Funcionarios de la Casa Blanca acusaron a la empresa china Moonshot de entrenar Kimi K3 mediante destilación del modelo Fable de Anthropic. Sin embargo, investigadores especializados consideran que el desarrollo del modelo difícilmente pueda explicarse solo por esa técnica.
La disputa tecnológica entre Estados Unidos y China sumó un nuevo capítulo. Funcionarios de la administración estadounidense acusaron a la empresa china Moonshot, desarrolladora del modelo Kimi K3, de haber copiado capacidades del modelo Fable de Anthropic mediante técnicas de destilación (distillation). Sin embargo, especialistas en inteligencia artificial consultados por TechCrunch consideran que esa explicación resulta insuficiente para justificar el nivel de rendimiento alcanzado por el modelo chino.
La controversia comenzó cuando Michael Kratsios, asesor científico de la Casa Blanca, aseguró que Moonshot había construido Kimi K3 copiando el modelo de Anthropic y utilizando chips avanzados que no están autorizados para exportarse a China.
«La destilación industrial encubierta a gran escala destinada a robar tecnología propietaria estadounidense y socavar la investigación de Estados Unidos es inaceptable«, escribió Kratsios, en medio de las discusiones que existen dentro del gobierno sobre la posibilidad de restringir los modelos de inteligencia artificial de pesos abiertos desarrollados en China.
Moonshot no respondió a las consultas sobre su proceso de entrenamiento y Kratsios tampoco presentó pruebas adicionales que respaldaran sus afirmaciones.
Las declaraciones del asesor presidencial coincidieron con comentarios realizados por el secretario del Tesoro de Estados Unidos, Scott Bessent, quien afirmó que el gobierno estaba encontrando «marcas de agua de modelos de lenguaje estadounidenses en muchos de los modelos chinos«.
No obstante, el funcionario no explicó en qué consistían esas supuestas marcas de agua ni el Departamento del Tesoro ofreció detalles adicionales.
¿Qué es la destilación?
La destilación es una técnica ampliamente utilizada en inteligencia artificial mediante la cual un modelo intenta aprender el comportamiento de otro más avanzado.
Para ello, se realizan miles o millones de consultas al modelo original con el objetivo de generar datos sintéticos que luego sirven para entrenar un nuevo sistema.
En algunos casos, el proceso consiste en solicitar al modelo que explique su razonamiento paso a paso. En otros, simplemente se utilizan las preguntas y respuestas generadas para aplicar técnicas de ajuste fino supervisado (Supervised Fine-Tuning o SFT).
Sin embargo, varios investigadores consideran que este procedimiento, por sí solo, no alcanza para explicar el desempeño de Kimi K3.
«No hubo tiempo suficiente»
Uno de ellos es Braden Hancock, investigador del Laude Institute y cofundador de Snorkel AI.
«No creo que se pueda construir un modelo tan potente y en tan poco tiempo utilizando únicamente destilación. Sinceramente, ni siquiera hubo tiempo suficiente. Fable solo está disponible públicamente desde el 1 de julio. No es posible destilar semejante volumen de datos, entrenar un modelo y publicarlo apenas dos semanas después«, explicó.
Una opinión similar expresó Nathan Lambert, investigador del Allen Institute for AI, quien considera que la importancia de la destilación disminuye a medida que los modelos chinos se acercan al nivel de los laboratorios líderes.
«Desde hace tiempo sostengo que la destilación tiene cada vez menos impacto porque los modelos chinos ya están muy cerca de la frontera tecnológica y el entrenamiento está cambiando hacia técnicas de aprendizaje por refuerzo«, afirmó durante un podcast.
Lambert agregó que, si la destilación fuera suficiente para igualar rápidamente a modelos como Kimi K3 o GLM, otras empresas ya habrían logrado hacerlo utilizando únicamente datos sintéticos.
El papel del aprendizaje por refuerzo
Los especialistas sostienen que reproducir capacidades comparables a las de Fable requeriría técnicas mucho más sofisticadas que el simple ajuste supervisado.
Entre ellas aparece el aprendizaje por refuerzo (Reinforcement Learning), donde un modelo de mayor tamaño evalúa continuamente las respuestas de otro modelo más pequeño para mejorar su rendimiento.
Ese proceso demanda enormes recursos computacionales.
Según Lambert, un entrenamiento de estas características puede requerir decenas de millones de agentes de IA trabajando de forma simultánea.
Además, realizar ese procedimiento utilizando directamente la API de un laboratorio líder sería extremadamente costoso y lento.
«Sería increíblemente caro y probablemente también un cuello de botella en términos de tiempo, porque estos modelos son relativamente lentos y, para ser sinceros, quizá ni siquiera producirían una mejora significativa del rendimiento«, señaló.
Anthropic ya había acusado a empresas chinas
Aunque los especialistas cuestionan la explicación oficial, reconocen que Anthropic ya había denunciado anteriormente actividades de destilación.
A comienzos de este año, la empresa acusó a Moonshot, DeepSeek y MiniMax de realizar consultas sistemáticas destinadas a extraer capacidades de sus modelos.
Según Anthropic, detectó millones de intercambios realizados desde direcciones IP y otros metadatos asociados a esas compañías.
La empresa sostuvo que esos patrones eran «claramente distintos del uso normal y reflejaban una extracción deliberada de capacidades, más que una utilización legítima de la plataforma«.
No obstante, Anthropic no respondió a las consultas realizadas por TechCrunch sobre una eventual destilación específica del modelo Fable.
Una práctica extendida en toda la industria
Los investigadores también recuerdan que la destilación no es una práctica exclusiva de empresas chinas.
De hecho, el propio Elon Musk declaró este año que su empresa SpaceXAI utilizó modelos de OpenAI para desarrollar Grok, y describió la destilación como una práctica habitual dentro de la industria.
Además, la frontera entre la destilación y la creación de conjuntos de datos sintéticos suele resultar difusa.
Para Hancock, existe otro aspecto que suele quedar fuera del debate.
«En general, los estadounidenses están subestimando el nivel técnico de los equipos chinos. Uno de los fundadores de Moonshot obtuvo su doctorado en Carnegie Mellon. Son investigadores e ingenieros muy sólidos. Incluso si el progreso de los modelos estadounidenses se detuviera, el desarrollo chino seguiría avanzando, aunque quizá a un ritmo menor. No simplemente están aprovechándose del trabajo ajeno«, afirmó.
La otra acusación: los chips prohibidos
Las declaraciones de Kratsios también incluyeron una segunda acusación: que Moonshot habría utilizado procesadores NVIDIA Grace Blackwell GB300, cuya exportación a China está prohibida.
Según Sam Bresnick, investigador del Center for Security and Emerging Technology de la Universidad de Georgetown, existe un mercado negro que facilita el ingreso de hardware avanzado al país asiático.
El especialista recordó además que, en mayo, el fundador de un integrador de servidores estadounidense fue acusado formalmente por introducir de contrabando chips avanzados en China.
Ante ese escenario, Bresnick propuso endurecer los controles sobre los centros de datos que alquilan infraestructura de entrenamiento para inteligencia artificial.
«Soy partidario de aplicar normas de identificación de clientes en los centros de datos de todo el mundo. Si una empresa realiza enormes entrenamientos utilizando hardware de última generación, debería existir un mecanismo para informar quién es esa empresa y qué está haciendo«, sostuvo.
Mientras el gobierno estadounidense evalúa nuevas restricciones sobre la inteligencia artificial desarrollada en China, el debate entre seguridad nacional, propiedad intelectual y competencia tecnológica continúa intensificándose. Entretanto, expertos del sector coinciden en un punto: el avance de modelos como Kimi K3 difícilmente pueda atribuirse únicamente a la destilación de tecnologías estadounidenses.