免费隐身模型能不能接进项目：从 Iceman 看训练数据与保留条款的 5 项核查清单

作者注：以 OpenCode 上无人认领的免费隐身模型 Iceman 为例，拆解官方声明、目录参数与未证实线索三层信息，给出接入前的 5 项核查清单，并说明如何合并多个 id 解读用量榜单。

免费、不限请求次数、上下文窗口很大，但没人知道是谁做的。这类免费隐身模型最近在编程工具里很常见，很多开发者第一反应是“先接进项目试试”。本文以 OpenCode 上的 Iceman 为案例，回答一个具体问题：在把代码或业务数据发给一个来源不明的免费模型之前，你需要确认什么。

这不是一篇劝你别用的文章，免费隐身模型完全可以用于原型验证和公开代码实验。关键在于分清哪些信息可以作为使用依据，哪些只是传闻，以及训练与保留条款会对你的数据产生什么实际影响。

核心价值：读完本文，你会得到一份可复用的隐身模型核查清单，覆盖数据训练、零数据保留、免费期限和来源归属四个维度。你还能学会识别“换 id 造成的虚假增长”这类榜单误读。

免费隐身模型 Iceman 核心要点

截至 2026-11-04 18:31 UTC，Iceman 仍未被任何 AI 实验室认领。根据 OpenCode 用量数据，它从 10 月 23 日起在两个 id 下累计运行了约 3.37 万亿 tokens。下表先把关于它的信息按可信度分成三层，这是后面所有判断的基础。

隐身模型 Iceman 的官方条款详解

OpenCode 在 10 月 24 日把 Iceman 加入每月 10 美元的 Go 套餐，对应仓库中的 pull request 58792，于 20:24 UTC 合并。模型名称为 Iceman Contributor Free，条款写明“限时免费、无请求限制”。同一处变更同时标注了两件事：发给它的提示词会被用于训练，数据保留策略不是零数据保留。

这两条才是开发者最该关注的内容，它们比上下文窗口和输出长度更直接地决定了能发什么数据。此外，该 PR 把这个 id 加入了 OpenCode 的隐身模型列表，所以用量页面上的实验室一栏显示为 Unknown。换句话说，平台本身也明确告诉你：来源未知。

隐身模型命名中 Contributor 的真实含义

很多人会把 iceman-contributor 里的 Contributor 理解成某个实验室或贡献者的名字。实际上它指的是 OpenCode 的一种交换模式：用训练数据换免费访问。Meta 的 Muse Spark 1.3 与 1.2 也有 Contributor 版本，说明这是平台层面的通用标签，而不是模型来源的线索。

所以看到 Contributor 字样时，正确的解读是“这个通道的数据会进入训练”，而不是“这是某家实验室的贡献版本”。这一点在后面的核查清单中会作为第一项检查。

免费隐身模型的训练条款对代码与隐私数据的影响

“提示词用于训练”听起来抽象，落到项目里就是一个很具体的问题：你发出去的每一段上下文，都可能成为别人模型的训练样本。在编程工具场景下，上下文往往不只是你输入的那句问题，还包括被自动带上的文件内容、报错日志、配置文件甚至环境变量。

非零数据保留意味着请求内容会在服务端留存一段时间，具体多久、存在哪里、由谁处理，在模型来源未知的情况下都无法确认。对于企业项目，这通常直接触碰合同中的保密条款或数据合规要求。下表按数据类型列出实际风险。

这里要特别提醒编程类工具的“隐式上下文”问题。很多 Agent 会自动读取工作区文件，你以为只问了一个函数怎么写，实际上整个目录结构和相邻文件都可能被打包进请求。使用训练类通道时，最稳妥的方式是在一个只包含公开或合成数据的独立工作区里操作。

如何核查免费隐身模型：5 项接入前清单

下面这份清单不针对 Iceman 一个模型，它适用于任何免费、来源未认领的模型。前四项来自条款与归属，第五项来自数据解读，建议在团队内部做成固定的评审流程。

隐身模型来源归属：为什么线索不等于确认

关于 Iceman 的来源，追踪网站 stealthmodels.com 报道称，X 账号 @aitrackerbot 发现 Iceman 自我介绍为 Microsoft 的 MAI，并且 prompt token 计数方式与 MAI Thinking 1 完全一致。但该网站自己的测试发现，它与 MAI Thinking 1 一致，与 OpenAI 的 GPT-6 系列也同样一致。这意味着 token 计数无法区分这几个模型。

模型“自称是谁”同样不可靠，模型会复述训练数据中的身份信息，也可能被系统提示词刻意设定。截至目前，Microsoft 没有发表任何声明。所以这条信息的正确定位是“一条线索”，而不能写进你的技术选型文档当作事实。

隐身模型认领的历史先例

从 OpenCode 过往的隐身模型来看，认领通常发生在发布时或几周内。ox-alpha 由 Z.ai 认领为 GLM-5.3 Flash，cat-jam 由 Reflection AI 认领为 Beam，Space Bunny 则在首次出现 26 天后由 MiniMax 认领为 M3.1 Flash。截至 11 月 4 日，Iceman 已上线 11 天，仍无人认领。

先例的价值在于提供预期，而不是预测。它告诉你认领可能要等几周，在此期间模型的规模、来源和免费时长都是未知数，你的方案不能依赖这些未知数。

免费隐身模型快速上手：合并多 id 解读用量榜单

Iceman 在 OpenCode 周榜上的表现，是一个非常典型的榜单误读案例。如果只看单个 id，你会得出“爆发式增长”的结论；把两个 id 合在一起看，结论正好相反。

+768% 并不是增长，而是同一个模型的流量从一个 id 转移到了另一个 id。两个 id 合计过去 7 天运行约 1.24 万亿 tokens，比前一周的约 2.13 万亿下降了约 42%。日用量在 10 月 28 日达到峰值约 6,530 亿 tokens，10 月 29 日至 11 月 3 日每天在 1,620 亿到 2,510 亿之间。

极简示例：合并 id 计算真实环比

下面这段 Python 代码演示了合并逻辑，数据取自上文的公开数字。上周各 id 的数值由本周数值和环比反推，因此是近似值。

# 同一模型的多个 id，本周 tokens（单位：十亿）与环比变化
ids = {
    "iceman-contributor": {"this_week": 670, "change": 7.68},   # +768%
    "iceman":             {"this_week": 567, "change": -0.72},  # -72%
}

this_total = sum(v["this_week"] for v in ids.values())
# 由环比反推上周数值：last = this / (1 + change)
last_total = sum(v["this_week"] / (1 + v["change"]) for v in ids.values())

print(f"本周合计：{this_total}B")
print(f"上周合计（反推）：{last_total:.0f}B")
print(f"合并后环比：{(this_total / last_total - 1):.1%}")

运行后可以得到本周约 1,237B、上周约 2,100B 量级、合并环比约 -41% 到 -42%，与报道给出的合计数据基本吻合。反推存在舍入误差，实际分析中应直接读取每个 id 的原始周数据。

from dataclasses import dataclass
from typing import Optional

@dataclass
class ModelPolicy:
    model_id: str
    used_for_training: bool          # 核查项 1
    zero_data_retention: bool        # 核查项 2
    free_until: Optional[str]        # 核查项 3，None 表示期限未知
    lab_confirmed: bool              # 核查项 4
    related_ids: tuple = ()          # 核查项 5，用于合并统计

# 数据敏感等级：0 公开，1 脱敏/合成，2 私有代码，3 密钥或隐私
SENSITIVITY = {"public": 0, "synthetic": 1, "private_code": 2, "secret_or_pii": 3}

def max_allowed_level(p: ModelPolicy) -> int:
    """根据模型条款返回允许发送的最高敏感等级"""
    if p.used_for_training or not p.zero_data_retention:
        return 1          # 训练或非零保留：只允许公开与合成数据
    if not p.lab_confirmed:
        return 1          # 来源未认领：同样只限低敏数据
    return 2              # 条款与归属都确认后，才考虑私有代码

def can_send(p: ModelPolicy, data_kind: str) -> bool:
    level = SENSITIVITY[data_kind]
    if level >= 3:
        return False      # 密钥与隐私数据永远不发往外部免费通道
    return level <= max_allowed_level(p)

def production_ready(p: ModelPolicy) -> list:
    """返回阻止生产接入的问题列表，空列表表示可进入评估"""
    issues = []
    if p.used_for_training:
        issues.append("提示词用于训练")
    if not p.zero_data_retention:
        issues.append("非零数据保留")
    if p.free_until is None:
        issues.append("免费期限未知，存在突然收费或下线风险")
    if not p.lab_confirmed:
        issues.append("来源未认领，无法评估模型规模与长期可用性")
    return issues

iceman = ModelPolicy(
    model_id="iceman-contributor",
    used_for_training=True,
    zero_data_retention=False,
    free_until=None,
    lab_confirmed=False,
    related_ids=("iceman", "iceman-contributor"),
)

for kind in SENSITIVITY:
    print(f"{kind:15s} -> {'允许' if can_send(iceman, kind) else '拒绝'}")

print("生产接入阻碍：", production_ready(iceman))

实践建议：把上面的元数据当作团队共享配置维护，每次平台条款或模型认领状态变化时更新一次。这样新同事接入任何免费模型时，都能直接复用同一套判断标准，而不是凭感觉决定。

常见问题 FAQ

免费隐身模型核心要点 Key Takeaways

• 先看条款再看参数：训练用途与数据保留决定能发什么，上下文长度只决定能发多少。
• Contributor 是交换模式：它代表用训练数据换免费访问，不代表模型来源。
• 线索不等于确认：模型自称身份和 token 计数都无法证明归属。
• 免费期限按未知处理：“限时”没有截止日期，方案中不要依赖它。
• 榜单要合并 id 看：Iceman 的 +768% 合并后实为约 -42%。
• 敏感数据一律隔离：密钥、隐私数据和私有核心代码不发往训练类通道。

总结

免费隐身模型能不能接进项目，答案取决于你要发什么数据，而不取决于它免不免费。以 Iceman 为例，可以作为依据的是平台条款和目录参数：用于训练、非零数据保留、限时免费、262,144 上下文、支持推理与工具调用。不能作为依据的是关于开发方的各种线索，它们在官方认领之前都只是传闻。

可复用的方法论可以归纳为三点：

1. 分层看信息：把平台声明、目录参数、未证实线索分开，只用前两层做决策。
2. 按数据分级用：训练类通道只处理公开或合成数据，私有代码和隐私数据另行处理。
3. 合并口径读榜单：同一模型的多个 id 必须合计后再计算增长率，避免被换 id 造成的虚假增长误导。

无论之后 Iceman 由谁认领，这套核查方法都可以长期沿用到下一个出现的隐身模型上。

📚 参考资料

1. ArtificialWatch – Iceman 用量与归属分析：本文核心事实来源
2. 链接： artificialwatch.com/wire/iceman-opencode-stealth-model-3-trillion-tokens-unclaimed

3. 说明： 汇总了 Iceman 的双 id 用量、条款变更与归属线索，发布于 2026-11-04

4. OpenCode Data 用量页面：iceman 与 iceman-contributor 的用量数据

5. 链接： opencode.ai/data

6. 说明： 可直接查看各 id 的周榜排名与 token 用量

7. models.dev 模型目录：Iceman 的技术参数

8. 链接： models.dev

9. 说明： 提供上下文窗口、最大输出、推理与工具调用等目录信息

10. stealthmodels.com 隐身模型追踪：归属线索的报道来源

11. 链接： stealthmodels.com
12. 说明： 记录了关于 Iceman 自称身份与 token 计数的测试，仅作线索参考

作者: APIYI 技术团队
说明: 本文事实截至 2026-11-04，Iceman 的认领状态与免费期限可能随时变化，请以平台最新条款为准。