Os desenvolvedores chineses de IA DeepSeek e Moonshot AI confiaram fortemente nos resultados do modelo GPT-6 Astra da OpenAI para treinar seus sistemas mais recentes, de acordo com um relatório do The Information publicado na quarta-feira e divulgado pela Reuters. O relatório cita pessoas com conhecimento direto do assunto e sublinha que a alegada utilização dos resultados do Astra não foi estabelecida de forma independente.
Se forem corretas, as alegações colocariam a OpenAI no centro da mesma disputa de destilação que já envolveu o seu principal rival. Para os leitores que acompanham notícias de IA sobre competição de modelos e práticas de treinamento, a história chega apenas três meses depois que a Anthropic acusou publicamente os mesmos dois laboratórios chineses – junto com o Alibaba – de destilar seus modelos Claude.
Quais modelos estão implicados?
O relato da Informação nomeia dois sistemas específicos. Diz-se que o Kimi K3.1 Pro da Moonshot AI, lançado na semana passada, e o V4.1-Flash 1017 atualizado da DeepSeek, lançado em 17 de outubro, se beneficiaram da destilação usando o modelo de fronteira da OpenAI. Nem DeepSeek nem Moonshot confirmaram a prática, e o próprio relatório alerta que o uso dos resultados do Astra não foi estabelecido de forma independente.
Destilação, no uso da indústria, significa treinar um modelo nos resultados de outro mais capaz, para que o aluno aprenda a reproduzir as respostas do professor. Em vez de pagar por cada capacidade através de um treinamento independente, um laboratório pode consultar um sistema líder e usar suas respostas como um sinal de treinamento de alta qualidade – mais barato, mais rápido e cada vez mais central para a forma como os modelos competitivos são construídos.
Um padrão de acusações — e novas defesas
O relatório chega em meio a um ano de reclamações crescentes sobre a extração de modelos. Em setembro, o governo dos EUA disse que houve uma campanha de destilação em grande escala por parte de empresas chinesas contra empresas americanas de IA – uma declaração que as notas de informação são separadas de seu novo relatório especificamente sobre o GPT-6 Astra. A acusação de agosto da Anthropic de que Alibaba, DeepSeek e Moonshot haviam destilado modelos de Claude estabeleceu o modelo para a luta atual.
As defesas também estão endurecendo. No início deste mês, a Anthropic disse que novas medidas destinadas a impedir que rivais copiem as capacidades de Claude reduziram os dados recolhidos através dos chamados ataques de destilação em cerca de 90 a 99 por cento. A figura sugere que monitorar padrões de consulta, restringir o acesso e limitar a taxa de atividades suspeitas pode aumentar de forma mensurável o custo da extração – embora as salvaguardas só funcionem até que os invasores se adaptem.
A OpenAI não disse se detectou padrões semelhantes no GPT-6 Astra ou se planeja mudanças nas políticas em resposta ao relatório. Os termos de serviço da empresa, assim como os de seus rivais, restringem o uso de resultados para treinar modelos concorrentes.
O que a destilação pode e não pode fazer
A realidade técnica é mais matizada do que as manchetes sugerem. As saídas podem fornecer sinais de treinamento úteis, mas não transferem a arquitetura de um modelo, seus dados de treinamento, seus parâmetros internos ou todas as suas capacidades. A eficácia da destilação depende da qualidade e diversidade dos exemplares colhidos e do processo de formação que os incorpora. Um modelo destilado pode corresponder a um professor em parâmetros de referência que se assemelham aos dados recolhidos, embora permaneça mais fraco noutros locais.
Essa nuance vale para os dois lados. Significa que uma campanha de destilação reportada não revela quanto do desempenho de um modelo rival deriva realmente da extracção, se os termos de serviço foram violados ou se as capacidades resultantes teriam surgido de qualquer maneira. Mas também significa que a colheita em grande escala pode proporcionar ao concorrente um caminho mais rápido para capacidades específicas – particularmente codificação e raciocínio, onde a lacuna entre os modelos de fronteira e os modelos de seguidor rápido diminuiu ao longo do ano.
Um equilíbrio difícil para a indústria
Nenhum dos lados desta disputa vê a prática como simples. A destilação em si não é inerentemente imprópria – os desenvolvedores de IA usam rotineiramente técnicas que transferem conhecimento entre seus próprios modelos – e o amplo acesso aos principais sistemas é o que permite que startups, pesquisadores e empresas construam produtos. A tensão surge em grande escala: o acesso irrestrito torna muito mais fácil para terceiros recolher grandes conjuntos de dados de resultados para fins que o fornecedor nunca autorizou.
As salvaguardas que os fornecedores implementam em resposta acarretam os seus próprios custos. Monitorar padrões de consulta incomuns, restringir o acesso a determinados recursos, impor limites de uso e investigar a coleta em massa aumentam o preço da extração, mas também criam atrito operacional para desenvolvedores legítimos e empresas que dependem de acesso constante à API. A indústria está, de facto, a negociar onde termina o desenvolvimento legítimo do modelo e onde começa a extracção não autorizada, uma mudança política de cada vez.
A economia por trás da luta
A razão pela qual os laboratórios se preocupam é aritmética. Treinar um modelo de fronteira custa bilhões de dólares em computação e pesquisa. Se um concorrente conseguir reproduzir capacidades importantes consultando sistematicamente um modelo existente a preços API, a vantagem financeira de construir o sistema de fronteira diminui – e o incentivo para continuar a construí-lo diminui com ele. Essa lógica explica por que razão os laboratórios americanos passaram o ano de 2026 a reforçar as suas defesas e por que cada nova acusação resulta menos como um mexerico do que como um dado numa guerra económica iminente.
Para os desenvolvedores chineses, o cálculo é diferente. O acesso aos chips mais avançados é restrito e a destilação oferece um caminho para um desempenho competitivo sem igualar os orçamentos de computação. O relatório da Information sugere que esse caminho passou pelo carro-chefe da OpenAI – a mesma acusação, dirigida a um alvo diferente.
---
Fique à frente da IAReceba as últimas notícias, análises e avanços sobre IA — tudo em um só lugar.
Leia mais notícias sobre IA →
