水曜日に発行されロイター通信が報じたThe Informationの報道によると、中国のAI開発会社DeepSeekとMoonshot AIは、最新システムのトレーニングにOpenAIのGPT-6 Astraモデルの出力に大きく依存していたという。報告書はこの問題を直接知る人々の名前を引用し、アストラ製品の使用疑惑は独自に確立されたものではないと強調している。

もしその主張が正しければ、OpenAIは、すでに最大のライバルを陥れているのと同じ蒸留論争の中心に位置することになる。モデルの競争とトレーニングの実践について AI ニュース を追跡している読者のために説明すると、この記事は、Anthropic が同じ中国の 2 つの研究所を、アリババとともに、クロード モデルを抽出したとして公に非難してからわずか 3 か月後に始まります。

どのモデルが関係しているのでしょうか?

この情報の報告では、2 つの特定のシステムの名前が挙げられています。先週リリースされた Moonshot AI の Kim K3.1 Pro と、10 月 17 日に発売された DeepSeek のアップグレード版 V4.1-Flash 1017 は、OpenAI のフロンティア モデルを使用した蒸留の恩恵を受けたと言われています。 DeepSeekもMoonshotもこの行為を確認しておらず、報告書自体もAstra出力の使用が独自に確立されていないと警告している。

業界での蒸留とは、より有能なモデルの出力に基づいて 1 つのモデルをトレーニングし、生徒が教師の応答を再現できるようにすることを意味します。独立したトレーニングの実行を通じてすべての機能に対して料金を支払う代わりに、ラボは主要なシステムにクエリを実行し、その回答を高品質のトレーニング シグナルとして使用することができます。これにより、より安価で高速になり、競争力のあるモデルを構築する方法の中心的な役割がますます高まっています。

告発のパターンと新たな弁護

このレポートは、モデル抽出をめぐるクレームが 1 年間エスカレートしている最中に発表されました。 9月、米国政府は、中国企業による米国AI企業に対する大規模な蒸留キャンペーンがあったと発表した。この声明は、特にGPT-6アストラに関する新たな報告とは別であるとThe Informationは指摘している。 Alibaba、DeepSeek、Moonshot がクロード モデルを抽出したという Anthropic の 8 月の告発は、現在の戦いのテンプレートを設定しました。

守備も堅くなってきています。今月初め、Anthropic は、ライバルがクロードの機能をコピーするのを防ぐために設計された新しい対策により、いわゆる蒸留攻撃によって収集されたデータがおよそ 90 ～ 99 パーセント減少したと述べた。この図は、クエリ パターンの監視、アクセスの制限、不審なアクティビティのレート制限により、抽出コストが大幅に上昇する可能性があることを示唆しています。ただし、安全策は攻撃者が適応するまでしか機能しません。

OpenAIは、GPT-6 Astraに対して同様のパターンを検出したかどうか、あるいは報告書に応じてポリシー変更を計画しているかどうかについては明らかにしていない。同社の利用規約は、競合他社の利用規約と同様に、競合モデルのトレーニングに出力を使用することを制限しています。

蒸留でできることとできないこと

技術的な現実は、見出しが示すよりも微妙です。出力は有用なトレーニング信号を提供しますが、モデルのアーキテクチャ、トレーニング データ、内部パラメーター、またはその機能のすべてを転送するわけではありません。蒸留の有効性は、収穫されたサンプルの品質と多様性、そしてそれらを組み込んだトレーニングプロセスに依存します。抽出されたモデルは、収集されたデータに似たベンチマークでは教師と一致しますが、他の部分では弱いままである可​​能性があります。

そのニュアンスは双方向に影響を及ぼします。それは、報告された蒸留キャンペーンでは、ライバルモデルの性能の実際にどれだけが抽出に由来しているのか、利用規約に違反していたかどうか、あるいは結果的に得られた機能が実際に出現したのかどうかが明らかにされていないことを意味する。しかし、それはまた、大規模な収穫が競合他社に特定の能力、特にコーディングと推論へのより早いルートを与える可能性があることを意味しており、フロンティアモデルと高速追随モデルの間のギャップは年間を通じて縮まっています。

業界にとって難しいバランス

この論争のどちらの側も、この慣行が単純なものであるとは考えていない。蒸留自体は本質的に不適切ではなく、AI 開発者は自身のモデル間で知識を伝達する手法を日常的に使用しています。また、主要なシステムへの広範なアクセスにより、新興企業、研究者、企業が製品を構築できるようになります。この緊張は大規模に発生します。無制限のアクセスにより、プロバイダーが許可していない目的でサードパーティが出力の大規模なデータセットを収集することがはるかに簡単になります。

これに応じてプロバイダーが導入する安全策には、独自のコストがかかります。異常なクエリ パターンの監視、特定の機能へのアクセスの制限、使用制限の課し、一括収集の調査はすべて抽出の価格を引き上げますが、安定した API アクセスに依存している正規の開発者や企業にとっては運用上の摩擦も生み出します。業界は事実上、一度に 1 つのポリシー変更ごとに、合法的なモデル開発をどこで終了し、無許可の抽出を開始するかを交渉しています。

戦いの背後にある経済学

ラボが重視する理由は算術です。フロンティア モデルのトレーニングには、コンピューティングと研究に数十億ドルの費用がかかります。競合他社が API 価格で既存のモデルを体系的にクエリすることによって重要な機能を再現できる場合、フロンティア システムを構築することによる経済的利点は縮小し、それとともにシステムを構築し続けるインセンティブも縮小します。この論理は、なぜアメリカの研究所が2026年に防御を強化するのに費やしたのか、また新たな告発がそれぞれゴシップとしてではなく、差し迫った経済戦争のデータポイントとして注目される理由を説明している。

中国の開発者の場合、計算方法は異なります。最先端のチップへのアクセスは制限されており、蒸留により、コンピューティング予算を満たさなくても競争力のあるパフォーマンスへの道が提供されます。インフォメーションの報告書は、OpenAI 自身の主力製品にこの経路があったことを示唆しています。同じ告発が、別のターゲットを狙っていたということです。

---

AI の先を行く

最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。

AI ニュースをもっと読む→