La destilación funciona de la siguiente manera: en lugar de copiar el modelo en sí, los investigadores envían consultas a un modelo "maestro" (teacher) potente a través de su API pública, recogen las respuestas (preguntas y respuestas), y usan esos pares para entrenar un modelo "alumno" (student) más pequeño y económico. El alumno aprende a imitar el razonamiento y las capacidades del maestro . Para aplicaciones militares, esto permite el despliegue en hardware local sin la enorme infraestructura de cómputo necesaria para construir modelos frontera desde cero .

Aplicaciones Militares Documentadas

Los artículos y patentes revisados por Reuters, recopilados junto con la Fundación Jamestown con sede en Washington, muestran que la destilación se utiliza para una variedad de sistemas de defensa :

• Sistemas de vigilancia — inteligencia artificial para reconocimiento y análisis de inteligencia
• Herramientas de ciberguerra — sistemas automatizados de ataque y defensa
• Operaciones tácticas y drones — enjambres de drones autónomos y ayudas a la decisión en el campo de batalla
• Vehículos militares — la empresa estatal de defensa china Norinco desplegó un vehículo impulsado por DeepSeek (que a su vez se construyó mediante destilación) para tareas autónomas de apoyo en combate, capaz de alcanzar velocidades de hasta 50 km/h

Un artículo de la Unidad 96904 del Ejército Popular de Liberación (EPL) describió explícitamente la destilación de modelos estadounidenses para crear versiones "más pequeñas y más seguras" adecuadas para aplicaciones de defensa . Otro artículo de la Unidad 96941 del EPL —una unidad de inteligencia militar y ciberguerra con sede en Pekín— describió el uso de GPT-3.5 de OpenAI para procesar código fuente militar clasificado . Un artículo de 2024 de la Universidad Nacional de Tecnología de Defensa del EPL utilizó la destilación para reducir un modelo de procesamiento de imágenes para su despliegue en hardware militar con recursos limitados .

Cómo la Técnica Acelera la IA de Defensa China a Bajo Coste

La ventaja estratégica central de la destilación es económica. Entrenar un modelo de IA frontera desde cero cuesta miles de millones de dólares y requiere años de investigación y desarrollo, conjuntos de datos masivos y acceso a chips semiconductores avanzados. La destilación permite a los investigadores chinos evitar casi toda esa inversión .

Al consultar los modelos frontera a través de API —creando cuentas fraudulentas y utilizando redes proxy para eludir los límites de tasa— los desarrolladores chinos pueden extraer las mismas capacidades a una fracción del coste. La investigación de Anthropic identificó más de 16 millones de intercambios generados a través de aproximadamente 24.000 cuentas fraudulentas dirigidas al razonamiento agéntico, el uso de herramientas y las capacidades de codificación de Claude. El desarrollador chino de IA MiniMax fue responsable de más de 13 millones de esos intercambios .

Acusaciones de Robo a Escala Industrial y Respuesta del Gobierno de EE.UU.

La evidencia ha desencadenado una escalada de acusaciones y respuestas políticas:

• Febrero de 2026: OpenAI, Anthropic y Google publicaron cada uno pruebas de campañas de destilación coordinadas por las empresas chinas DeepSeek, Moonshot AI y MiniMax . Anthropic describió estas operaciones como "ataques de destilación" deliberados .
• Abril de 2026: Una audiencia del comité de la Cámara de Representantes de EE.UU. examinó el memorando de OpenAI que detallaba "tuberías de destilación sofisticadas y de múltiples etapas" que utilizan múltiples cuentas API, redes proxy y mimetismo de comportamiento para evitar la detección .
• Junio de 2026: Anthropic acusó a Alibaba de la mayor violación conocida de su modelo Claude, una campaña de destilación que se desarrolló del 22 de abril al 5 de junio .
• Julio de 2026: El secretario del Tesoro de EE.UU., Scott Bessent, advirtió sobre posibles sanciones después de acusar al laboratorio chino de IA Moonshot de destilar el avanzado modelo Fable 5 de Anthropic . La Oficina de Industria y Seguridad del Departamento de Comercio también está investigando si las empresas chinas están accediendo ilegalmente a chips estadounidenses avanzados .

Limitaciones Críticas de la Destilación

A pesar de su eficacia como atajo, la destilación de modelos tiene limitaciones técnicas inherentes que importan para las aplicaciones militares:

• Techo de conocimiento: Un modelo alumno destilado generalmente no puede superar las capacidades del modelo maestro del que copia. Hereda las fortalezas del maestro, pero también sus puntos ciegos y patrones de error .
• Degradación en la destilación iterativa: Cada ronda de destilación tiende a perder fidelidad. El razonamiento detallado, el conocimiento poco común y la sutil alineación de seguridad se degradan con cada generación .
• Erosión de la alineación de seguridad: Esta es la limitación más preocupante para el uso militar. La investigación académica muestra que la destilación con etiquetas blandas (soft-label) puede reducir las barreras de seguridad en los modelos alumno hasta en un 50% en comparación con el maestro original, mientras se conserva el rendimiento de la tarea . Los modelos destilados a menudo carecen de los robustos comportamientos de rechazo y el entrenamiento de inofensividad de los modelos frontera . Como señala Anthropic, "los modelos destilados ilícitamente carecen de las salvaguardas necesarias, creando riesgos significativos para la seguridad nacional" .
• Limitaciones de las defensas: Las defensas actuales —perturbación de salida, envenenamiento de datos, limitación de tasa— siguen siendo en gran medida ineficaces contra atacantes decididos que utilizan tuberías de múltiples etapas y técnicas de extracción distribuidas .

Riesgos de Seguridad y la Creciente Carrera Armamentística de IA

La combinación de robo de capacidades y degradación de la seguridad crea una dinámica peligrosa:

• Proliferación de IA insegura: Los modelos destilados despojados de la alineación de seguridad pueden desplegarse para fines militares y de vigilancia que las empresas estadounidenses originales prohíben explícitamente en sus términos de servicio .
• Pérdida de la ventaja tecnológica de EE.UU.: La destilación permite a los adversarios saltarse años de I+D patentada, erosionando el liderazgo de Estados Unidos en capacidades de IA frontera .
• Robo difícil de detectar: Los ataques de destilación desde API de caja negra son difíciles de distinguir del uso normal y masivo de API, lo que dificulta la atribución y la aplicación de medidas .
• Escalada de contramedidas: Ambos bandos están desplegando contramedidas cada vez más agresivas. En marzo de 2026, Anthropic insertó código de seguimiento en Claude Code para identificar a los usuarios chinos . El riesgo de una espiral de seguridad —donde cada lado trata la actividad de IA del otro como hostil— sigue aumentando .

La Implicación Más Amplia para el Desacoplamiento Tecnológico entre EE.UU. y China

La guerra de destilación en curso está acelerando el desacoplamiento entre Estados Unidos y China en el ámbito de la IA en múltiples dimensiones . Controles de exportación más estrictos sobre chips avanzados, restricciones de acceso a API, requisitos KYC para cuentas de desarrolladores y posibles sanciones financieras están sobre la mesa .

El riesgo estratégico central es claro: la destilación permite que el ejército de China parasitice efectivamente la inversión en IA de Estados Unidos para aplicaciones de defensa a una fracción del coste, mientras que la degradación de la seguridad inherente al proceso puede producir sistemas de IA militar menos restringidos y más peligrosos.

La destilación funciona de la siguiente manera: en lugar de copiar el modelo en sí, los investigadores envían consultas a un modelo "maestro" (teacher) potente a través de su API pública, recogen las respuestas (preguntas y respuestas), y usan esos pares para entrenar un modelo "alumno" (student) más pequeño y económico. El alumno aprende a imitar el razonamiento y las capacidades del maestro . Para aplicaciones militares, esto permite el despliegue en hardware local sin la enorme infraestructura de cómputo necesaria para construir modelos frontera desde cero .

Aplicaciones Militares Documentadas

Los artículos y patentes revisados por Reuters, recopilados junto con la Fundación Jamestown con sede en Washington, muestran que la destilación se utiliza para una variedad de sistemas de defensa :

• Sistemas de vigilancia — inteligencia artificial para reconocimiento y análisis de inteligencia
• Herramientas de ciberguerra — sistemas automatizados de ataque y defensa
• Operaciones tácticas y drones — enjambres de drones autónomos y ayudas a la decisión en el campo de batalla
• Vehículos militares — la empresa estatal de defensa china Norinco desplegó un vehículo impulsado por DeepSeek (que a su vez se construyó mediante destilación) para tareas autónomas de apoyo en combate, capaz de alcanzar velocidades de hasta 50 km/h

Un artículo de la Unidad 96904 del Ejército Popular de Liberación (EPL) describió explícitamente la destilación de modelos estadounidenses para crear versiones "más pequeñas y más seguras" adecuadas para aplicaciones de defensa . Otro artículo de la Unidad 96941 del EPL —una unidad de inteligencia militar y ciberguerra con sede en Pekín— describió el uso de GPT-3.5 de OpenAI para procesar código fuente militar clasificado . Un artículo de 2024 de la Universidad Nacional de Tecnología de Defensa del EPL utilizó la destilación para reducir un modelo de procesamiento de imágenes para su despliegue en hardware militar con recursos limitados .

Cómo la Técnica Acelera la IA de Defensa China a Bajo Coste

La ventaja estratégica central de la destilación es económica. Entrenar un modelo de IA frontera desde cero cuesta miles de millones de dólares y requiere años de investigación y desarrollo, conjuntos de datos masivos y acceso a chips semiconductores avanzados. La destilación permite a los investigadores chinos evitar casi toda esa inversión .

Al consultar los modelos frontera a través de API —creando cuentas fraudulentas y utilizando redes proxy para eludir los límites de tasa— los desarrolladores chinos pueden extraer las mismas capacidades a una fracción del coste. La investigación de Anthropic identificó más de 16 millones de intercambios generados a través de aproximadamente 24.000 cuentas fraudulentas dirigidas al razonamiento agéntico, el uso de herramientas y las capacidades de codificación de Claude. El desarrollador chino de IA MiniMax fue responsable de más de 13 millones de esos intercambios .

Acusaciones de Robo a Escala Industrial y Respuesta del Gobierno de EE.UU.

La evidencia ha desencadenado una escalada de acusaciones y respuestas políticas:

• Febrero de 2026: OpenAI, Anthropic y Google publicaron cada uno pruebas de campañas de destilación coordinadas por las empresas chinas DeepSeek, Moonshot AI y MiniMax . Anthropic describió estas operaciones como "ataques de destilación" deliberados .
• Abril de 2026: Una audiencia del comité de la Cámara de Representantes de EE.UU. examinó el memorando de OpenAI que detallaba "tuberías de destilación sofisticadas y de múltiples etapas" que utilizan múltiples cuentas API, redes proxy y mimetismo de comportamiento para evitar la detección .
• Junio de 2026: Anthropic acusó a Alibaba de la mayor violación conocida de su modelo Claude, una campaña de destilación que se desarrolló del 22 de abril al 5 de junio .
• Julio de 2026: El secretario del Tesoro de EE.UU., Scott Bessent, advirtió sobre posibles sanciones después de acusar al laboratorio chino de IA Moonshot de destilar el avanzado modelo Fable 5 de Anthropic . La Oficina de Industria y Seguridad del Departamento de Comercio también está investigando si las empresas chinas están accediendo ilegalmente a chips estadounidenses avanzados .

Limitaciones Críticas de la Destilación

A pesar de su eficacia como atajo, la destilación de modelos tiene limitaciones técnicas inherentes que importan para las aplicaciones militares:

• Techo de conocimiento: Un modelo alumno destilado generalmente no puede superar las capacidades del modelo maestro del que copia. Hereda las fortalezas del maestro, pero también sus puntos ciegos y patrones de error .
• Degradación en la destilación iterativa: Cada ronda de destilación tiende a perder fidelidad. El razonamiento detallado, el conocimiento poco común y la sutil alineación de seguridad se degradan con cada generación .
• Erosión de la alineación de seguridad: Esta es la limitación más preocupante para el uso militar. La investigación académica muestra que la destilación con etiquetas blandas (soft-label) puede reducir las barreras de seguridad en los modelos alumno hasta en un 50% en comparación con el maestro original, mientras se conserva el rendimiento de la tarea . Los modelos destilados a menudo carecen de los robustos comportamientos de rechazo y el entrenamiento de inofensividad de los modelos frontera . Como señala Anthropic, "los modelos destilados ilícitamente carecen de las salvaguardas necesarias, creando riesgos significativos para la seguridad nacional" .
• Limitaciones de las defensas: Las defensas actuales —perturbación de salida, envenenamiento de datos, limitación de tasa— siguen siendo en gran medida ineficaces contra atacantes decididos que utilizan tuberías de múltiples etapas y técnicas de extracción distribuidas .

Riesgos de Seguridad y la Creciente Carrera Armamentística de IA

La combinación de robo de capacidades y degradación de la seguridad crea una dinámica peligrosa:

• Proliferación de IA insegura: Los modelos destilados despojados de la alineación de seguridad pueden desplegarse para fines militares y de vigilancia que las empresas estadounidenses originales prohíben explícitamente en sus términos de servicio .
• Pérdida de la ventaja tecnológica de EE.UU.: La destilación permite a los adversarios saltarse años de I+D patentada, erosionando el liderazgo de Estados Unidos en capacidades de IA frontera .
• Robo difícil de detectar: Los ataques de destilación desde API de caja negra son difíciles de distinguir del uso normal y masivo de API, lo que dificulta la atribución y la aplicación de medidas .
• Escalada de contramedidas: Ambos bandos están desplegando contramedidas cada vez más agresivas. En marzo de 2026, Anthropic insertó código de seguimiento en Claude Code para identificar a los usuarios chinos . El riesgo de una espiral de seguridad —donde cada lado trata la actividad de IA del otro como hostil— sigue aumentando .

La Implicación Más Amplia para el Desacoplamiento Tecnológico entre EE.UU. y China

La guerra de destilación en curso está acelerando el desacoplamiento entre Estados Unidos y China en el ámbito de la IA en múltiples dimensiones . Controles de exportación más estrictos sobre chips avanzados, restricciones de acceso a API, requisitos KYC para cuentas de desarrolladores y posibles sanciones financieras están sobre la mesa .

El riesgo estratégico central es claro: la destilación permite que el ejército de China parasitice efectivamente la inversión en IA de Estados Unidos para aplicaciones de defensa a una fracción del coste, mientras que la degradación de la seguridad inherente al proceso puede producir sistemas de IA militar menos restringidos y más peligrosos.