Español
OpenAI, Anthropic y Google son competidores feroces. Al parecer, en sus agendas todavía hay espacio para una preocupación compartida: ¿qué pasa cuando alguien intenta convertir millones de respuestas de chatbots en material de entrenamiento para un rival?
Bloomberg informó el 6 de abril, citando a personas familiarizadas con el asunto, que las empresas comparten información a través del Frontier Model Forum para detectar la destilación adversaria por parte de competidores chinos. Se trata de una noticia sobre cooperación, no de un anuncio conjunto que demuestre que se han clonado modelos enteros.
La distinción importa. «Rivales comparan información sobre una posible extracción» es menos cinematográfico que «Declarada la guerra fría de la IA», pero nos acerca más a lo que realmente se sabe.
La destilación no es automáticamente un robo
La destilación entrena un modelo alumno con conocimientos transferidos de un modelo maestro. Puede ayudar a que un modelo más pequeño resulte útil para una tarea concreta sin el costo de desplegar el más grande en todas partes.
Es una práctica habitual en el desarrollo de IA. OpenAI incluso presentó un flujo de trabajo para desarrolladores dedicado a la destilación de modelos en octubre de 2024. Su oferta combinaba respuestas almacenadas de modelos, evaluaciones y ajuste fino para que los desarrolladores pudieran adaptar modelos más pequeños a sus necesidades.
La discusión gira en torno al permiso, el acceso y la finalidad. Entrenar con respuestas dentro de un acuerdo autorizado es distinto de eludir restricciones de acceso para construir un modelo competidor. Calificar toda la técnica de robo sería como prohibir las fotocopiadoras porque alguien copió un examen.
Tampoco es una descarga literal del cerebro de otro modelo. Una colección de respuestas puede ser material de entrenamiento valioso sin contener los pesos del modelo original ni reproducir todas sus capacidades. «Clon» es un atajo llamativo, pero describe mal lo que permiten establecer las pruebas públicas.
Qué denunció realmente Anthropic
En un comunicado del 23 de febrero, Anthropic atribuyó campañas a DeepSeek, Moonshot AI y MiniMax. Afirmó que generaron más de 16 millones de intercambios mediante unas 24.000 cuentas fraudulentas, infringiendo sus condiciones y restricciones regionales.
Anthropic informó de más de 13 millones de intercambios asociados con MiniMax, más de 3,4 millones con Moonshot y más de 150.000 con DeepSeek. Entre los objetivos señalados estaban la programación, el uso de herramientas y el razonamiento. Son los hallazgos y las atribuciones de Anthropic, no conclusiones verificadas de forma independiente por este sitio.
La empresa describió servicios intermediarios y cuentas coordinadas utilizados para distribuir el tráfico. Su respuesta anunciada incluye detección basada en el comportamiento, una verificación de cuentas más rigurosa y compartir indicadores técnicos con otros laboratorios y proveedores.
Eso sustenta una noticia sobre un presunto uso indebido a gran escala. No demuestra que todos los avances de los competidores mencionados procedieran de Claude, que cada consulta fuera gratuita ni que las tres empresas estadounidenses confirmaran de forma independiente todas las acusaciones. Esas afirmaciones van mucho más lejos.
Un foro existente, no una amistad repentina
Las empresas ya compartían un techo institucional. El anuncio de fundación de julio de 2023 de Google menciona a Anthropic, Google, Microsoft y OpenAI como miembros originales del Frontier Model Forum, centrado en la seguridad de la IA de frontera.
La competencia comercial y la cooperación en seguridad pueden coexistir. No hace falta admirar la estrategia de negocio de tu vecino para avisarle de que alguien lleva un rato probando las mismas llaves sospechosas en ambas puertas.
El incentivo económico es fácil de entender, sobre todo junto a la magnitud de la última ronda de financiación de OpenAI (en inglés). Entrenar y vender modelos útiles es caro. Las empresas querrán proteger esa inversión. Su interés comercial también es un motivo para examinar sus afirmaciones con cuidado.
Lo difícil es trazar el límite
El propio informe del 23 de febrero del Foro reconoce la tensión: las técnicas utilizadas para recopilar material de entrenamiento también pueden tener fines legítimos. Advierte que copiar capacidades puede no reproducir las salvaguardas, a la vez que respalda expresamente la destilación autorizada.
Por eso, una regla tan simple como «muchos prompts equivale a atacante» es insuficiente. Los desarrolladores que prueban software, los investigadores que evalúan modelos y los clientes con cargas de trabajo legítimas pueden generar un tráfico considerable. Además del volumen, importan el contexto y la autorización.
La pregunta útil es si compartir la detección puede reducir el abuso sin dificultar innecesariamente el trabajo corriente. Esta cooperación podría ayudar; las informaciones disponibles todavía no permiten establecer cuán eficaz será.
Los rivales tienen motivos para comparar información. Eso no significa que la carrera de la IA haya terminado, que todos los modelos chinos sean copias ni que el desarrollo abierto haya recibido una orden de desalojo. Por ahora, hasta los competidores más feroces parecen coincidir en un principio escolar conocido: si crees que alguien está copiando la tarea, averigua qué pasó antes de reescribir todo el reglamento de la escuela.
Traducción al español del artículo original en inglés del 2026-04-09. Traducido con ayuda de IA el 2026-11-02; las referencias temporales siguen siendo las del original.
