事件概要
2026年10月15日，前Meta來源控制團隊成員發表後續文章，澄清Anthropic的Scion系統並非無意間與Mononoke相似。作者指出，在收到私下確認後，確定Scion是故意且明顯地抄襲了Mononoke，且兩邊存在人員重疊。這種相似性不僅限於衍生資料概念，更延伸至整個資料模型、Bonsai changeset結構以及伺服器端API設計。作者強調，Anthropic僅歸功於Sapling生態系的「艱難教訓」是不夠誠實的，因為Scion與Mononoke的相似程度遠超一般靈感借鑑。
前因與轉變
作者最初在昨日文章中持保留態度，認為相似性可能是無意的致敬或缺乏盡職調查所致。然而，在文章發布後，作者私下收到確認訊息，證實Scion團隊故意剝除原始歸屬，且存在人員重疊。這使得作者從「可能是巧合」的假設，轉變為認定這是「故意且明顯的抄襲」。作者指出，Bonsai資料模型在2018年設計時極為反主流，當時需向多層管理階層說明其合理性，因此Scion團隊若有人員重疊，不可能不知道其來源。
實務應用
原文沒有提供使用方式。此事件主要涉及工程倫理與歸屬爭議，並非新發布的工具或產品功能。讀者若關注此技術領域，可參考原文連結中提到的Mononoke與Scion的技術細節對比，或查看Anthropic官方關於Scion的原始說明，以了解雙方對該系統架構的描述差異。
同類比較
原文將Scion與Mononoke進行詳細技術對比，指出Scion的changeset概念與Mononoke的Bonsai changeset完全相同，甚至名稱「Scion」被指是「Bonsai」的音節重組。作者也提及Lore VCS曾宣稱受Mononoke啟發，但兩者存在差異，而Scion的相似性遠超Lore。原文沒有比較其他具體產品，但強調在版本控制領域，Git-like資料模型是主流，而Mononoke的寫前日誌Merkle DAG模型是罕見且成功的創新。
編輯觀察
- 歸屬誠信成為AI工程新焦點：此事件顯示，當AI公司利用LLM快速重建現有系統時，如何正確標註來源與歸屬，已從學術倫理問題轉為商業信譽風險。讀者應關注企業在技術博客中對「原創性」與「衍生性」的界定標準。
- 人員流動與知識轉移的灰色地帶：作者指出人員重疊是判斷「故意抄襲」的關鍵。這提醒創業者與白領，在競業限制與知識產權保護上，單純的「獨立開發」聲明可能無法抵禦內部知識外洩的指控。
- 技術敘事策略的調整：Anthropic將「LLM在5個月內重建並生產化」作為亮點，但作者認為這削弱了其成就的獨特性。未來技術發布中，明確承認前驅系統並說明改進點，可能比強調「從零開始」更能建立長期的技術信譽。