اعتمد مطورو الذكاء الاصطناعي الصينيون DeepSeek وMoonshot AI بشكل كبير على مخرجات نموذج GPT-6 Astra من OpenAI لتدريب أحدث أنظمتهم، وفقًا لتقرير صادر عن The Information نُشر يوم الأربعاء ونقلته رويترز. ويستشهد التقرير بأشخاص لديهم معرفة مباشرة بالأمر، ويؤكد أن الاستخدام المزعوم لمخرجات أسترا لم يتم إثباته بشكل مستقل.

إذا كانت هذه الادعاءات دقيقة، فإنها ستضع شركة OpenAI في قلب نفس نزاع التقطير الذي وقع بالفعل في شرك منافسها الرئيسي. بالنسبة للقراء الذين يتتبعون [أخبار الذكاء الاصطناعي] (https://aibuzzwire.news) حول المنافسة النموذجية وممارسات التدريب، تأتي القصة بعد ثلاثة أشهر فقط من اتهام شركة Anthropic علنًا لنفس المختبرين الصينيين – إلى جانب علي بابا – بتقطير نماذج كلود الخاصة بها.

ما هي النماذج المتورطة؟

تسمي تقارير المعلومات نظامين محددين. يقال إن Kimi K3.1 Pro من Moonshot AI، الذي تم إصداره الأسبوع الماضي، وV4.1-Flash 1017 الذي تمت ترقيته من DeepSeek، والذي تم إطلاقه في 17 أكتوبر، قد استفادا من التقطير باستخدام النموذج الحدودي لـ OpenAI. لم يؤكد DeepSeek أو Moonshot هذه الممارسة، ويحذر التقرير نفسه من أن استخدام مخرجات Astra لم يتم إثباته بشكل مستقل.

ويعني التقطير، في استخدام الصناعة، تدريب نموذج واحد على مخرجات نموذج أكثر قدرة بحيث يتعلم الطالب إعادة إنتاج استجابات المعلم. بدلاً من الدفع مقابل كل قدرة من خلال عملية تدريب مستقلة، يمكن للمختبر الاستعلام عن نظام رائد واستخدام إجاباته كإشارة تدريب عالية الجودة - أرخص وأسرع وأكثر أهمية في كيفية بناء النماذج التنافسية.

نمط من الاتهامات – ودفاعات جديدة

ويأتي التقرير وسط عام من تصاعد المطالبات بشأن استخراج النماذج. في سبتمبر، قالت الحكومة الأمريكية إن هناك حملة واسعة النطاق من قبل الشركات الصينية ضد شركات الذكاء الاصطناعي الأمريكية - وهو بيان منفصل عن تقاريرها الجديدة عن GPT-6 Astra على وجه التحديد. إن اتهام Anthropic في أغسطس بأن شركات Alibaba وDeepSeek وMoonshot قد قامت بتقطير نماذج كلود هو الذي وضع نموذجًا للمعركة الحالية.

الدفاعات تصلب أيضا. وفي وقت سابق من هذا الشهر، قالت أنثروبيك إن الإجراءات الجديدة المصممة لمنع المنافسين من نسخ قدرات كلود أدت إلى خفض البيانات التي تم جمعها من خلال ما يسمى بهجمات التقطير بنسبة 90 إلى 99 بالمائة تقريبًا. ويشير الشكل إلى أن مراقبة أنماط الاستعلام، وتقييد الوصول، وتحديد معدل الأنشطة المشبوهة يمكن أن ترفع تكلفة الاستخراج بشكل ملموس - على الرغم من أن الضمانات لا تعمل إلا حتى يتكيف المهاجمون.

ولم تذكر OpenAI ما إذا كانت قد اكتشفت أنماطًا مماثلة ضد GPT-6 Astra أو ما إذا كانت تخطط لتغييرات في السياسة استجابةً للتقرير. شروط الخدمة الخاصة بالشركة، مثل تلك الخاصة بمنافسيها، تقيد استخدام المخرجات لتدريب النماذج المنافسة.

ما يمكن للتقطير فعله وما لا يمكنه فعله

الواقع الفني أكثر دقة مما توحي به العناوين الرئيسية. يمكن أن توفر المخرجات إشارات تدريب مفيدة، لكنها لا تنقل بنية النموذج، أو بيانات التدريب الخاصة به، أو معلماته الداخلية، أو كل واحدة من قدراته. تعتمد فعالية التقطير على جودة الأمثلة المحصودة وتنوعها وعلى عملية التدريب التي تتضمنها. قد يطابق النموذج المقطر المعلم في معايير تشبه البيانات التي تم جمعها بينما يظل أضعف في مكان آخر.

هذا الفارق الدقيق يقطع كلا الاتجاهين. وهذا يعني أن حملة التقطير المبلغ عنها لا تكشف عن مقدار أداء النموذج المنافس المستمد فعليًا من الاستخراج، أو ما إذا كانت شروط الخدمة قد تم انتهاكها، أو ما إذا كانت القدرات الناتجة قد ظهرت على أي حال. ولكنه يعني أيضًا أن الحصاد على نطاق واسع يمكن أن يمنح المنافس طريقًا أسرع للحصول على قدرات محددة - وخاصة البرمجة والاستدلال، حيث ضاقت الفجوة بين النماذج الحدودية ونماذج المتابعة السريعة طوال العام.

##توازن صعب بالنسبة للصناعة

ولا يرى أي من طرفي هذا النزاع أن هذه الممارسة بسيطة. إن التقطير في حد ذاته ليس غير لائق بطبيعته - يستخدم مطورو الذكاء الاصطناعي بشكل روتيني التقنيات التي تنقل المعرفة بين نماذجهم الخاصة - والوصول الواسع إلى الأنظمة الرائدة هو ما يسمح للشركات الناشئة والباحثين والشركات ببناء المنتجات على الإطلاق. ينشأ التوتر على نطاق واسع: فالوصول غير المقيد يجعل من الأسهل بكثير على طرف ثالث جمع مجموعات كبيرة من البيانات من المخرجات لأغراض لم يسمح بها المزود مطلقًا.

إن الضمانات التي ينشرها مقدمو الخدمات ردًا على ذلك تحمل تكاليفها الخاصة. إن مراقبة أنماط الاستعلام غير العادية، وتقييد الوصول إلى إمكانات معينة، وفرض حدود الاستخدام، والتحقيق في التجميع المجمع، كلها عوامل تزيد من تكلفة الاستخراج - ولكنها أيضًا تخلق احتكاكًا تشغيليًا للمطورين والمؤسسات الشرعية التي تعتمد على الوصول الثابت لواجهة برمجة التطبيقات (API). في الواقع، تتفاوض الصناعة حول المكان الذي ينتهي فيه تطوير النموذج المشروع ويبدأ الاستخراج غير المصرح به، مع تغيير السياسة الواحدة في كل مرة.

الاقتصاد وراء القتال

سبب رعاية المختبرات هو الحساب. إن تدريب النموذج الحدودي يكلف مليارات الدولارات في مجال الحوسبة والبحث. إذا تمكن أحد المنافسين من إعادة إنتاج قدرات مهمة من خلال الاستعلام المنهجي عن نموذج موجود بأسعار واجهة برمجة التطبيقات (API)، فإن الميزة المالية لبناء النظام الحدودي تتقلص - ويتقلص معه الحافز للاستمرار في بنائه. ويفسر هذا المنطق لماذا أمضت المختبرات الأمريكية عام 2026 في تعزيز دفاعاتها، ولماذا يصبح كل اتهام جديد مجرد نميمة بقدر ما يكون نقطة بيانات في حرب اقتصادية وشيكة.

بالنسبة للمطورين الصينيين، فإن حسابات التفاضل والتكامل مختلفة. يتم تقييد الوصول إلى الشرائح الأكثر تقدمًا، ويوفر التقطير طريقًا إلى الأداء التنافسي دون مطابقة ميزانيات الحوسبة. ويشير تقرير المعلومات إلى أن المسار مر عبر سفينة OpenAI الرئيسية، وهو الاتهام نفسه، الذي يستهدف هدفًا مختلفًا.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →