Pengembang AI Tiongkok DeepSeek dan Moonshot AI sangat bergantung pada keluaran model GPT-6 Astra OpenAI untuk melatih sistem terbaru mereka, menurut laporan dari The Information yang diterbitkan Rabu dan dimuat oleh Reuters. Laporan tersebut mengutip orang-orang yang mengetahui langsung masalah ini, dan menekankan bahwa dugaan penggunaan produk-produk Astra belum diketahui secara independen.
Jika benar, klaim tersebut akan menempatkan OpenAI sebagai pusat perselisihan distilasi yang telah menjerat pesaing utamanya. Bagi pembaca yang menelusuri berita AI tentang kompetisi model dan praktik pelatihan, cerita ini muncul hanya tiga bulan setelah Anthropic secara terbuka menuduh dua laboratorium Tiongkok yang sama — bersama dengan Alibaba — melakukan penyulingan model Claude-nya.
Model mana yang terlibat?
Pelaporan Informasi menyebutkan dua sistem spesifik. Kimi K3.1 Pro dari Moonshot AI, yang dirilis minggu lalu, dan V4.1-Flash 1017 yang ditingkatkan dari DeepSeek, diluncurkan pada 17 Oktober, dikatakan mendapat manfaat dari distilasi menggunakan model perbatasan OpenAI. Baik DeepSeek maupun Moonshot belum mengonfirmasi praktik tersebut, dan laporan itu sendiri memperingatkan bahwa penggunaan produk-produk Astra belum diketahui secara independen.
Penyulingan, dalam penggunaan industri, berarti melatih satu model dengan keluaran yang lebih mampu sehingga siswa belajar untuk mereproduksi tanggapan guru. Daripada membayar setiap kemampuan melalui pelatihan independen, laboratorium dapat menanyakan sistem terkemuka dan menggunakan jawabannya sebagai sinyal pelatihan berkualitas tinggi — lebih murah, lebih cepat, dan semakin penting dalam membangun model kompetitif.
Pola tuduhan — dan pembelaan baru
Laporan tersebut muncul di tengah meningkatnya klaim atas ekstraksi model selama setahun. Pada bulan September, pemerintah A.S. mengatakan ada kampanye penyulingan skala besar yang dilakukan oleh perusahaan Tiongkok terhadap perusahaan AI Amerika – sebuah pernyataan yang dicatat oleh The Information terpisah dari laporan barunya khususnya mengenai GPT-6 Astra. Tuduhan Anthropic pada bulan Agustus bahwa Alibaba, DeepSeek, dan Moonshot telah menyaring model Claude menjadi pola untuk pertarungan saat ini.
Pertahanan juga semakin kuat. Awal bulan ini, Anthropic mengatakan langkah-langkah baru yang dirancang untuk mencegah pesaing meniru kemampuan Claude telah mengurangi data yang dikumpulkan melalui apa yang disebut serangan distilasi sekitar 90 hingga 99 persen. Angka tersebut menunjukkan bahwa memantau pola kueri, membatasi akses, dan membatasi aktivitas mencurigakan dapat meningkatkan biaya ekstraksi secara signifikan — meskipun perlindungan hanya berfungsi sampai penyerang beradaptasi.
OpenAI belum mengatakan apakah mereka mendeteksi pola serupa terhadap GPT-6 Astra atau apakah mereka merencanakan perubahan kebijakan sebagai tanggapan terhadap laporan tersebut. Persyaratan layanan perusahaan, seperti halnya para pesaingnya, membatasi penggunaan keluaran untuk melatih model pesaing.
Apa yang bisa dan tidak bisa dilakukan distilasi
Kenyataan teknisnya lebih beragam dibandingkan berita utama. Keluaran dapat memberikan sinyal pelatihan yang berguna, namun keluaran tersebut tidak mentransfer arsitektur model, data pelatihannya, parameter internalnya, atau seluruh kemampuannya. Efektivitas penyulingan bergantung pada kualitas dan keragaman contoh yang dipanen dan pada proses pelatihan yang menggabungkannya. Model yang disaring mungkin cocok dengan guru dalam tolok ukur yang menyerupai data yang dikumpulkan, namun tetap lebih lemah di model lain.
Nuansa itu berlaku dua arah. Artinya, kampanye distilasi yang dilaporkan tidak mengungkapkan seberapa besar kinerja model pesaing sebenarnya berasal dari ekstraksi, apakah persyaratan layanan dilanggar, atau apakah kemampuan yang dihasilkan akan tetap muncul. Namun hal ini juga berarti bahwa pemanenan dalam skala besar dapat memberikan pesaing cara yang lebih cepat untuk mencapai kemampuan tertentu – khususnya pengkodean dan penalaran, dimana kesenjangan antara model frontier dan model fast-follower semakin menyempit sepanjang tahun.
Keseimbangan yang sulit bagi industri
Tidak ada pihak yang berselisih yang melihat praktik ini sebagai hal yang sederhana. Penyulingan itu sendiri pada dasarnya tidak tepat – pengembang AI secara rutin menggunakan teknik yang mentransfer pengetahuan antar model mereka – dan akses luas ke sistem terkemuka memungkinkan perusahaan rintisan, peneliti, dan bisnis untuk membuat produk. Ketegangan muncul dalam skala besar: akses yang tidak dibatasi mempermudah pihak ketiga untuk mengumpulkan kumpulan data keluaran dalam jumlah besar untuk tujuan yang tidak pernah diizinkan oleh penyedia.
Perlindungan yang diterapkan oleh penyedia layanan sebagai respons menimbulkan biaya tersendiri. Memantau pola kueri yang tidak biasa, membatasi akses ke kemampuan tertentu, menerapkan batasan penggunaan, dan menyelidiki pengumpulan massal semuanya akan meningkatkan biaya ekstraksi — namun hal ini juga menciptakan hambatan operasional bagi pengembang dan perusahaan sah yang bergantung pada akses API yang stabil. Industri ini, pada dasarnya, sedang melakukan negosiasi mengenai kapan pengembangan model yang sah berakhir dan ekstraksi yang tidak sah dimulai, dengan perubahan kebijakan dalam satu waktu.
Ekonomi di balik perjuangan
Alasan perawatan laboratorium adalah aritmatika. Melatih model frontier menghabiskan biaya komputasi dan penelitian miliaran dolar. Jika pesaing dapat mereproduksi kemampuan penting dengan secara sistematis menanyakan model yang ada pada harga API, keuntungan finansial dari membangun sistem frontier akan menyusut — dan insentif untuk terus membangunnya pun akan menyusut. Logika tersebut menjelaskan mengapa laboratorium-laboratorium Amerika menghabiskan tahun 2026 untuk memperkuat pertahanan mereka, dan mengapa setiap tuduhan baru tidak lagi dianggap sebagai gosip melainkan sebagai data dalam perang ekonomi yang akan datang.
Bagi pengembang Tiongkok, kalkulusnya berbeda. Akses ke chip paling canggih dibatasi, dan distilasi menawarkan jalan menuju kinerja kompetitif tanpa menyesuaikan anggaran komputasi. Laporan Informasi menunjukkan bahwa jalur tersebut melalui produk andalan OpenAI sendiri — tuduhan yang sama, ditujukan pada target yang berbeda.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
