Le capacità di Kimi K3, il modello open-weight sviluppato dalla cinese Moonshot, hanno acceso uno scontro che intreccia competizione tecnologica, proprietà intellettuale e controlli sulle esportazioni. Michael Kratsios, consigliere scientifico della Casa Bianca, ha accusato l’azienda di avere costruito il modello copiando Fable di Anthropic e utilizzando chip non autorizzati per l’esportazione in Cina. Non ha però fornito ulteriori elementi a sostegno della ricostruzione, mentre Moonshot non ha risposto alle domande sul proprio processo di addestramento.
Kratsios ha definito inaccettabile una distillazione industriale condotta su larga scala e in modo occulto per sottrarre tecnologia statunitense. Il segretario al Tesoro Scott Bessent ha aggiunto che sarebbero state individuate tracce riconducibili a modelli linguistici americani in numerosi sistemi cinesi, senza precisare la natura di questi presunti watermark. Le dichiarazioni arrivano mentre nel settore circolano ipotesi su possibili restrizioni ai modelli cinesi open-weight, ma gli esperti interpellati mettono in dubbio che la sola distillazione possa spiegare le prestazioni di Kimi K3.
Braden Hancock, ricercatore del Laude Institute e cofondatore di Snorkel AI, considera soprattutto incompatibili le tempistiche. Fable è diventato pubblicamente disponibile soltanto il 1° luglio: in circa due settimane sarebbe stato necessario produrre una grande quantità di dati interrogando il modello, addestrare Kimi K3 e completarne il rilascio. Per Hancock, un sistema tanto avanzato e sviluppato così rapidamente non può essere il risultato di una distillazione condotta esclusivamente sul modello di Anthropic.
La tecnica consiste nell’interrogare sistematicamente un modello per generarne risposte utilizzabili nel post-addestramento di un altro sistema. In alcuni casi vengono richieste spiegazioni sul procedimento seguito per risolvere un problema; in altri, coppie di prompt e risposte alimentano il supervised fine-tuning, o SFT. Questo processo può trasferire stile, formulazioni e comportamenti superficiali, fino a indurre un modello di terze parti a presentarsi come Claude. Nathan Lambert, ricercatore dell’Allen Institute for AI, descrive il fine-tuning come la fase nella quale un modello acquisisce le proprie “maniere”.
Secondo Lambert, tuttavia, il contributo dell’SFT diminuisce con l’aumentare della complessità dei sistemi e con l’avvicinamento dei laboratori cinesi alla frontiera tecnologica. Replicare capacità simili a quelle di Fable richiederebbe probabilmente tecniche di reinforcement learning, nelle quali agenti basati sul modello più grande valutano le risposte di quello più piccolo e ne orientano l’aggiornamento. Se la semplice distillazione fosse sufficiente, osserva il ricercatore, altri sviluppatori potrebbero raggiungere facilmente modelli come K3 o GLM usando i loro dati, un risultato che il solo addestramento supervisionato non sembra offrire.
La scala necessaria complica ulteriormente l’ipotesi: le grandi sessioni di reinforcement learning possono richiedere decine di milioni di agenti. Appoggiarsi all’API di un laboratorio di frontiera comporterebbe costi enormi e tempi difficilmente compatibili con un rilascio rapido, anche perché i modelli più avanzati rispondono lentamente e l’operazione potrebbe non produrre alcun miglioramento significativo. Modelli precedenti potrebbero comunque avere contribuito allo sviluppo di Kimi: Anthropic aveva già accusato Moonshot, DeepSeek e MiniMax di estrazione sistematica delle capacità, affermando di avere rilevato milioni di scambi anomali attraverso indirizzi IP e altri metadati.
La distillazione, peraltro, non è considerata una pratica esclusivamente cinese e il confine con la creazione di dati sintetici può risultare sfumato. Hancock invita a non sottovalutare le competenze tecniche dei gruppi cinesi, composti anche da ricercatori formati nelle università statunitensi. A suo giudizio, un arresto dei modelli americani rallenterebbe i progressi della Cina, ma non li fermerebbe: questi team non si limitano a seguire il lavoro altrui e dispongono di capacità ingegneristiche proprie.
Resta poi il nodo dell’hardware. Kratsios sostiene che Moonshot abbia ottenuto chip NVIDIA Grace Blackwell 300 e accesso in Thailandia a server equipaggiati con GB300, tecnologie vietate all’esportazione verso la Cina. Sam Bresnick, ricercatore del Georgetown Center for Security and Emerging Technology, segnala l’esistenza di un mercato nero e propone regole globali di know your customer per i data center, con obblighi di identificazione e rendicontazione sulle aziende che eseguono grandi addestramenti. Il caso Kimi K3 rimane così sospeso tra accuse non dettagliate, pratiche diffuse nell’industria e una capacità tecnologica cinese che gli specialisti ritengono più autonoma di quanto suggerisca la tesi della semplice copia.