Take away：1. 蒸馏不是模型能力的决定性来源。预训练底座、架构、数据、算法和基础设施决定基本上限。中国开源模型的进步不能简单归因于“蒸馏美国模型”。2. 蒸馏模型可以在特定任务上超过教师，但能否仅靠蒸馏在通用能力上持续超越前沿教师模型，仍未得到证明。3. 推理模型产生的思维链、工具调用、搜索和纠错轨迹，比单纯的最终答案更有训练价值；因此 Agent 应用掌握的完整任务轨迹，可能比底层模型公司掌握的数据更有价值。4. 蒸馏会加快模型能力商品化，削弱单纯依靠短期榜单领先建立的定价权；价值将进一步向拥有高质量任务入口、完整执行轨迹、验证反馈和企业工作流上下文的应用与数据层迁移。5. 真正可能形成长期壁垒的是：高价值用户—真实复杂任务—独特行为数据—模型改进—更多高价值用户的数据飞轮。 6. 蒸馏正在成为前沿模型能力快速扩散的工业化机制，从而改变模型层、应用层和数据层的价值分配。7. Agent 应用的护城河不是“调用了哪个模型”，而是能否进入真实工作流，掌握任务分解—工具调用—结果验证—人工纠错的闭环数据。模型越容易被蒸馏和路由，应用层的上下文、验证机制与客户流程整合就越重要。蒸馏风暴：AI 公司不愿公开谈论的技术竞赛网页链接