Автор Den Левко 
Нейросети заподозрили в использовании ответов конкурента
Компании, разрабатывающие искусственный интеллект, активно ищут способы ускорить обучение собственных моделей и повысить качество их ответов. Однако иногда для этого применяются методы, которые вызывают вопросы у отраслевых экспертов.
Именно такая ситуация возникла вокруг китайских нейросетей DeepSeek и Kimi: появились сведения, что при создании их моделей могли использоваться ответы Claude, разработанного компанией Anthropic.
Речь идет не о прямом копировании интерфейса или отдельных готовых текстов, а о так называемой дистилляции знаний. При таком подходе одна модель формирует ответы на большое количество запросов, а другая использует эти результаты как ориентир для обучения.
В итоге новая система может перенять особенности рассуждений, структуру ответов и способы решения задач более мощной или уже обученной нейросети.
Подобная практика известна в индустрии и сама по себе не всегда считается нарушением. Разработчики регулярно используют синтетические данные, созданные другими моделями.
Однако ситуация становится спорной, если ответы конкурента собираются без его разрешения или в обход установленных ограничений.
Что это дистилляция знаний
Дистилляция позволяет перенести часть возможностей крупной модели в более компактную и менее затратную систему. Для этого исходной нейросети передают множество запросов, после чего анализируют ее ответы и используют их при обучении другой модели. Такой метод помогает экономить вычислительные ресурсы и сокращать сроки разработки.
Проблема заключается в том, что внешнему наблюдателю бывает сложно определить, каким именно образом были получены обучающие данные. Сходство между моделями может объясняться как применением общедоступных материалов, так и использованием ответов конкретного конкурента.
Поэтому подобные обвинения обычно требуют технической проверки и анализа поведения нейросетей.
Почему внимание привлекли DeepSeek и Kimi
DeepSeek и Kimi получили заметную популярность благодаря способности решать сложные задачи, работать с большими объемами текста и выдавать развернутые ответы. Их разработчики стремятся конкурировать с ведущими международными компаниями, предлагая пользователям мощные модели по сравнительно низкой цене. На этом фоне особенно важным становится вопрос происхождения обучающих данных.
Если система действительно использует ответы Claude, это может означать, что разработчики нашли способ ускорить создание собственных моделей за счет уже существующих технологий. Такой подход потенциально позволяет быстрее приблизиться к уровню более известных решений. Утверждения о возможной дистилляции появились после анализа ответов и поведения моделей.
В отдельных случаях специалисты обращали внимание на характерные формулировки, структуру рассуждений и сходные реакции на определенные запросы. Эти признаки не являются окончательным доказательством, но стали поводом для обсуждения возможного использования ответов Claude в обучении.
Какие риски возникают для разработчиков
Главный риск связан с правилами доступа к сервисам и условиями использования моделей. Если компания применяет автоматизированные запросы для массового сбора ответов, это может противоречить ограничениям, установленным владельцем платформы.
Кроме того, возникают вопросы о честности конкуренции: одна организация вкладывает значительные средства в разработку, а другая получает часть результата с помощью готовой системы.
Есть и технические последствия. Модель, обученная на ответах другой нейросети, может перенять не только ее сильные стороны, но и ошибки, шаблонность или нежелательные особенности поведения. В результате внешне самостоятельная система окажется зависимой от решений и ограничений исходной модели.
Дискуссия о правилах развития искусственного интеллекта
История с DeepSeek, Kimi и Claude отражает более широкую проблему всей индустрии ИИ. Компании стараются как можно быстрее улучшать свои продукты, а обучение больших моделей требует огромных объемов данных, вычислительных мощностей и времени.
Поэтому синтетическая информация, созданная другими нейросетями, становится все более востребованной. Одни специалисты считают, что обмен знаниями между моделями способен ускорить развитие технологий и сделать передовые инструменты доступнее.
Другие предупреждают: если этот процесс не регулировать, рынок может столкнуться с массовым копированием, снижением качества и конфликтами вокруг авторских прав и коммерческой тайны.
Может быть интересно: Разработка дизайна сайта: визуал как основа продаж.
Важную роль в будущем могут сыграть прозрачные правила.
Разработчикам необходимо четко определять, какие данные разрешено использовать для обучения, каким образом должна указываться их происхождение и где проходит граница между допустимой дистилляцией и несанкционированным извлечением информации.
Случай с предполагаемым использованием ответов Claude показывает, что конкуренция в сфере искусственного интеллекта идет не только за пользователей, но и за методы обучения. Возможность быстро перенять сильные стороны другой модели становится серьезным преимуществом, однако одновременно усиливает потребность в контроле, открытости и понятных отраслевых стандартах.