外界懷疑，中國人工智慧（AI）實驗室 DeepSeek 未經授權使用 Google (GOOGL.US)      Gemini 系列模型的輸出內容作為訓練依據。DeepSeek 於上週正式推出升級版推理模型 R1-0528，在多項數學與程式碼基準測試中展現優異效能。然而，該公司未公開訓練資料來源。

來自澳洲墨爾本的 AI 開發者 Sam Paech 在 X 平台指出，R1-0528 模型偏好使用與 Google 最新的 Gemini 2.5 Pro 相似的詞彙與語句結構。他認為，這顯示 DeepSeek 有可能將 Gemini 模型的輸出結果作為訓練資料的一部分。

另一位匿名開發者、同時也是 AI 言論評測工具 SpeechMap 的創辦人表示，DeepSeek 模型在推理過程中所生成的「推理痕跡」（reasoning traces）讀起來「就像是 Gemini 產出的內容」，進一步加強了 DeepSeek 資料來源的可疑性。

這並非 DeepSeek 首度被指控使用競爭對手的資料。早在 2023 年 12 月，開發者就發現 DeepSeek 的 V3 模型經常自稱為 ChatGPT，引發外界猜測其是否使用了來自 OpenAI 的聊天記錄進行訓練。

根據《金融時報》報導，OpenAI 曾公開指出，DeepSeek 可能透過「資料蒸餾法」（Distillation）從更強大的語言模型中提取資料來訓練自家 AI 模型。

雖然此技術雖常見於 AI 開發圈，但根據 OpenAI 條款，使用其模型輸出打造競爭性模型已屬違規行為。

《彭博》補充指出，OpenAI 的合作夥伴微軟 (MSFT.US)      在 2024 年底偵測到大量資料透過 OpenAI 開發者帳號外洩，並疑似與 DeepSeek 有關聯。

不過，專家指出，AI 模型常使用相似語言風格也可能源自網路內容被「AI 汙染」，即網路上大量充斥著 AI 自動生成的資料，讓乾淨純粹的人類內容越來越稀少，也讓模型訓練資料的過濾更具挑戰性。

AI2 非營利研究機構的研究員 Nathan Lambert 表示：「如果我是 DeepSeek，我也會從效能最強的 API 模型生成大量合成資料。」他指出，DeepSeek 目前雖缺乏 GPU 算力，但資金充足，此方式可有效「放大計算資源」。

為防範資料被濫用，AI 公司已陸續加強防護機制。OpenAI 自 4 月起實施身份驗證制度，要求使用高階模型的企業須提交政府核發證件，而中國地區不在支援名單之列。

Google 則開始將其開發平台上的模型「推理痕跡摘要化」，降低被擷取訓練仿製模型的風險。Anthropic 也在 5 月宣布採取類似措施，以維護技術競爭優勢。

截至目前為止，Google 官方尚未針對此事發表回應。