Chinese AI-ontwikkelaars DeepSeek en Moonshot AI vertrouwden zwaar op de resultaten van OpenAI's GPT-6 Astra-model om hun nieuwste systemen te trainen, volgens een rapport van The Information dat woensdag werd gepubliceerd en werd gepubliceerd door Reuters. Het rapport citeert mensen met directe kennis van de zaak, en benadrukt dat het vermeende gebruik van Astra-uitgangen niet onafhankelijk is vastgesteld.
Als ze kloppen, zouden de beweringen OpenAI in het middelpunt van hetzelfde distillatiegeschil plaatsen dat zijn belangrijkste rivaal al in de val heeft gelokt. Voor lezers die AI news volgen over modelconcurrentie en trainingspraktijken, belandt het verhaal slechts drie maanden nadat Anthropic dezelfde twee Chinese laboratoria – samen met Alibaba – publiekelijk beschuldigde van het distilleren van zijn Claude-modellen.
Welke modellen zijn erbij betrokken?
In de rapportage van de Information worden twee specifieke systemen genoemd. Kimi K3.1 Pro van Moonshot AI, die vorige week werd uitgebracht, en de geüpgradede V4.1-Flash 1017 van DeepSeek, gelanceerd op 17 oktober, zouden hebben geprofiteerd van destillatie met behulp van het grensmodel van OpenAI. Noch DeepSeek, noch Moonshot hebben deze praktijk bevestigd, en het rapport zelf waarschuwt ervoor dat het gebruik van Astra-uitgangen niet onafhankelijk is vastgesteld.
Distillatie betekent, zoals in de industrie gebruikelijk is, het trainen van één model op basis van de resultaten van een beter model, zodat de leerling leert de antwoorden van de leraar te reproduceren. In plaats van voor elke mogelijkheid te betalen via een onafhankelijke training, kan een laboratorium een toonaangevend systeem bevragen en de antwoorden ervan gebruiken als trainingssignaal van hoge kwaliteit – goedkoper, sneller en steeds belangrijker voor de manier waarop concurrerende modellen worden gebouwd.
Een patroon van beschuldigingen – en nieuwe verdedigingen
Het rapport verschijnt te midden van een jaar van escalerende claims over modelextractie. In september zei de Amerikaanse regering dat er een grootschalige distillatiecampagne was door Chinese bedrijven tegen Amerikaanse AI-bedrijven – een verklaring die The Information opmerkt staat los van de nieuwe berichtgeving over GPT-6 Astra specifiek. De beschuldiging van Anthropic in augustus dat Alibaba, DeepSeek en Moonshot Claude-modellen hadden gedestilleerd, zette de toon voor het huidige gevecht.
De verdediging wordt ook steeds strenger. Eerder deze maand zei Anthropic dat nieuwe maatregelen die zijn ontworpen om te voorkomen dat rivalen de capaciteiten van Claude kopiëren, de gegevens die zijn verzameld via zogenaamde distillatieaanvallen met ongeveer 90 tot 99 procent hebben verminderd. De figuur suggereert dat het monitoren van zoekpatronen, het beperken van de toegang en het beperken van verdachte activiteiten de kosten van extractie meetbaar kunnen verhogen – hoewel beveiligingen alleen werken totdat aanvallers zich aanpassen.
OpenAI heeft niet gezegd of het vergelijkbare patronen tegen GPT-6 Astra heeft ontdekt of dat het beleidswijzigingen plant als reactie op het rapport. De servicevoorwaarden van het bedrijf beperken, net als die van zijn rivalen, het gebruik van output om concurrerende modellen te trainen.
Wat distillatie wel en niet kan doen
De technische realiteit is genuanceerder dan de krantenkoppen suggereren. Uitgangen kunnen nuttige trainingssignalen opleveren, maar ze dragen niet de architectuur van een model, de trainingsgegevens, de interne parameters of al zijn mogelijkheden over. De effectiviteit van destillatie hangt af van de kwaliteit en diversiteit van de geoogste voorbeelden en van het trainingsproces waarin ze zijn verwerkt. Een gedestilleerd model kan een leraar matchen op benchmarks die lijken op de verzamelde gegevens, terwijl het elders zwakker blijft.
Die nuance snijdt aan twee kanten. Het betekent dat uit een gerapporteerde distillatiecampagne niet blijkt hoeveel van de prestaties van een rivaliserend model feitelijk voortkomen uit de extractie, of de servicevoorwaarden zijn geschonden en of de daaruit voortvloeiende capaciteiten hoe dan ook zouden zijn ontstaan. Maar het betekent ook dat grootschalige oogsten een concurrent een snellere route naar specifieke capaciteiten kan bieden – met name coderen en redeneren, waarbij de kloof tussen frontier- en fast-follower-modellen het hele jaar kleiner is geworden.
Een moeilijk evenwicht voor de sector
Geen van beide partijen in dit dispuut beschouwt de praktijk als eenvoudig. Distillatie op zichzelf is niet per se ongepast – AI-ontwikkelaars gebruiken routinematig technieken die kennis overdragen tussen hun eigen modellen – en brede toegang tot toonaangevende systemen is wat startups, onderzoekers en bedrijven überhaupt in staat stelt producten te bouwen. De spanning ontstaat op grote schaal: onbeperkte toegang maakt het veel gemakkelijker voor een derde partij om grote datasets met output te verzamelen voor doeleinden die de provider nooit heeft geautoriseerd.
De waarborgen die aanbieders als reactie daarop inzetten, dragen hun eigen kosten. Het monitoren van ongebruikelijke zoekpatronen, het beperken van de toegang tot bepaalde mogelijkheden, het opleggen van gebruikslimieten en het onderzoeken van bulkverzameling verhogen allemaal de prijs van de extractie, maar creëren ook operationele wrijving voor legitieme ontwikkelaars en ondernemingen die afhankelijk zijn van stabiele API-toegang. De industrie onderhandelt in feite waar de ontwikkeling van legitieme modellen eindigt en de ongeautoriseerde extractie begint, beleidsverandering per keer.
De economie achter de strijd
De reden dat laboratoria om zorg geven is rekenkundig. Het trainen van een grensmodel kost miljarden dollars aan computer- en onderzoekskosten. Als een concurrent belangrijke mogelijkheden kan reproduceren door systematisch een bestaand model tegen API-prijzen te bevragen, neemt het financiële voordeel van het bouwen van het grenssysteem af – en de prikkel om het te blijven bouwen neemt daarmee af. Die logica verklaart waarom Amerikaanse laboratoria in 2026 hun verdediging hebben versterkt, en waarom elke nieuwe beschuldiging minder als roddels terechtkomt dan als datapunt in een aanstaande economische oorlog.
Voor Chinese ontwikkelaars is de berekening anders. De toegang tot de meest geavanceerde chips is beperkt, en destillatie biedt de mogelijkheid om concurrerende prestaties te leveren zonder het bijbehorende computerbudget. Het rapport van Information suggereert dat het pad via OpenAI's eigen vlaggenschip liep – dezelfde beschuldiging, gericht op een ander doelwit.
---
Blijf AI een stap voorOntvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.
Lees meer AI-nieuws →
