DeepSeek e Moonshot AI avrebbero utilizzato le risposte generate da GPT-6 Astra di OpenAI per migliorare le prestazioni dei rispettivi modelli linguistici attraverso tecniche di distillazione, un procedimento di addestramento che permette di trasferire parte delle capacità di un sistema avanzato a un altro modello utilizzandone gli output come dati di apprendimento. Le informazioni, emerse il 28 ottobre 2026 attraverso testimonianze di persone a conoscenza dei processi di sviluppo delle aziende coinvolte, indicano un cambiamento nelle strategie di acquisizione dei dati da parte di alcuni laboratori cinesi, precedentemente concentrati soprattutto sui modelli Claude di Anthropic. Secondo tre fonti, Moonshot AI avrebbe impiegato risultati prodotti da Astra durante lo sviluppo di Kimi K3.1 Pro, presentato nella settimana precedente, mentre altre due fonti attribuiscono a DeepSeek l’utilizzo di dati provenienti dallo stesso modello per migliorare V4.1-Flash-1017, distribuito il 17 ottobre. Le due aziende non hanno confermato pubblicamente le modalità e l’entità di questo impiego: Moonshot AI ha rifiutato di commentare le informazioni e DeepSeek non ha risposto alle richieste di chiarimento. Non sono stati inoltre resi disponibili dettagli tecnici verificabili sui dataset utilizzati, sul numero di interrogazioni effettuate o sulla proporzione dei dati riconducibili ad Astra all’interno delle procedure di addestramento.
La distillazione dei modelli, o model distillation, consiste nell’utilizzare le risposte o altri risultati elaborati da un modello con capacità superiori per addestrare un secondo sistema, riducendo la necessità di ricostruire autonomamente tutte le competenze attraverso processi di apprendimento particolarmente onerosi. Nel caso dei grandi modelli linguistici, i dati possono comprendere soluzioni a problemi complessi, risposte strutturate e informazioni relative ai procedimenti di ragionamento resi disponibili dal sistema interrogato. Il loro impiego permette di costruire esempi supervisionati con i quali migliorare la qualità delle risposte del modello destinatario, pur senza garantire che vengano trasferite integralmente le capacità del modello originale. L’interesse verso GPT-6 Astra sarebbe aumentato in seguito al rafforzamento delle difese introdotte da Anthropic per contrastare l’estrazione sistematica delle informazioni generate da Claude. Il 12 ottobre, Anthropic ha comunicato che i nuovi strumenti di protezione avrebbero ridotto del 90-99%, nelle proprie valutazioni interne, la quantità di dati recuperabili dagli operatori impegnati in tentativi di distillazione non autorizzata. Le misure comprendono sistemi destinati a impedire l’estrazione delle informazioni di ragionamento non pubbliche e controlli sugli account che effettuano interrogazioni ripetitive o manifestano comportamenti compatibili con operazioni di raccolta automatizzata.
La maggiore difficoltà nell’ottenere dati dai modelli Claude avrebbe quindi spinto alcuni laboratori a concentrare l’attenzione su GPT-6 Astra, modificando le modalità di raccolta e distribuendo le interrogazioni su più account per ridurre la probabilità di rilevamento. Secondo le informazioni disponibili, l’estrazione di una quantità di dati sufficientemente utile per l’addestramento richiederebbe volumi di prompt superiori di oltre dieci volte a quelli normalmente associati all’utilizzo ordinario dei sistemi. OpenAI ha dichiarato di monitorare le attività sospette collegate alla distillazione, applicando restrizioni operative, blocchi degli account e controlli più rigorosi sulle registrazioni e sulle infrastrutture utilizzate. La società aveva già comunicato il 30 settembre di aver individuato un’operazione organizzata di estrazione dei dati nella quale risultavano coinvolti soggetti collegati a Moonshot AI. In quel caso, le attività sarebbero iniziate nel mese di luglio e avrebbero utilizzato numerosi account per tentare di recuperare informazioni di ragionamento non pubbliche. L’operazione precede tuttavia il rilascio di GPT-6 Astra e costituisce un episodio distinto dalle presunte attività di distillazione associate ai modelli più recenti di Moonshot AI e DeepSeek. OpenAI ha riferito di aver bloccato le attività individuate e di aver rafforzato il monitoraggio degli account e delle infrastrutture, sottolineando la necessità di aggiornare continuamente le difese quando gli operatori modificano le proprie tecniche di estrazione.
L’impiego della distillazione assume particolare rilevanza per i laboratori che sviluppano modelli avanzati in condizioni di disponibilità limitata delle risorse computazionali. Le restrizioni statunitensi all’esportazione di chip AI di fascia elevata verso la Cina hanno contribuito a incentivare strategie di addestramento orientate alla riduzione dei requisiti hardware, all’ottimizzazione dei consumi computazionali e al riutilizzo di risultati già prodotti da sistemi più potenti. DeepSeek ha sviluppato nel tempo tecniche per addestrare modelli con risorse relativamente contenute, mentre Moonshot AI e Z.ai hanno perseguito miglioramenti delle prestazioni dei propri modelli anche attraverso l’ottimizzazione delle architetture e dei processi di apprendimento. La distillazione costituisce una delle tecniche disponibili in questo contesto, ma non esaurisce le metodologie utilizzate dalle aziende cinesi, che comprendono anche interventi originali sugli algoritmi di addestramento, sull’efficienza dell’inferenza e sull’organizzazione delle reti neurali. Secondo testimonianze relative allo sviluppo di DeepSeek V4, l’amministratore delegato Liang Wenfeng avrebbe inizialmente manifestato contrarietà all’impiego della distillazione per la nuova generazione di modelli, modificando successivamente la propria posizione dopo aver osservato i risultati ottenuti da concorrenti come Z.ai.
Le informazioni disponibili non permettono di quantificare il contributo effettivo di GPT-6 Astra alle prestazioni di Kimi K3.1 Pro e DeepSeek V4.1-Flash-1017, né di stabilire quali capacità siano state eventualmente trasferite mediante l’utilizzo delle risposte del modello OpenAI. Rimane inoltre distinta la distillazione effettuata attraverso procedure autorizzate dall’estrazione sistematica di dati in violazione delle condizioni di accesso o delle misure di protezione adottate dal fornitore. Le attività descritte riguardano soprattutto la raccolta di output e informazioni utilizzabili nell’addestramento di altri modelli, mentre i sistemi di difesa sviluppati da Anthropic e OpenAI mirano a riconoscere comportamenti di interrogazione incompatibili con l’utilizzo ordinario dei servizi, limitando l’accesso alle informazioni più sensibili e impedendo che grandi quantità di dati vengano estratte attraverso account coordinati. L’effettiva diffusione di queste pratiche e il loro impatto sulle prestazioni dei modelli rimangono difficili da misurare in assenza di informazioni verificabili sui processi di addestramento delle aziende coinvolte.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).