Z raportu opublikowanego w środę przez Reuters wynika, że chińscy twórcy sztucznej inteligencji, DeepSeek i Moonshot AI, w dużym stopniu polegali na wynikach modelu GPT-6 Astra OpenAI przy szkoleniu swoich najnowszych systemów. W raporcie przytacza się osoby posiadające bezpośrednią wiedzę w tej sprawie i podkreśla się, że rzekome wykorzystanie wyników Astry nie zostało niezależnie ustalone.
Jeśli te twierdzenia będą prawdziwe, postawią OpenAI w centrum tego samego sporu dotyczącego destylacji, który już wplątał w sidła jego głównego rywala. Dla czytelników śledzących wiadomości o AI na temat zawodów modelek i praktyk szkoleniowych historia ta pojawia się zaledwie trzy miesiące po tym, jak Anthropic publicznie oskarżyło te same dwa chińskie laboratoria – wraz z Alibaba – o destylację modeli Claude.
Które modele są zaangażowane?
W raporcie Information wymieniono dwa konkretne systemy. Mówi się, że wydany w zeszłym tygodniu Kimi K3.1 Pro firmy Moonshot AI oraz ulepszony V4.1-Flash 1017 firmy DeepSeek, wprowadzony na rynek 17 października, skorzystały na destylacji przy użyciu granicznego modelu OpenAI. Ani DeepSeek, ani Moonshot nie potwierdziły tej praktyki, a sam raport ostrzega, że wykorzystanie wyjść Astry nie zostało niezależnie ustalone.
Destylacja, w rozumieniu branżowym, oznacza trenowanie jednego modelu na wynikach bardziej wydajnego modelu, tak aby uczeń nauczył się odtwarzać reakcje nauczyciela. Zamiast płacić za każdą możliwość w ramach niezależnego szkolenia, laboratorium może wysyłać zapytania do wiodącego systemu i wykorzystywać jego odpowiedzi jako wysokiej jakości sygnał szkoleniowy — taniej, szybciej i coraz bardziej kluczowo dla budowania konkurencyjnych modeli.
Schemat oskarżeń i nowa obrona
Raport pojawia się po roku eskalacji roszczeń związanych z ekstrakcją modeli. We wrześniu rząd USA poinformował, że chińskie firmy przeprowadziły zakrojoną na szeroką skalę kampanię destylacyjną przeciwko amerykańskim firmom zajmującym się sztuczną inteligencją – oświadczenie „The Information Notes” jest odrębne od nowego raportu dotyczącego konkretnie GPT-6 Astra. Sierpniowe oskarżenie Anthropic, że Alibaba, DeepSeek i Moonshot wydestylowały modele Claude'a, wyznaczyło szablon obecnej walki.
Obrona też się wzmacnia. Na początku tego miesiąca Anthropic podał, że nowe środki mające na celu uniemożliwienie konkurentom kopiowania możliwości Claude'a ograniczyły dane gromadzone w wyniku tak zwanych ataków destylacyjnych o około 90 do 99 procent. Rysunek sugeruje, że monitorowanie wzorców zapytań, ograniczanie dostępu i ograniczanie szybkości podejrzanych działań może wymiernie podnieść koszt ekstrakcji — chociaż zabezpieczenia działają tylko do czasu dostosowania się atakujących.
OpenAI nie powiedziało, czy wykrył podobne wzorce w przypadku GPT-6 Astra, ani czy planuje zmiany polityki w odpowiedzi na raport. Warunki świadczenia usług firmy, podobnie jak jej konkurentów, ograniczają wykorzystanie wyników do szkolenia konkurencyjnych modeli.
Co destylacja może, a czego nie
Rzeczywistość techniczna jest bardziej zniuansowana, niż sugerują nagłówki. Dane wyjściowe mogą dostarczać użytecznych sygnałów szkoleniowych, ale nie przekazują architektury modelu, jego danych szkoleniowych, jego parametrów wewnętrznych ani wszystkich jego możliwości. Skuteczność destylacji zależy od jakości i różnorodności zebranych przykładów oraz od procesu szkolenia, który je uwzględnia. Model destylowany może odpowiadać nauczycielowi w oparciu o punkty odniesienia, które przypominają zebrane dane, a gdzie indziej są słabsze.
Ten niuans działa w obie strony. Oznacza to, że zgłoszona kampania destylacji nie ujawnia, w jakim stopniu wydajność konkurencyjnego modelu faktycznie wynika z ekstrakcji, czy naruszono warunki świadczenia usług i czy wynikające z tego możliwości i tak by się pojawiły. Oznacza to jednak również, że zbieranie informacji na dużą skalę może zapewnić konkurentowi szybszą drogę do określonych możliwości — zwłaszcza kodowania i rozumowania, w przypadku których różnica między modelami pionierskimi i szybko podążającymi zmniejsza się przez cały rok.
Trudna równowaga dla branży
Żadna ze stron tego sporu nie uważa tej praktyki za prostą. Destylacja sama w sobie nie jest czymś niewłaściwym – twórcy sztucznej inteligencji rutynowo stosują techniki transferu wiedzy między własnymi modelami – a szeroki dostęp do wiodących systemów pozwala startupom, badaczom i firmom w ogóle budować produkty. Napięcie pojawia się na dużą skalę: nieograniczony dostęp znacznie ułatwia osobie trzeciej gromadzenie dużych zbiorów danych wyjściowych do celów, których dostawca nigdy nie autoryzował.
Zabezpieczenia wdrażane w odpowiedzi przez dostawców wiążą się z własnymi kosztami. Monitorowanie nietypowych wzorców zapytań, ograniczanie dostępu do niektórych możliwości, narzucanie limitów użytkowania i sprawdzanie zbiorczego gromadzenia danych – wszystko to podnosi cenę ekstrakcji, ale stwarza także trudności operacyjne dla legalnych programistów i przedsiębiorstw, które są zależne od stałego dostępu do API. W rzeczywistości branża negocjuje, gdzie kończy się opracowywanie legalnego modelu, a zaczyna nieautoryzowane wydobywanie, jedna zmiana polityki na raz.
Ekonomia stojąca za walką
Powodem, dla którego laboratoria się troszczą, jest arytmetyka. Szkolenie modelu pionierskiego kosztuje miliardy dolarów w obliczeniach i badaniach. Jeśli konkurent może odtworzyć ważne możliwości poprzez systematyczne sprawdzanie istniejącego modelu po cenach API, korzyść finansowa z budowy systemu granicznego maleje, a wraz z nim maleje motywacja do dalszego jego budowania. Ta logika wyjaśnia, dlaczego amerykańskie laboratoria spędziły rok 2026 na wzmacnianiu swojej obrony i dlaczego każde nowe oskarżenie nie jest plotką, ale punktem danych w toczącej się wojnie gospodarczej.
W przypadku chińskich programistów rachunek jest inny. Dostęp do najbardziej zaawansowanych chipów jest ograniczony, a destylacja oferuje drogę do konkurencyjnej wydajności bez konieczności ponoszenia budżetów obliczeniowych. Z raportu Information wynika, że ta ścieżka przebiegała przez flagowy produkt OpenAI – to samo oskarżenie wymierzone w inny cel.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
