Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
L'amministrazione Trump alza il tiro contro Moonshot AI, accusando la startup cinese di aver costruito Kimi K3 attraverso una distillazione su larga scala del modello Fable di Anthropic. La minaccia di sanzioni economiche e l'inserimento nella Entity List è già sul tavolo del Tesoro. Ma diversi esperti di AI smontano la ricostruzione: i tempi non tornano e la tecnica della distillazione, da sola, non basta a spiegare le capacità avanzate del modello open-weight che sta ridefinendo la competizione globale.
Cosa contesta Washington: "watermark" e server acquisiti illegalmente
Michael Kratsios, consigliere scientifico della Casa Bianca, ha puntato il dito contro una piattaforma interna sofisticata che Moonshot avrebbe costruito per estrarre sistematicamente le capacità dei modelli statunitensi, passando rapidamente tra diversi metodi di accesso per eludere i rilevamenti. «La distillazione industriale occulta su larga scala finalizzata a rubare tecnologia proprietaria americana e minare la ricerca americana è inaccettabile», ha dichiarato Kratsios.
Il segretario al Tesoro Scott Bessent ha rincarato la dose su X: «L'open source non è una stagione di caccia aperta alla proprietà intellettuale americana». E ancora: «Stiamo trovando watermark dei nostri modelli linguistici su molti modelli cinesi, e questo è inaccettabile». Di quali watermark si tratti, però, non è stato specificato — e il Dipartimento del Tesoro non ha risposto alle richieste di chiarimento.
L'accusa non si ferma alla distillazione. Secondo la Casa Bianca, Moonshot avrebbe avuto accesso a server equipaggiati con GPU Nvidia GB300 della generazione Blackwell in Thailandia, chip la cui esportazione verso la Cina è vietata dalle regole di controllo statunitensi. Sam Bresnick, research fellow al Georgetown's Center for Security and Emerging Technology, ha ricordato che un mercato nero di questi componenti esiste: a maggio il fondatore di Supermicro è stato incriminato per contrabbando di chip avanzati verso la Cina.
«Sono un sostenitore delle leggi _know your customer_ per i data center in tutto il mondo», ha affermato Bresnick. «Se permetti a un'azienda di condurre enormi sessioni di addestramento su hardware all'avanguardia, deve esistere un meccanismo di segnalazione su chi è quell'azienda e cosa sta facendo».
La linea temporale impossibile e il ruolo del reinforcement learning
Qui le accuse iniziano a scricchiolare. Fable è disponibile pubblicamente solo dal 1° luglio 2026. Kimi K3 è stato rilasciato la scorsa settimana come modello open-weight. Due settimane per interrogare sistematicamente un modello, generare dati di addestramento, addestrare un nuovo modello e rilasciarlo: una tempistica che diversi ricercatori considerano tecnicamente implausibile.
«Non ottieni un modello così forte e così rapidamente sulle orme di Fable facendo solo distillazione», ha spiegato Braden Hancock, ricercatore al Laude Institute e co-fondatore di Snorkel AI. «Francamente non c'è nemmeno il tempo materiale. Non puoi distillare quella quantità di dati, addestrare un modello e rilasciarlo in due settimane».
Nathan Lambert, ricercatore all'Allen Institute for AI, sposta il ragionamento sul piano tecnico: la distillazione sta diventando sempre meno impattante man mano che i modelli cinesi si avvicinano alla frontiera e i regimi di addestramento virano verso il reinforcement learning. «Se fosse così semplice, chiunque potrebbe raggiungere un modello come K3 usando i suoi dati per distillazione. Ma non lo vediamo accadere con il solo fine-tuning supervisionato».
Il fine-tuning supervisionato è il processo in cui le risposte di un modello vengono usate per addestrarne un altro, ed è in questa fase che un modello «acquisisce le sue buone maniere», sempre secondo Lambert. Ma per replicare capacità paragonabili a Fable servirebbero tecniche di reinforcement learning che richiedono decine di milioni di agenti e infrastrutture pesanti. Usare le API di un laboratorio di frontiera per farlo «sarebbe follemente costoso e probabilmente creerebbe un collo di bottiglia temporale, perché questi modelli sono piuttosto lenti e potrebbero non darti nemmeno un miglioramento delle performance».
La doppia sfida: chip e infrastruttura
La partita non si gioca solo sul piano legale o su quello dell'ingegneria dei modelli. L'accesso illecito agli Nvidia GB300 — ammesso che sia avvenuto — cambia i termini della questione molto più della distillazione. Se Moonshot ha davvero potuto addestrare su hardware di ultima generazione in territorio thailandese, il vero buco nella rete di controlli statunitensi non è nella proprietà intellettuale dei modelli, ma nella capacità di applicare le restrizioni all'esportazione su una supply chain globale sempre più porosa.
È qui che si inserisce la proposta, rimasta finora senza sviluppi concreti, di regole federali _know your customer_ per i data center, avanzata nel 2024 dal Dipartimento del Commercio sotto la presidenza Biden. Sotto Trump, nessun passo avanti.
Intanto, Hancock aggiunge un punto che suona come un campanello d'allarme per chi sottovaluta la concorrenza cinese: «In generale, gli americani stanno sottostimando la competenza tecnica di questi team. Uno dei fondatori di Moonshot era uno studente di dottorato (PhD student) alla Carnegie Mellon. Sono ricercatori e ingegneri legittimi che fanno lavoro solido. Se i modelli americani si fermassero, i progressi cinesi rallenterebbero — ma continuerebbero».
La vera posta in gioco non è se un modello sia stato distillato o meno. È che la frontiera dell'AI si sta affollando, e le barriere all'ingresso — tecniche, infrastrutturali, geopolitiche — stanno assumendo una forma nuova, dove le accuse di furto di IP convivono con modelli open-weight che sfidano i business plan miliardari dei laboratori statunitensi.
Fonti
