The Information s odvoláním na osoby obeznámené s případem uvedl, že DeepSeek a Moonshot AI při trénování svých nejnovějších modelů ve velké míře využily výstupy GPT-6 Astra od OpenAI. Zprávu přinesla agentura Reuters. Jde o tvrzení, které nebylo nezávisle potvrzeno; firmy se k němu podle sekundárního zpravodajství bezprostředně nevyjádřily.
1
3
Zpráva jmenuje model Kimi K3.1 Pro od Moonshotu a DeepSeek V4.1-Flash 1017. Jádrem sporu není údajný přístup k vahám modelu OpenAI, ale to, zda odpovědi jednoho modelu posloužily k trénování jiného — a zda k tomu jejich tvůrci měli oprávnění.
3
8
Co znamená destilace modelu
Při destilaci se menší nebo levnější model učí z výstupů výkonnějšího modelu. První se někdy označuje jako „žák“, druhý jako „učitel“. Žák může napodobit část jeho odpovědí, aniž by získal přístup k vahám učitelského modelu. OpenAI sama nabízí nástroje pro destilaci, které umožňují trénovat úspornější modely na výstupech většího modelu.
34
Tato metoda sama o sobě není nelegitimní. Sporné je, jak byly trénovací výstupy získány a zda bylo jejich další použití povolené. OpenAI označuje za adverzní destilaci systematické a neoprávněné využívání výstupů či uvažování modelu k trénování, napodobování nebo vylepšování jiného modelu.
36
Pokud vývojář dokáže tímto způsobem převzít část schopností jiného systému, může mu to ušetřit čas i náklady na vlastní výzkum a trénování. Kritici namítají, že neoprávněné získávání výstupů může zvýhodňovat kopírování a oslabovat konkurenční náskok, který vznikl investicemi do vývoje.
6
35
Samostatná kampaň popsaná OpenAI
Údajné využití GPT-6 Astra při trénování modelů z aktuální zprávy nelze zaměňovat za důkaz, že DeepSeek nebo Moonshot použily data z jiné kampaně, kterou OpenAI popsala 30. září. Tehdy společnost informovala o pokusech získat z jejích modelů chráněné uvažování; její vyjádření samo o sobě neprokazuje, jak byly natrénovány modely zmíněné The Information.
1
36
OpenAI uvedla, že první známky této kampaně zaznamenala v prvním červencovém týdnu. Podle sekundárního zpravodajství zaznamenala 24. a 25. července přibližně 16 000 požadavků od více než 4 000 uživatelů a aktivitu se jí podařilo zastavit do 28. července. Jde o počty požadavků a uživatelů, nikoli o potvrzený počet úspěšně získaných výstupů.
21
27
56
Zpravodajství také popsalo postup, při němž někdo zkopíroval zašifrované uvažování z jedné konverzace a v jiné požádal model, aby je převedl do textu. OpenAI uvedla, že útočníci neprolomili její šifrování, nenarušili databázi ani nezískali přímý přístup k uloženým konverzacím.
26
36
OpenAI připsala hlavní skupinu aktivity osobám spojovaným s Moonshot AI. Zároveň uvedla, že nedokázala určit, zda všichni zapojení jednali jako jediný aktér. CyberScoop upozornil, že OpenAI veřejně nepředložila technické důkazy pro spojení s Moonshotem; tuto část jejího tvrzení proto nelze z dostupných podkladů nezávisle ověřit.
18
32
Co oznámila Anthropic
Anthropic v říjnovém oznámení uvedl, že jeho ochranná opatření snížila množství dat získaných při destilaci přibližně o 90 až 99 %. Samostatně informoval, že po zavedení klasifikátoru byl počet získaných tokenů uvažování 10 až 100krát nižší. Jde o dvě odlišné metriky.
33
Anthropic také tvrdil, že společnost Zhipu při vývoji modelu GLM-5.3 destilovala kybernetické schopnosti předních amerických modelů. Toto je tvrzení Anthropicu; dostupné informace nepotvrzují, že se v tomto konkrétním případě jednalo právě o model Claude.
33
Proč je spor důležitý — a co zatím nedokazuje
Pro vývojáře modelů je rizikem, že konkurent může získat užitečné schopnosti, aniž by vynaložil srovnatelné prostředky na výzkum a trénování. Bezpečnostní obavy se týkají toho, zda se spolu se schopnostmi přenesou i ochranná opatření původního tvůrce. Anthropic varoval, že neoprávněná destilace může umožnit kopírovat schopnosti špičkových modelů bez odpovídající úrovně zabezpečení.
35
37
Jde o rizika, na která upozorňují firmy a média — nikoli o důkaz, že modely DeepSeek nebo Moonshot odpovídají GPT-6 Astra, že došlo k porušení konkrétní smlouvy nebo že vznikla určitá škoda. Podstatné je rozlišovat mezi destilací jako trénovací metodou a spornými postupy, jimiž lze výstupy jiného modelu získat nebo znovu použít.