The Information rapporterade att DeepSeek och Moonshot AI i stor utsträckning använde svar från OpenAI:s GPT-6 Astra för att träna nya modeller. Reuters återgav uppgifterna, som enligt The Information bygger på personer med direkt insyn. Företagen kommenterade inte omedelbart uppgifterna, enligt medierapporteringen. De har inte bekräftats oberoende.
1
3
Rapporten pekar ut DeepSeeks V4.1-Flash 1017 och Moonshots Kimi K3.1 Pro. Påståendet gäller enligt rapporten användning av modellens svar som träningsmaterial – inte att bolagen fått tillgång till OpenAI:s modellvikter. Kärnfrågan är om ett bolag får lära en egen modell från en konkurrents svar, och i så fall på vilka villkor.
3
8
Vad innebär modellförädling?
Modellförädling, ofta kallad distillering, är en träningsmetod där en mindre eller billigare modell lär sig från svaren från en mer avancerad modell. Den så kallade elevmodellen behöver inte tillgång till lärarmodellens vikter. OpenAI erbjuder också verktyg för att finjustera mer kostnadseffektiva modeller med svar från större modeller.
34
Metoden är inte i sig otillåten. Tvisten handlar om hur träningsmaterialet har samlats in och använts. OpenAI beskriver adversarial distillation som systematisk och obehörig användning av en modells svar eller resonemang för att träna, återskapa eller förbättra en annan modell.
36
Om en utvecklare kan återskapa vissa förmågor genom att träna på en konkurrents svar kan det minska tiden eller kostnaden för att bygga upp dem på egen hand. Kritiker menar att obehörig insamling kan gynna kopiering och urholka det konkurrensförsprång som forskning och modellträning skapat.
6
35
OpenAI:s tidigare uppgifter gäller en separat kampanj
Rapporten om GPT-6 Astra ska inte blandas ihop med en separat kampanj som OpenAI beskrev i september. OpenAI:s redogörelse den 30 september handlade om försök att få fram skyddat resonemang från företagets modeller. Den fastslår inte i sig hur modellerna i The Informations rapport tränades.
1
36
OpenAI uppgav att den tidigaste aktivitet som bolaget observerat började under första veckan i juli. Enligt medierapportering registrerades omkring 16 000 förfrågningar från fler än 4 000 användare den 24–25 juli, och aktiviteten hade stoppats senast den 28 juli. Siffrorna avser förfrågningar och användare – inte bekräftade lyckade försök att få fram skyddat material.
21
27
56
Medier beskrev en metod där krypterat resonemang kopierades från en konversation och en modell i en annan konversation ombads återge det som text. OpenAI uppgav att aktörerna inte knäckte krypteringen, tog sig in i en databas eller fick direkt tillgång till lagrade konversationer.
26
36
OpenAI kopplade en central del av aktiviteten till personer med anknytning till Moonshot AI, men sade att bolaget inte kunde avgöra om alla aktörer tillhörde samma grupp. CyberScoop rapporterade att OpenAI inte offentliggjorde tekniska belägg för kopplingen till Moonshot. Därför går den delen av företagets redogörelse inte att verifiera oberoende utifrån de belägg som presenterats offentligt.
18
32
Anthropic beskriver nya skydd
I ett inlägg i oktober uppgav Anthropic att företagets skydd hade minskat mängden data som samlades in av aktörer som försöker distillera modeller med omkring 90–99 procent. Separat rapporterade bolaget att antalet extraherade resonemangstoken var 10 till 100 gånger lägre efter att en klassificerare införts. Det rör sig om två olika mått.
33
Anthropic hävdade också att Zhipu hade distillerat cyberförmågor från ledande amerikanska modeller när bolaget utvecklade GLM-5.3. Det är Anthropics påstående; den tillgängliga informationen visar inte att just detta avsåg Claude.
33
Vad står på spel – och vad är inte bevisat?
För modellutvecklare är en central oro att konkurrenter kan få tillgång till användbara förmågor utan att göra en motsvarande investering i forskning och träning. Säkerhetsfrågan är om förmågor kan kopieras utan att skydden följer med. Anthropic har varnat för att otillåten distillering kan sprida avancerade förmågor utan lika robusta säkerhetsåtgärder.
35
37
Det är risker som företagen och medier har lyft – inte bevis för att de utpekade modellerna är likvärdiga med GPT-6 Astra, att ett visst avtal har brutits eller att en konkret skada har inträffat. Skillnaden är viktig: distillering är en träningsmetod, medan konflikten gäller hur en annan modells svar hämtas in och om de får användas på det sättet.