Kimi K3 non è solo distillazione: l'accusa dice più degli USA che della Cina

Nei giorni scorsi Michael Kratsios, consigliere scientifico della Casa Bianca, ha accusato pubblicamente Moonshot di aver costruito Kimi K3, il più grande modello linguistico a pesi aperti oggi disponibile, copiando Fable di Anthropic e sfruttando chip il cui export verso la Cina è vietato.

We have information that Moonshot AI distilled Anthropic’s Fable for the development of its K3 model.

To do this they developed a sophisticated internal platform to conduct large scale distillation against U.S. models, allowing them to quickly switch between multiple methods of…

— Director Michael Kratsios (@mkratsios47) July 22, 2026

"La distillazione industriale su larga scala e condotta in modo coperto, mirata a rubare tecnologia proprietaria statunitense e a minare la ricerca americana, è inaccettabile", ha scritto Kratsios, mentre nel settore circolano indiscrezioni su una possibile messa al bando dei modelli a pesi aperti cinesi. Non ha però fornito dettagli sulle fonti delle sue affermazioni, e Moonshot non ha commentato. L'uscita si allinea a quanto detto dal segretario al Tesoro Scott Bessent, secondo cui "stiamo trovando le filigrane dei nostri grandi modelli linguistici statunitensi su molti modelli cinesi, e questo è inaccettabile". In cosa consistano queste filigrane, però, non è chiaro.

Perché la distillazione non basta a spiegare Kimi K3

Diversi ricercatori dubitano che la distillazione, cioè l'interrogare ripetutamente un modello per replicarne le capacità, spieghi la forza di Kimi K3. Braden Hancock, ricercatore del Laude Institute e cofondatore di Snorkel AI, mette in fila i tempi: "Non credo si ottenga un modello così forte e così in fretta sulla scia di Fable facendo solo distillazione. Non c'è nemmeno il tempo materiale. Fable è pubblico solo dal primo luglio: non puoi distillare tutti quei dati, addestrare un modello e rilasciarlo in due settimane".

Sulla stessa linea Nathan Lambert, dell'Allen Institute for AI: "La distillazione sta diventando sempre meno incisiva col tempo, man mano che i modelli cinesi si avvicinano alla frontiera e l'addestramento si sposta verso l'apprendimento per rinforzo". Se bastasse la distillazione, osserva, chiunque potrebbe raggiungere un modello come K3 riusandone i dati con il solo fine-tuning supervisionato, cosa che finora non è accaduta. Quest'ultima tecnica serve più che altro a far sì che il modello "prenda le sue maniere", al punto da dichiararsi talvolta esso stesso Claude; replicare capacità di livello Fable richiederebbe invece l'apprendimento per rinforzo.

Le grandi run di rinforzo possono richiedere decine di milioni di agenti, e appoggiarsi all'API di un laboratorio di frontiera per generarli sarebbe, nelle parole di Lambert, "follemente costoso" oltre che un collo di bottiglia sui tempi, dato che quei modelli sono lenti e il guadagno di prestazioni non è nemmeno garantito.

Cosa aveva documentato Anthropic

All'inizio dell'anno Anthropic aveva già dichiarato di aver individuato campagne di distillazione su scala industriale da parte di tre laboratori cinesi, Moonshot, DeepSeek e MiniMax: oltre 16 milioni di scambi generati attraverso circa 24.000 account fraudolenti, in violazione dei termini di servizio e delle restrizioni di accesso regionali.

Il grosso del traffico veniva proprio da MiniMax, con oltre 13 milioni di scambi, seguita da Moonshot con più di 3,4 milioni e da DeepSeek con oltre 150.000. Secondo Anthropic i laboratori aggiravano il blocco commerciale in Cina tramite servizi proxy che rivendono l'accesso ai modelli, appoggiandosi a reti di account fraudolenti: in un caso una singola rete ne gestiva più di 20.000 in parallelo, mescolando il traffico di distillazione a richieste legittime per rendere più difficile l'individuazione.

Nel suo resoconto Anthropic sostiene che i rapidi progressi di questi laboratori dipendano "in parte significativa" da capacità estratte dai modelli americani, e che gli attacchi di distillazione minino i controlli sulle esportazioni. È il punto in distonia con il parere di osservatori come Hancock e Lambert, i quali ritengono la distillazione da sola non possa produrre un modello di frontiera in tempi tanto stretti.

Il nodo dei chip e una pratica diffusa

La questione della distillazione è difficile da separare dalla seconda parte dell'accusa di Kratsios, secondo cui Moonshot avrebbe ottenuto Nvidia GB300 e avuto accesso a server equipaggiati con quegli stessi chip in Thailandia. Sono componenti vietati all'esportazione verso la Cina, ma un mercato nero esiste, ricorda Sam Bresnick del Center for Security and Emerging Technology di Georgetown; a maggio il fondatore di Supermicro è stato incriminato per contrabbando di chip avanzati verso la Cina.

Bresnick chiede regole di "know your customer" per i data center: "Se lasci che un'azienda esegua enormi cicli di addestramento sul tuo hardware più avanzato, deve esistere un meccanismo che registri chi è e cosa sta facendo". Regole federali in questo senso erano state proposte dal dipartimento del Commercio sotto Biden nel 2024, ma non risultano progressi sotto l'attuale amministrazione.

Del resto la distillazione è una pratica diffusa, e non solo in Cina. All'inizio dell'anno lo stesso Elon Musk ha testimoniato che la sua azienda aveva distillato i modelli di OpenAI per sviluppare Grok, definendola comune nel settore; il confine tra distillazione e costruzione di dataset sintetici, d'altra parte, è piuttosto sfumato.

Per Hancock il rischio è un altro: sottovalutare gli avversari. "In generale gli americani sottovalutano la competenza tecnica di questi team cinesi", nota, ricordando che uno dei fondatori di Moonshot ha un dottorato alla Carnegie Mellon. "Sono ricercatori e ingegneri veri. Se i modelli americani si fermassero, i progressi della Cina rallenterebbero, ma continuerebbero: non stanno solo cavalcando la scia".