域專屬回應的企業與開發者而言，蒸餾無疑是更實惠的選擇。Anthropic 將此功能直接內建，也顯示出他們對使用者體驗的重視。

從長遠來看，這項功能的推出可能加速 AI 應用的碎片化，讓更多小型團隊或個人開發者能夠擁有自己的專屬模型。這對於整個 AI 生態系而言，既是機會也是挑戰。機會在於更多元的應用場景會被開發出來，挑戰則在於如何確保這些模型的安全與可控性。Anthropic 在推出蒸餾功能的同時，也強調了對模型行為的監管與審核機制，以避免濫用。整體而言，Claude 的蒸餾功能標誌著大型語言模型從「通用工具」邁向「可自訂平台」的重要轉折。對於開發者與企業來說，這意味著他們不再需要等待模型供應商為特定領域提供解決方案，而是可以主動出擊，將自己的知識直接注入模型中。

這種從被動使用到主動創造的轉變，或許正是 AI 產業下一波成長的核心動力。