Китайские военные учатся у GPT-4 и Claude: как работает «дистилляция» ИИ и чем она опасна
Анализ Reuters более 80 китайских научных статей и патентов выявил систематическое применение модельной дистилляции — обучения небольших моделей на ответах передовых систем OpenAI и Anthropic [2][8][9]. Технология позволяет создавать более дешёвые и локальные ИИ системы для разведки, киберопераций, беспилотников и т...
ОпубликовалОтредактировано с помощью DeepSeek-V4-FlashИзображения созданы с помощью GPT Image 1.5
Анализ Reuters более 80 китайских научных статей и патентов выявил систематическое применение модельной дистилляции — обучения небольших моделей на ответах передовых систем OpenAI и Anthropic [2][8][9].
Технология позволяет создавать более дешёвые и локальные ИИ системы для разведки, киберопераций, беспилотников и тактических задач, не тратя миллиарды на разработку передовой модели с нуля [2][4][10].
У метода есть принципиальные ограничения: ученическая модель обычно не превосходит модель учителя, а при переносе возможностей могут ухудшаться точность, редкие знания и защитные механизмы [5][14].
Исследования показывают, что некоторые виды дистилляции способны снизить безопасность модели до 50 процентных пунктов, сохранив при этом её полезность для обычных задач [27].
How have Chinese military researchers used model distillation from U.SConceptual visualization of AI model distillation for military applications — a technique that lets smaller student models learn from frontier teacher models via API queries.
Промпт ИИ
Create a landscape editorial hero image for this Studio Global article: How have Chinese military researchers used model distillation from U.S. AI systems like OpenAI's and Anthropic's to advance defense AI, and. Article summary: Here is a concise breakdown of the findings, implications, limitations, and risks.. Topic tags: general, government, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as fac
openai.com
Расследование Reuters, опубликованное 31 июля 2026 года, показывает, что связанные с китайскими военными структурами исследователи использовали результаты работы передовых американских моделей искусственного интеллекта — в том числе GPT-4 от OpenAI и Claude от Anthropic — для обучения отечественных оборонных систем. Журналисты изучили более 80 китайских научных статей и патентов совместно с базирующимся в Вашингтоне Jamestown Foundation и обнаружили широкое применение так называемой модельной дистилляции.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Каков краткий ответ на вопрос «Китайские военные учатся у GPT-4 и Claude: как работает «дистилляция» ИИ и чем она опасна»?
Анализ Reuters более 80 китайских научных статей и патентов выявил систематическое применение модельной дистилляции — обучения небольших моделей на ответах передовых систем OpenAI и Anthropic [2][8][9].
Какие ключевые моменты необходимо проверить в первую очередь?
Анализ Reuters более 80 китайских научных статей и патентов выявил систематическое применение модельной дистилляции — обучения небольших моделей на ответах передовых систем OpenAI и Anthropic [2][8][9]. Технология позволяет создавать более дешёвые и локальные ИИ системы для разведки, киберопераций, беспилотников и тактических задач, не тратя миллиарды на разработку передовой модели с нуля [2][4][10].
Что мне делать дальше на практике?
У метода есть принципиальные ограничения: ученическая модель обычно не превосходит модель учителя, а при переносе возможностей могут ухудшаться точность, редкие знания и защитные механизмы [5][14].
В обычной дистилляции большая и дорогая модель выступает в роли «учителя». Исследователи отправляют ей запросы через публичный API, собирают пары «вопрос — ответ», а затем используют этот массив данных для обучения меньшей «ученической» модели. В результате компактная система учится воспроизводить часть возможностей и стиля рассуждений более мощного оригинала .
Это не означает прямого копирования исходной модели или её параметров. Скорее речь идёт о переносе поведения и знаний через большое количество ответов. Для военных заказчиков такой подход особенно привлекателен: компактную систему можно развернуть на доступном локальном оборудовании, которому не нужны вычислительные мощности для создания передовой модели с нуля .
Для каких военных задач это применяют
Изученные Reuters документы связывают дистилляцию с разработкой целого ряда оборонных ИИ-систем :
Наблюдение и разведка — распознавание объектов, обработка изображений и анализ разведывательной информации .
Кибероперации — автоматизированные инструменты нападения и защиты .
Беспилотники и тактика — автономные рои дронов и системы поддержки решений на поле боя .
Военная техника — государственная оборонная компания Norinco представила машину на базе DeepSeek, предназначенную для автономного выполнения задач боевого обеспечения и способную развивать скорость до 50 км/ч .
В одной из публикаций подразделения Народно-освободительной армии Китая № 96904 дистилляция американских моделей прямо описывалась как способ создать «меньшие и более безопасные» версии, пригодные для оборонного применения .
Другая работа, связанная с подразделением НОАК № 96941 — военной разведывательной и кибервойсковой структурой в Пекине, — описывала использование GPT-3.5 от OpenAI для обработки конфиденциального военного исходного кода . В статье 2024 года исследователи Национального университета оборонных технологий НОАК рассказывали, как с помощью дистилляции уменьшили модель обработки изображений для запуска на военном оборудовании с ограниченными ресурсами .
Почему этот подход выгоден Китаю
Главное преимущество дистилляции — экономия времени и денег. Разработка передовой ИИ-модели с нуля требует миллиардов долларов, многолетних исследований, огромных наборов данных и доступа к современным полупроводниковым чипам. Получая нужные ответы через API уже существующей модели, разработчики могут значительно сократить эти затраты .
Американские компании утверждают, что некоторые китайские разработчики делали это в промышленных масштабах: создавали подставные аккаунты, использовали прокси-сети и распределяли запросы, чтобы обходить ограничения по частоте обращений. По данным расследования Anthropic, было зафиксировано более 16 млн обменов, проведённых примерно через 24 тыс. мошеннических аккаунтов и нацеленных на агентное рассуждение, работу с инструментами и программирование Claude. На одну только китайскую компанию MiniMax пришлось свыше 13 млн таких обменов .
От обвинений к новым ограничениям
Ситуация уже стала частью более широкого технологического конфликта между Вашингтоном и Пекином.
Февраль 2026 года. OpenAI, Anthropic и Google опубликовали сведения о скоординированных кампаниях китайских компаний DeepSeek, Moonshot AI и MiniMax по извлечению возможностей из американских передовых моделей. Anthropic назвала такие операции преднамеренными «атаками дистилляции» .
Апрель 2026 года. На слушаниях в комитете Палаты представителей США обсуждалась записка OpenAI, в которой описывались «сложные многоэтапные» схемы с несколькими API-аккаунтами, прокси-сетями и имитацией обычного поведения пользователей .
Июнь 2026 года. Anthropic обвинила Alibaba в крупнейшем из известных ей случаев подобного извлечения возможностей Claude. По утверждению компании, кампания продолжалась с 22 апреля по 5 июня .
Июль 2026 года. Министр финансов США Скотт Бессент предупредил о возможных санкциях после обвинений в адрес китайской лаборатории Moonshot, которую связали с дистилляцией из передовой модели Anthropic Fable 5. Бюро промышленности и безопасности Министерства торговли США также проверяет, получают ли китайские компании незаконный доступ к современным американским чипам .
Обвинения исходят прежде всего от американских компаний и государственных органов; в предоставленных материалах нет независимого подтверждения каждой из этих претензий. Однако сам механизм и его техническая осуществимость подробно описаны в академических и отраслевых исследованиях .
Где заканчиваются возможности дистилляции
Дистилляция — мощный способ сэкономить ресурсы, но не универсальный путь к созданию более совершенного ИИ.
Потолок знаний. Ученическая модель, как правило, не может превзойти модель-учителя. Вместе с сильными сторонами она перенимает её пробелы, ошибки и характерные сбои .
Потеря качества при повторном переносе. Каждый новый цикл дистилляции может ухудшать точность. Особенно уязвимы тонкие рассуждения, редкие знания и нюансы защитного обучения .
Ослабление защитных ограничений. Это наиболее тревожный аспект для военного применения. Исследования показывают, что дистилляция с использованием «мягких меток» может ухудшить показатели безопасности ученической модели до 50 процентных пунктов по сравнению с дообучением, при этом сохранив её производительность в прикладных задачах . Такие модели могут хуже отказывать на опасные запросы и не сохранять весь комплекс механизмов безвредности исходной системы . Anthropic предупреждает, что модели, полученные в результате незаконной дистилляции, могут не иметь необходимых средств защиты, что создаёт серьёзные риски для национальной безопасности .
Сложность противодействия. Методы вроде изменения формулировок ответов, отравления данных и ограничения частоты запросов не всегда эффективны против хорошо организованных многоэтапных операций с распределённым сбором данных .
Почему сочетание возможностей и слабой защиты опасно
Проблема не сводится к спору об авторских правах или стоимости API. Если из передовой модели извлекаются полезные возможности, но при этом теряются её защитные механизмы, итоговая система может оказаться одновременно достаточно функциональной и менее ограниченной.
Это создаёт несколько рисков:
Распространение небезопасного ИИ. Полученные таким образом модели можно адаптировать для военных и разведывательных задач, которые американские разработчики прямо запрещают в условиях использования своих систем .
Ослабление технологического преимущества США. Дистилляция позволяет сократить годы собственных исследований и быстрее догонять разработчиков передовых моделей .
Трудности с обнаружением. Запросы к модели через API внешне могут выглядеть как обычная интенсивная работа пользователя. Это усложняет атрибуцию, расследование и применение санкций .
Риск спирали ответных мер. В марте 2026 года Anthropic встроила в Claude Code код отслеживания, призванный выявлять пользователей из Китая и возможные попытки дистилляции . Чем активнее компании и государства наблюдают друг за другом, тем выше вероятность, что обычная техническая активность будет восприниматься как враждебная операция .
Что это значит для технологического размежевания США и Китая
«Война дистилляции» ускоряет расхождение двух стран сразу по нескольким направлениям. В числе возможных ответных мер — ужесточение контроля за экспортом передовых чипов, ограничение доступа к API, обязательная проверка личности владельцев аккаунтов разработчиков и финансовые санкции .
Стратегическая дилемма для США выглядит так: открытый доступ к мощным моделям помогает развивать экосистему и привлекать пользователей, но одновременно создаёт канал для систематического извлечения их возможностей. Для Китая дистилляция становится способом быстрее создавать специализированные системы при ограниченном доступе к чипам и дорогой инфраструктуре.
В итоге речь идёт не просто о том, кто построит лучшую универсальную модель. Вопрос в том, насколько быстро её возможности можно перенести в более дешёвые, локальные и потенциально менее защищённые военные системы. Именно это сочетание экономии, скрытности и ослабления защитных механизмов делает дистилляцию одним из факторов нового витка гонки ИИ между США и Китаем.
cloud.google.comGTIG AI Threat Tracker: Distillation, Experimentation, and ...
