Согласно отчету The Information, опубликованному в среду и опубликованному Reuters, китайские разработчики искусственного интеллекта DeepSeek и Moonshot AI в значительной степени полагались на результаты модели OpenAI GPT-6 Astra для обучения своих новейших систем. В отчете цитируются люди, непосредственно знакомые с этим вопросом, и подчеркивается, что предполагаемое использование результатов Astra не было независимо установлено.
Если эти утверждения верны, то OpenAI окажется в центре того же спора, в который уже попал ее главный конкурент. Для читателей, отслеживающих новости AI о конкуренции моделей и практике обучения, эта история появляется всего через три месяца после того, как Anthropic публично обвинила те же две китайские лаборатории — вместе с Alibaba — в дистилляции своих моделей Клода.
Какие модели замешаны?
В сообщении «Информации» упоминаются две конкретные системы. Сообщается, что Kimi K3.1 Pro от Moonshot AI, выпущенный на прошлой неделе, и обновленный V4.1-Flash 1017 от DeepSeek, выпущенный 17 октября, получили преимущества от дистилляции с использованием передовой модели OpenAI. Ни DeepSeek, ни Moonshot не подтвердили эту практику, а в самом отчете предупреждается, что использование результатов Astra не было независимо установлено.
В отраслевом понимании «дистилляция» означает обучение одной модели на результатах более способной модели, чтобы ученик научился воспроизводить ответы учителя. Вместо того, чтобы платить за каждую возможность посредством независимого обучения, лаборатория может запросить ведущую систему и использовать ее ответы в качестве высококачественного обучающего сигнала — дешевле, быстрее и все более важно для построения конкурентоспособных моделей.
Последовательность обвинений и новые способы защиты
Отчет появился на фоне роста претензий по поводу извлечения моделей. В сентябре правительство США заявило, что китайские компании проводят крупномасштабную кампанию по перегонке против американских компаний, занимающихся искусственным интеллектом. Августовское обвинение Anthropic в том, что Alibaba, DeepSeek и Moonshot создали модели Клода, послужило шаблоном для нынешней борьбы.
Оборона тоже укрепляется. Ранее в этом месяце Anthropic заявила, что новые меры, направленные на предотвращение копирования конкурентами возможностей Клода, позволили сократить количество данных, собранных с помощью так называемых дистилляционных атак, примерно на 90–99 процентов. Из рисунка видно, что мониторинг шаблонов запросов, ограничение доступа и ограничение скорости подозрительной активности могут значительно повысить стоимость извлечения информации, хотя меры защиты работают только до тех пор, пока злоумышленники не адаптируются.
OpenAI не сообщила, обнаружила ли она подобные закономерности в отношении GPT-6 Astra или планирует ли внести изменения в политику в ответ на отчет. Условия обслуживания компании, как и условий ее конкурентов, ограничивают использование результатов для обучения конкурирующих моделей.
Что может и чего не может сделать дистилляция
Техническая реальность более тонкая, чем предполагают заголовки. Выходные данные могут предоставлять полезные обучающие сигналы, но они не передают архитектуру модели, ее обучающие данные, ее внутренние параметры или все ее возможности. Эффективность дистилляции зависит от качества и разнообразия собранных экземпляров, а также от процесса обучения, в котором они используются. Очищенная модель может соответствовать учителю по показателям, которые напоминают собранные данные, но в других местах оставаться слабее.
Этот нюанс затрагивает обе стороны. Это означает, что кампания по перегонке, о которой сообщается, не показывает, какая часть производительности конкурирующей модели на самом деле достигается за счет добычи, были ли нарушены условия обслуживания или вообще появились ли полученные в результате возможности. Но это также означает, что крупномасштабный сбор урожая может дать конкуренту более быстрый путь к конкретным возможностям — особенно к программированию и рассуждению, где разрыв между передовыми и быстрыми моделями сокращался в течение всего года.
Сложный баланс для отрасли
Ни одна из сторон в этом споре не считает эту практику простой. Сама по себе дистилляция не является чем-то неправильным — разработчики ИИ регулярно используют методы, которые передают знания между их собственными моделями, — а широкий доступ к ведущим системам — это то, что вообще позволяет стартапам, исследователям и предприятиям создавать продукты. Напряженность возникает в масштабе: неограниченный доступ значительно облегчает третьей стороне сбор больших наборов данных для целей, которые поставщик никогда не санкционировал.
Защитные меры, которые поставщики применяют в ответ, влекут за собой свои затраты. Мониторинг необычных шаблонов запросов, ограничение доступа к определенным возможностям, введение ограничений на использование и расследование массового сбора — все это повышает стоимость извлечения, но также создает операционные трудности для законных разработчиков и предприятий, которые зависят от постоянного доступа к API. По сути, отрасль ведет переговоры о том, где заканчивается разработка законных моделей и начинается несанкционированное извлечение, по одному изменению политики за раз.
Экономика борьбы
Причина, по которой лаборатории заботятся, — это арифметика. Обучение пограничной модели требует миллиардов долларов на вычисления и исследования. Если конкурент может воспроизвести важные возможности, систематически запрашивая существующую модель по ценам API, финансовое преимущество создания передовой системы сокращается, а вместе с ним уменьшается и стимул продолжать ее создание. Эта логика объясняет, почему американские лаборатории потратили 2026 год на усиление своей защиты и почему каждое новое обвинение воспринимается не как сплетня, а как точка данных в предстоящей экономической войне.
У китайских разработчиков расчеты иные. Доступ к самым передовым чипам ограничен, а дистилляция открывает путь к конкурентоспособной производительности без соответствующих вычислительных бюджетов. В сообщении The Information предполагается, что путь пролегал через собственный флагман OpenAI — то же обвинение, направленное на другую цель.
---
Будьте впереди ИИПолучайте последние новости, анализ и открытия в области искусственного интеллекта — все в одном месте.
Подробнее новости AI →
