DeepSeek и Moonshot AI использовали дистилляцию GPT-6 Astra для обучения своих моделей

Китайские лаборатории DeepSeek и Moonshot AI использовали результаты работы модели GPT-6 Astra компании OpenAI при обучении собственных нейросетей, сообщили The Information и Reuters. Речь идёт о практике дистилляции — методе, при котором ответы более мощной модели применяются для тренировки другой системы. По данным Reuters, дистилляция GPT-6 Astra легла в основу модели Kimi K3.1 Pro от Moonshot AI, выпущенной на прошлой неделе, а также обновлённой DeepSeek V4.1-Flash 1017, которая появилась 17 октября.

Такой подход позволяет разработчикам с меньшими ресурсами быстрее воспроизводить продвинутые возможности искусственного интеллекта. Использование дистилляции стало предметом острой полемики между ведущими ИИ-компаниями. OpenAI, Anthropic и Google рассматривают эту практику как способ для конкурентов копировать ключевые наработки без существенных вложений в исследования и вычисления.

OpenAI ещё 30 сентября заявила, что выявила участников кампании по сбору данных, начавшейся в июле. По утверждению компании, эти участники были связаны с Moonshot AI. Никаких подробностей о масштабах сбора или конкретных лицах не приводилось.

Представители OpenAI, DeepSeek и Moonshot AI не стали комментировать запросы Reuters. Молчание сторон лишь подогревает дискуссию о допустимости подобных методов в конкурентной гонке. Ранее, в октябре, Anthropic сообщила, что новые защитные механизмы её моделей Claude позволили сократить объём данных, собираемых в ходе атак с применением дистилляции, на 90–99%.

Это стало ответом на участившиеся попытки извлечения знаний из коммерческих моделей. Ситуация вокруг DeepSeek и Moonshot AI — не первый случай, когда китайские разработчики обращаются к дистилляции западных моделей. Китайские лаборатории переключились на GPT-6 Astra после того, как Anthropic усложнила дистилляцию Claude Ещё летом стало известно, что после того как Anthropic усложнила дистилляцию Claude, лаборатории переключились на GPT-6 Astra.

Конфликт отражает более широкую напряжённость между американскими и китайскими ИИ-компаниями. Западные лаборатории вкладывают миллиарды долларов в обучение моделей, тогда как дистилляция предлагает короткий путь к сопоставимым результатам. Для индустрии это означает, что вопрос защиты интеллектуальной собственности в сфере ИИ будет лишь обостряться.

Разработчики вынуждены искать баланс между публикацией исследований и предотвращением несанкционированного использования своих систем. Пока же практика дистилляции остаётся в серой зоне — формально она не нарушает законы, но вызывает серьёзные этические и деловые вопросы. Реакция регуляторов на подобные инциденты может определить правила игры на годы вперёд.