Destilación de modelos: acusan a China, pero todos destilan

OpenAI y Anthropic acusan a los laboratorios chinos de destilar sus modelos. Pero Meta, Google, Mistral e incluso xAI también destilan. Lo que se sabe.

Conceptos
12 min de lectura

Desde enero de 2025, la destilación de modelos se ha convertido en la acusación favorita de Silicon Valley contra China. OpenAI empezó con DeepSeek. Anthropic siguió: más de 16 millones de intercambios con Claude, a través de 24.000 cuentas falsas, atribuidos a DeepSeek, Moonshot y MiniMax. Después llegaron la Casa Blanca y un aviso conjunto de la NSA, la CISA y el FBI que nombra a seis laboratorios chinos.

Sin embargo, todos esos textos dicen que la destilación es una técnica «ampliamente utilizada y legítima». El 30 de abril de 2026, interrogado bajo juramento sobre si xAI había destilado los modelos de OpenAI para entrenar Grok, Elon Musk respondió: «En parte».

Entonces, ¿quién destila? Todo el mundo, y todo el mundo lo dice. A los laboratorios chinos se les acusa de otra cosa: de haber destilado modelos que no se les venden, con cuentas falsas y proxies, a escala industrial. Sobre ese punto concreto, no se ha hecho pública ninguna prueba.

¿Qué es la destilación de modelos en IA?

Destilar un modelo de IA es entrenar un modelo «alumno» para que imite las respuestas de un modelo «profesor», más grande o más avanzado. El alumno recupera buena parte de las capacidades del profesor con un coste de entrenamiento y de uso mucho menor.

La idea data de 2006. En el artículo de Bucilă, Caruana y Niculescu-Mizil, un equipo de Cornell demuestra que una pequeña red neuronal puede imitar un conjunto de cientos de clasificadores siendo «mil veces más pequeña y más rápida», con un rendimiento casi idéntico. El término «destilación» (knowledge distillation, en inglés) lo popularizaron en 2015 Geoffrey Hinton, Oriol Vinyals y Jeff Dean.

Se puede destilar de dos maneras.

La destilación interna. El alumno aprende de las probabilidades completas que calcula el profesor, y no solo de su respuesta final. Esas probabilidades contienen mucha información: el ejemplo del artículo de 2015 es que un BMW se parece más a un camión de la basura que a una zanahoria. Como hay que acceder al interior del modelo, un laboratorio solo puede hacerlo con los suyos.

La destilación a partir de las respuestas. Solo se dispone del texto que produce el modelo, en general a través de su API. Se le envían cientos de miles de preguntas, se recogen las respuestas y se entrena al alumno con ellas. Es esta modalidad la que está en el centro de las acusaciones. Desde la llegada de los modelos que «reflexionan» antes de responder (o1, DeepSeek-R1, Claude), el dato más codiciado es el propio razonamiento.

Es tremendamente eficaz. DeepSeek ajustó (fine-tuning) modelos Qwen y Llama con 800.000 respuestas de su modelo R1. Según el artículo de DeepSeek-R1, su versión destilada de 32B obtiene un 72,6 % en el concurso de matemáticas AIME 2024, frente al 47,0 % del mismo modelo entrenado por aprendizaje por refuerzo.

Todos los laboratorios destilan sus propios modelos

El modelo pequeño de una gama es muy a menudo un alumno del grande. Los laboratorios no lo ocultan: está escrito en sus informes técnicos.

LaboratorioModeloLo que dice al respecto
MetaLlama 3.2 1B y 3B (2024)Entrenados con las probabilidades de Llama 3.1 8B y 70B
MetaLlama 4 Maverick (2025)«Codestilado» a partir de Llama 4 Behemoth, un modelo de unos 2 billones de parámetros entrenado para servir de profesor
GoogleGemma 2 (2B, 9B) y Gemma 3 (2024, 2025)Entrenados por destilación en lugar de prediciendo la palabra siguiente, según los informes técnicos de Gemma 2 y de Gemma 3
GoogleGemini 1.5 Flash, Gemini 2.5 Flash y Flash-LiteDestilados según los informes técnicos de Gemini 1.5 y de Gemini 2.5; en la versión 1.5, a partir de Gemini 1.5 Pro
MistralMinistral 3 (3B, 8B, 14B; 2026)«Destilación en cascada» a partir de Mistral Small 3.1
NvidiaMinitron (2024)Poda y destilación de Nemotron-4 15B, con hasta 40 veces menos datos de entrenamiento
MicrosoftPhi-4 (2024)Presenta GPT-4 como su «modelo profesor»

OpenAI y Anthropic no detallan cuáles de sus modelos están destilados. En cambio, venden la destilación. Desde octubre de 2024, la API de OpenAI permite usar las respuestas de GPT-4o o de o1 para entrenar GPT-4o mini. Desde diciembre de 2024, Anthropic ofrece en Amazon Bedrock destilar Claude 3.5 Sonnet en Claude 3 Haiku. Única condición: el alumno se queda en su casa.

La propia Anthropic lo resume, en febrero de 2026, en la entrada en la que acusa a los laboratorios chinos: los laboratorios punteros «destilan habitualmente sus propios modelos para obtener versiones más pequeñas y más baratas».

Destilar los modelos de otros: una vieja costumbre estadounidense

El paso siguiente, destilar el modelo de un competidor a través de su API, no se inventó en China. En 2023, las universidades estadounidenses lo practicaron a la vista de todos.

Buena parte del ecosistema open source de 2023 y 2024 se construyó así, sobre conjuntos de datos llenos de respuestas de GPT-3.5 y GPT-4.

Los grandes actores no se libran. En marzo de 2023, The Information informó de que el equipo de Google Bard se apoyaba en conversaciones de ChatGPT y de que Jacob Devlin, autor principal de BERT, había dejado Google después de alertar a su dirección. Google lo desmintió. En diciembre de 2023, Grok, el modelo de xAI, rechaza una petición invocando «la política de uso de OpenAI». xAI habla de datos de la web contaminados.

Después llega el juicio de Musk contra OpenAI. El 30 de abril de 2026, el abogado de OpenAI pregunta a Elon Musk si xAI ha utilizado la destilación sobre los modelos de OpenAI para entrenar Grok. Musk responde primero que todas las empresas de IA lo hacen, y después: «En parte».

También se destila el modelo propio en el de otro. En enero de 2025, DeepSeek publicó versiones destiladas de R1 sobre Llama (Meta) y Qwen (Alibaba). Nada ilícito: esos modelos son open weight y su licencia lo permite.

Lo que realmente se reprocha a los laboratorios chinos

Desde enero de 2025, las acusaciones se han sucedido.

FechaQuién acusaA quiénQué se alega
Ene. 2025OpenAI, Microsoft, David SacksDeepSeek«Indicios de destilación» a través de la API de OpenAI, sin detalles
Feb. 2026OpenAI, en un memorando al CongresoDeepSeekElusión de las restricciones de acceso mediante «enrutadores de terceros»
Feb. 2026AnthropicDeepSeek, Moonshot, MiniMaxMás de 16 millones de intercambios a través de unas 24.000 cuentas falsas
Abr. 2026Casa Blanca (OSTP)«Principalmente» ChinaCampañas «a escala industrial» con decenas de miles de cuentas
Jun. 2026Anthropic, en una carta al SenadoAlibaba28,8 millones de intercambios a través de casi 25.000 cuentas, «el mayor ataque por destilación conocido»
Jul. 2026Michael Kratsios (Casa Blanca)MoonshotKimi K3 habría sido destilado a partir de Claude Fable
Sept. 2026NSA, CISA y FBIDeepSeek, Moonshot, Alibaba, MiniMax, StepFun, Z.AICampañas «desde al menos finales de 2024», probablemente conocidas por el Gobierno chino
Oct. 2026AnthropicZhipu (Z.ai)Destilación de las capacidades cibernéticas para su modelo GLM-5.3

En ninguno de estos textos se cuestiona la técnica. El aviso de la NSA, la CISA y el FBI lo dice en dos frases: la destilación está «reconocida como una técnica legítima y útil en la investigación en IA», pero los laboratorios chinos llevarían a cabo actividades «agresivas, maliciosas y dirigidas, a escala industrial».

El primer reproche se refiere al acceso. Anthropic no vende Claude en China: según ella, unos revendedores dan acceso allí mediante proxies, y una sola red gestionaba más de 20.000 cuentas a la vez. Cuando se bloquea una cuenta, otra ocupa su lugar.

Vienen después las condiciones de uso, que en OpenAI, Anthropic y Google prohíben todas utilizar las respuestas para desarrollar un modelo competidor. Y luego la escala: decenas de millones de intercambios, nada que ver con las 52.000 respuestas de un proyecto universitario. Los acusadores añaden un argumento de seguridad: un modelo destilado de esta manera perdería las salvaguardas del original.

La proposición de ley estadounidense H.R. 8283, presentada en abril de 2026 para sancionar estos «ataques de extracción de modelos», sigue la misma lógica: excluye expresamente la destilación autorizada por las condiciones de uso.

La palabra «destilación» abarca en realidad cinco prácticas:

PrácticaEjemplosEstatus
Destilar los propios modelosGemma, Llama 3.2, Gemini Flash, MinistralUniversal y asumido
Vender la destilación de los propios modelosAPI de OpenAI, Claude en Amazon BedrockComercial
Destilar un modelo open weightDeepSeek-R1 destilado sobre Llama y QwenLícito según la licencia
Destilar un modelo cerrado de la competencia a través de su APIAlpaca, Vicuna, Orca, s1, xAI «en parte»Contrario a las condiciones de uso, rara vez perseguido
Hacerlo a escala industrial con cuentas falsasLas acusaciones contra DeepSeek, Moonshot, MiniMax, Alibaba, ZhipuAcusaciones, sin prueba pública

Pruebas que se quedan en el cajón

Las cifras de Anthropic y de OpenAI son precisas, pero proceden de los acusadores. No se ha publicado ninguna prueba técnica: ni en enero de 2025, ni sobre Kimi K3, ni sobre las «marcas de agua de nuestros modelos estadounidenses» que el secretario del Tesoro, Scott Bessent, dice haber encontrado en modelos chinos.

Los indicios públicos son débiles. A finales de 2024, DeepSeek V3 se presentaba a veces como ChatGPT. Pero la web está ahora llena de textos generados por ChatGPT, y Gemini ya se ha presentado en mandarín como el chatbot de Baidu. DeepSeek, por su parte, afirmó en Nature no haber incluido deliberadamente contenidos generados por OpenAI en sus datos.

Queda por saber qué aportó realmente la destilación. En el caso de Kimi K3, varios expertos tienen dudas: Claude Fable 5 solo llevaba unas dos semanas disponible, y Nathan Lambert (Ai2) estima que la destilación contribuyó «como mucho en una medida bastante pequeña». Lawfare señala que DeepSeek solo habría tenido unos 150.000 intercambios con Claude, un volumen banal, y sin embargo sigue siendo uno de los mejores modelos chinos.

La investigación lo confirma: la destilación tiene sus límites. Un estudio de Berkeley de 2023 muestra que los modelos que imitan a ChatGPT copian bien su estilo, pero reducen «poco o nada» la distancia en conocimientos. Los propios autores de DeepSeek-R1 escriben que superar al profesor podría requerir un mejor modelo base y más aprendizaje por refuerzo. La destilación ahorra tiempo y dinero, pero no basta para alcanzar a un competidor.

Tampoco todos los ataques son chinos. En febrero de 2026, Google informó de una campaña de más de 100.000 peticiones destinada a hacer que Gemini revelara su razonamiento, sin nombrar a China: atribuye estos intentos sobre todo a empresas privadas y a investigadores de todo el mundo.

Pekín da la vuelta a la acusación

China lo desmiente desde el principio. En abril de 2026, su Ministerio de Asuntos Exteriores habla de acusaciones «totalmente infundadas» y de una «calumnia».

En julio, Pekín pasa a la ofensiva. El Ministerio de Comercio afirma que «numerosas empresas estadounidenses de IA» han destilado modelos chinos. Vuelve a hacerlo en septiembre, tras el aviso de la NSA: la destilación sería «un método habitual» en el que «los modelos aprenden unos de otros», y Estados Unidos ofrecería un «caso de manual de doble rasero».

Pekín no cita ningún nombre ni muestra ninguna prueba. A finales de julio, según Reuters, ninguna empresa china había acusado a un competidor estadounidense de haber destilado sus modelos cerrados. Las empresas estadounidenses sí construyen sobre modelos chinos, pero abiertamente: Cursor reconoció que su modelo Composer 2 se basaba en Kimi K2.5 de Moonshot. Es un fine-tuning de un modelo open weight, y por tanto lícito.

Washington está dividido

El 24 de julio de 2026, Nvidia, Microsoft, Meta, Mistral, Hugging Face, IBM y una veintena de empresas más publican una carta abierta, «Open Weights and American AI Leadership». En ella piden a Washington que no «confunda técnicas legítimas de desarrollo de modelos con apropiación indebida». La destilación, se lee, es «una técnica ampliamente utilizada» que se inscribe en «una larga tradición» de aprendizaje a partir de las tecnologías existentes.

OpenAI y Google no figuran entre los primeros firmantes. Firman el fin de semana siguiente, según Axios. En la versión del 30 de julio, la carta cuenta con 235 firmantes, entre ellos OpenAI, Google, Amazon y SpaceX, la empresa matriz de xAI.

OpenAI, que acusa a DeepSeek desde enero de 2025, firma por tanto un texto que defiende la destilación. SpaceX también, tres meses después de la confesión de Musk. Anthropic es el único gran laboratorio estadounidense ausente. Dario Amodei responde que «nunca ha abogado por prohibir los modelos open weight», pero pide que se reprima la destilación a escala industrial.

El comercio, por su parte, continúa: según el Financial Times, OpenAI y Google prestaban servicios de IA a filiales singapurenses de Alibaba, Baidu y Tencent.

¿Es ilegal destilar un modelo?

En general, destilar a través de la API vulnera un contrato: las condiciones de uso. Es el arma principal de los laboratorios, y es limitada. El coste de un incumplimiento contractual es bajo en comparación con el valor extraído, y cuesta imaginar cómo hacer ejecutar una sentencia contra un laboratorio chino.

Los derechos de autor no les ayudan. En Estados Unidos, una obra sin autor humano no es protegible: la Copyright Office lo recordó en enero de 2025 y el Tribunal Supremo se negó en marzo de 2026 a examinar el caso Thaler, que lo cuestionaba. Las respuestas que los laboratorios dicen que les han «robado» no les pertenecen, por tanto, en el sentido de los derechos de autor.

El secreto empresarial es frágil, puesto que esas respuestas son accesibles para cualquier titular de una cuenta. Y desde la sentencia Van Buren de 2021, un simple incumplimiento de las condiciones de uso no entra en el ámbito de la ley federal sobre fraude informático. Para Lawfare, la vía más sólida sigue siendo perseguir las cuentas falsas y los proxies, no la destilación en sí: «si cada incumplimiento de las condiciones de uso cuenta como un "robo", el concepto deja de tener límites».

En Europa, la directiva de 2016 sobre secretos comerciales considera lícito observar o probar un producto puesto a disposición del público, salvo que un contrato lo prohíba. Aquí también todo depende de las condiciones de uso. El Reglamento de IA (AI Act), por su parte, no prohíbe la destilación. Obliga a contabilizar la potencia de cálculo del modelo de origen para saber si un modelo destilado supera los umbrales de riesgo sistémico.

El despacho francés Haas Avocats, al igual que la prensa estadounidense, ha señalado la ironía: los laboratorios que denuncian la copia entrenaron sus modelos con la web sin pedir opinión a los autores. Anthropic pagó 1.500 millones de dólares para cerrar una demanda colectiva sobre libros pirateados, el mayor acuerdo de la historia de los derechos de autor en Estados Unidos. The New York Times sigue demandando a OpenAI. En enero de 2025, 404 Media titulaba: «OpenAI, furioso porque DeepSeek podría haber robado todos los datos que OpenAI nos robó».

¿Se puede impedir la destilación?

Los laboratorios empezaron por ocultar lo que más valor tenía: el razonamiento. Ya en septiembre de 2024, OpenAI decidió no mostrar las cadenas de pensamiento en bruto de o1, citando entre sus razones «la ventaja competitiva». Google y Anthropic siguieron su ejemplo y solo muestran un resumen. En Anthropic, se pagan todos los tokens de razonamiento, pero solo se lee ese resumen.

Vienen después la detección y los bloqueos. El 12 de octubre de 2026, Anthropic afirma haber reducido entre un 90 y un 99 % los datos recogidos por los destiladores, gracias a clasificadores y a decenas de miles de cuentas bloqueadas, a menudo en menos de dos horas. Reconoce también que todavía no ha visto «ningún intento muy sofisticado y persistente» de eludir sus defensas. La cifra no se ha verificado de forma independiente.

Los investigadores siguen siendo escépticos. En agosto de 2026, un equipo demostró que se podían recuperar en claro los razonamientos cifrados de Anthropic, OpenAI y Google reinyectándolos en un modelo más débil del mismo proveedor. Más sencillo aún, una campaña puede dividirse en peticiones que, tomadas una a una, no tienen nada de sospechoso. Ben Thompson lo resume: impedir una destilación que consiste «literalmente en consultar la API» es casi imposible.

Todas estas protecciones chocan con el mismo problema: cuanto más útil es un modelo, más fácil es imitarlo.

Qué cambia para una empresa

La mayoría de los modelos pequeños que se pueden ejecutar en servidores propios son modelos destilados: Gemma, Llama 3.2, Ministral, las versiones destiladas de DeepSeek-R1. Es lo que los hace utilizables en hardware modesto. Sus límites vienen también de ahí: heredan el estilo de su profesor con más facilidad que sus conocimientos. Hablamos de ello en nuestro artículo sobre los LLM en local.

La lucha contra la destilación también tiene un coste para los clientes legítimos. El razonamiento de los modelos se ha vuelto invisible: se paga sin poder leerlo, lo que complica la depuración y la auditoría de un agente o de una cadena de procesamiento.

Preguntas frecuentes

¿Qué es la destilación de un modelo de IA?

La destilación consiste en entrenar un modelo «alumno» para que imite las respuestas de un modelo «profesor», más grande o más avanzado. El alumno recupera una gran parte de las capacidades del profesor con un coste mucho menor. La técnica data de 2006 y la popularizó Geoffrey Hinton en 2015. Todos los grandes laboratorios la utilizan para producir las versiones pequeñas de sus modelos, como Gemma en Google o Llama 3.2 en Meta.

¿Es ilegal la destilación de un modelo de IA?

No, la técnica es legal. Destilar los propios modelos, o un modelo open weight cuya licencia lo permita, es una práctica habitual. En cambio, destilar el modelo cerrado de un competidor a través de su API vulnera las condiciones de uso de OpenAI, Anthropic o Google, que lo prohíben. Es un incumplimiento contractual. Los derechos de autor protegen mal las respuestas de una IA, que no tienen autor humano.

¿Copió DeepSeek a ChatGPT?

OpenAI lo afirma desde enero de 2025, y en febrero de 2026 acusó a DeepSeek ante el Congreso de Estados Unidos de haber eludido sus restricciones de acceso para destilar sus modelos. Anthropic también acusa a DeepSeek, con más de 150.000 intercambios con Claude. No se ha hecho pública ninguna prueba técnica. DeepSeek afirma no haber utilizado deliberadamente contenidos generados por OpenAI.

¿Qué diferencia hay entre destilación y ataque por destilación?

La destilación es una técnica de entrenamiento legítima. Los laboratorios hablan de «ataque por destilación» cuando alguien recoge de forma masiva las respuestas de su modelo, incumpliendo sus condiciones de uso, a menudo con cuentas falsas y proxies. Es lo que los laboratorios estadounidenses reprochan a DeepSeek, Moonshot, MiniMax, Alibaba y Zhipu.

¿Es un modelo destilado tan bueno como el original?

Rara vez. Un modelo destilado obtiene a menudo muy buenos resultados en las tareas para las que se ha entrenado, pero un estudio de Berkeley de 2023 muestra que los modelos que imitan a ChatGPT copian sobre todo su estilo y reducen poco la distancia en conocimientos. En la práctica, el alumno sigue limitado por el profesor y por la calidad de su propio modelo base.

¿Reconoció Elon Musk que xAI había destilado a OpenAI?

Sí. El 30 de abril de 2026, durante el juicio que lo enfrentaba a OpenAI, Elon Musk fue interrogado bajo juramento sobre el uso de la destilación de los modelos de OpenAI para entrenar Grok. Respondió que todas las empresas de IA lo hacen en general, y después: «En parte».


La industria fabrica sus modelos pequeños por destilación. Las universidades estadounidenses y Microsoft destilaron los modelos de otros mucho antes de que DeepSeek diera que hablar, y Musk reconoció bajo juramento que xAI lo había hecho. Las acusaciones contra los laboratorios chinos se refieren al acceso fraudulento y a la escala. Quizá estén fundadas. No tenemos ninguna razón para pensar que Anthropic se invente sus 16 millones de intercambios. Pero mientras las pruebas sigan en manos de los acusadores, son acusaciones.

Lo que más nos llama la atención de esta historia es la carta de julio. El fin de semana siguiente a su publicación, OpenAI la firma: el primer acusador de DeepSeek escribe negro sobre blanco que la destilación es una técnica legítima y extendida. En el fondo, nadie quiere prohibir la destilación. Cada uno solo quiere ser el que destila, no el destilado.

Partager :

Artículos relacionados

Elige un número del 1 al 10: por qué la IA dice 7Conceptos

Elige un número del 1 al 10: por qué la IA dice 7

Pedimos 14.000 veces un número del 1 al 10 a siete IA. Cinco responden 7 casi siempre, sea cual sea la temperatura. ¿De dónde viene este sesgo de la IA?

9 min
IA y matemáticas: cuando verificar cuesta más que producirConceptos

IA y matemáticas: cuando verificar cuesta más que producir

OpenAI publicó 722 manuscritos de matemáticas de golpe y los matemáticos ya no dan abasto. Su crisis muestra hacia dónde se desplaza el trabajo.

10 min
Gusano de IA: el estudio de Anthropic sobre autorreplicaciónConceptos

Gusano de IA: el estudio de Anthropic sobre autorreplicación

¿Puede una IA copiarse a sí misma? Lo que Anthropic probó en dispositivos conectados, gusano o virus de IA, los límites del estudio y qué hacer en la empresa.

10 min

¿Te interesan nuestras soluciones?

Mira cómo Ask This Guy puede acelerar tus proyectos de IA

Reservar una demo