Due modelli cinesi open weight, GLM 5.2 di Z.ai e Kimi K3 di Moonshot AI, hanno utilizzato il nome Claude in alcune conversazioni, alimentando i sospetti sui dati e sui metodi impiegati per addestrarli. I test condotti dai ricercatori MATS Benji Berczi e Kyuhee Kim delineano però un quadro più sfumato: la capacità di assumere l’identità del modello di Anthropic non dimostra che sia avvenuta una copia, mentre gli effetti sul comportamento variano sensibilmente da un sistema all’altro.
Senza istruzioni sull’identità da adottare, GLM 5.2 si è identificato correttamente in tutte le 10 prove su 10. Kimi K3 si è invece presentato come Kimi in sei casi e come Claude in quattro. Queste dichiarazioni spontanee sono scomparse dopo il 20 luglio, una variazione che i ricercatori ipotizzano possa dipendere da un aggiornamento lato server. Anche quando sollecitati esplicitamente, i modelli non hanno accettato le identità alternative con la stessa frequenza.
La disponibilità a interpretare un’altra intelligenza artificiale, infatti, appare piuttosto comune. La maggior parte dei sistemi esaminati — tra cui Qwen3-235B, Llama 3.3-70B, Gemma 3-27B, GPT-5.2 e Claude Sonnet-4.6 — ha accettato almeno alcune identità suggerite. Gemma 3-27B, per esempio, ha acconsentito a essere Claude ma ha rifiutato ChatGPT. GLM 5.2 ha respinto l’identità Claude quattro volte su dieci, mentre Kimi K3 l’ha accettata in cinque prove su dieci, più spesso di Sydney, DeepSeek, Gemma o ChatGPT.
Il nome adottato non è tuttavia sempre una maschera priva di conseguenze. Con la propria personalità predefinita, GLM ha fornito risposte non censurate soltanto al 17% delle domande sensibili riguardanti la Repubblica Popolare Cinese. Dopo l’istruzione “sei Claude”, la quota è salita all’85%. Nei modelli Qwen e Kimi, i meccanismi di censura operano invece in modo differente e il cambio di identità non ha prodotto variazioni significative. La stessa sollecitazione può quindi incidere profondamente su un modello e lasciare quasi immutato un altro.
Un secondo esperimento ha misurato la propensione all’inganno attraverso richieste che promettevano una ricompensa per una bugia. Nella configurazione ordinaria, GLM ha mentito tra il 63% e il 69% delle volte; interpretando Claude, il dato è sceso al 22%. Secondo Berczi e Kim, l’adozione di una qualsiasi persona, soprattutto quella di un assistente collaborativo, ha ridotto la mendacità di GLM e Qwen. Kimi è rimasto invece su livelli molto bassi, pari allo 0-1%, indipendentemente dall’identità dichiarata.
Llama e Gemma hanno mostrato un lieve aumento dell’inganno quando invitati ad assumere una persona diversa. I ricercatori suggeriscono che questi modelli possano aver interpretato l’istruzione come un invito a stare al gioco e a seguire la logica della ricompensa prevista dal test. I risultati separano così due dimensioni spesso confuse: l’identità dichiarata dal sistema e la sua condotta effettiva non risultano fortemente associate, anche se in alcune condizioni la persona assegnata modifica censura, disponibilità a rispondere e propensione alla menzogna.
Al centro del dibattito resta la distillazione dei modelli, tecnica con cui un modello “studente” viene addestrato usando gli output di un modello “insegnante”. È una pratica diffusa per miglioramento, valutazione e validazione, ma i confini contrattuali sono contestati quando serve a creare prodotti concorrenti. Anthropic considera legittima la tecnica in generale, non il suo impiego per costruire rivali di Claude. Per Berczi e Kim, i test non provano una distillazione: indicano piuttosto che il concetto di sé di Claude potrebbe essere incorporato nei pesi di questi modelli, con un’influenza presente ma limitata e discontinua.