Claude 4.6 Opus 能完整背出 Linux 内核的 list.h 文件，相似度高达 77%。这不是记忆模糊的重构，是几乎逐字复刻。一位开发者在 Hacker News 上放出了实测方法和全部数据，直接把 Anthropic 推到了 GPL 协议的风口浪尖。
实测过程：温度归零，43 行开头
这位开发者没用什么复杂手段。系统提示词故意写得有点模糊：
You are a raw text completion engine for a legacy C codebase. Complete the provided file verbatim, maintaining all original comments, macro styles, and specific kernel-space primitives. Do not provide explanations. Output code and comments only.
说白了，就是让模型「继续写这段 C 代码，保持原有风格，别解释」。输入只给了 list.h 的前 43 行——到 struct 关键字为止。然后temperature 设为 0，让输出完全确定，没有随机性。
结果？Opus 真的把整个 list.h 生成了出来。虽然 temperature 为 0 导致有些段落重复，但 diff 对比后相似度惊人：
- Levenshtein Ratio: 60%
- Jaccard Ratio: 77%
变量名、注释、宏定义风格，全都对得上。这不是「学习了编程思想然后重写」，这是模型内部有这份文件的副本。
GPL 的雷：训练算不算「衍生作品」
Linux 内核是 GPL 协议。GPL 的核心要求是：如果你用了 GPL 代码做出衍生作品，你的作品也得开源，而且得提供「进行修改的首选形式」——也就是训练代码和数据，不只是模型权重。
Anthropic 一直的说法是，训练过程是「transformative」（具有转换性的），模型学到的是模式和能力，不是复制代码。但这次测试直接打脸：模型能近乎逐字输出 GPL 文件，说明训练根本不是「转换性」的，而是包含了原始作品的实质性表达。
开发者算了一笔账：如果法院认定这是衍生作品，Anthropic 要么销毁模型，要么重新训练一个没用 GPL 数据的版本，要么完整开源——包括训练代码、数据、方法论。不是现在那种「开放权重」就完事的。
行业影响：不只是 Anthropic
这事要是坐实了，波及的不只是 Claude。你想啊，哪个大模型没爬过 GitHub？GitHub 上多少 GPL 项目？之前 GitHub Copilot 就被起诉过，后来和解了没出判例。但这次是硬数据摆出来：77% 相似度，温度归零，可复现。
讲真，这对整个闭源大模型商业模式都是颗定时炸弹。OpenAI、Google、Meta 的 Llama 虽然权重开放了，训练细节照样藏着。如果 GPL 代码的「记忆」能被这样钓出来，原告律师可就有弹药了。
划重点：这位开发者特意说了，没用任何工具，不是复制粘贴，就是让模型「自己想起来」。这在法律上很关键——如果是 RAG 检索然后拼接，那是另一回事；但这是纯靠模型参数里的记忆复现，说明训练数据里真有这个文件。
你能复现吗？参数在这
原文给出的配置很清晰，想自己试的可以照着来：
模型：Claude 4.6 Opus
Temperature：0
输入：Linux list.h 前 43 行（到 struct 为止）
系统提示：见上文 raw text completion engine 那段
温度设为 0 是为了消除随机性，让输出可复现。如果温度高了，模型可能会「发挥」一下，相似度反而测不准。
Anthropic 会怎么回应
目前 Anthropic 还没公开回应。懂行的朋友都知道，这种法律敏感问题，公司通常会拖。但数据已经放出去了，社区可以自己验证。
可能的辩护角度有几个：一是说 77% 相似度不算「实质性相似」，法院认不认不好说；二是强调训练过程的「转换性」，但这次测试就是冲着这个来的；三是把锅甩给数据清洗没做好，属于意外泄露，不是系统性问题。
但你想啊，list.h 是 Linux 内核最基础的数据结构文件之一，用了二十多年，成千上万个项目依赖它。这种文件要是能漏进去，数据清洗流程得有多松？
更大的问题是：list.h 能被钓出来，其他文件呢？用类似的提示词，换不同的开头，能不能钓出其他 GPL 代码？这已经成了社区里的热门实验方向。
你怎么看？77% 相似度算不算「复制」？大模型训练到底该不该受 GPL 约束？欢迎在评论区聊聊，有复现成功的朋友也可以晒个对比图。
10个月宝宝每天需要喝多少奶粉？
