OpenAI, Google y Anthropic compiten en casi todo, pero están convergiendo en una preocupación común: la destilación de modelos. La técnica permite entrenar un sistema más pequeño o barato usando las respuestas de otro modelo más avanzado. No requiere copiar pesos ni código fuente, pero puede transferir parte del comportamiento de un modelo comercial a un competidor. Por eso se ha convertido en un punto sensible en la relación tecnológica entre Estados Unidos y China.
Una disputa técnica con lectura geopolítica
El debate ganó fuerza después del impacto de DeepSeek, que mostró capacidades competitivas con costes declarados muy inferiores a los de los laboratorios occidentales. OpenAI dijo entonces que había indicios de que modelos de origen chino podían haber utilizado salidas de sistemas estadounidenses, aunque esas acusaciones no equivalen a una prueba pública completa. Reuters recogió la preocupación de OpenAI y la respuesta del sector, mientras que Bloomberg informó de conversaciones entre las grandes compañías y responsables políticos estadounidenses sobre controles más estrictos.
Anthropic también ha descrito casos de abuso de sus modelos. En febrero de 2026, la compañía afirmó haber detectado operaciones vinculadas a actores chinos que usaban Claude para acelerar el desarrollo o evaluación de sistemas rivales. La empresa no presentó esa actividad como un simple uso normal de API, sino como un ejemplo de extracción sistemática de capacidades.
Por qué la destilación es difícil de frenar
Las condiciones de uso de los grandes proveedores suelen prohibir entrenar modelos competidores con sus salidas. El problema práctico es la detección. Un actor puede repartir consultas entre cuentas, variar prompts, mezclar respuestas de varios proveedores o usar intermediarios. La frontera entre evaluación legítima, investigación, scraping de respuestas y entrenamiento competitivo no siempre es visible desde fuera.
Por eso el frente no es solo técnico. Las compañías buscan mejores filtros de uso, límites de acceso, monitorización de patrones y cooperación con autoridades. También quieren que los controles de exportación de IA no se limiten a chips avanzados. Si un laboratorio no puede comprar cierto hardware pero sí puede extraer conocimiento de una API comercial, la restricción física pierde parte de su efecto.
El riesgo de una respuesta demasiado amplia
La coordinación entre rivales plantea una cuestión delicada. Proteger modelos comerciales frente a la copia puede ser legítimo, pero un control mal diseñado también podría limitar investigación independiente, auditorías de seguridad o competencia abierta. El sector ya trabaja en foros comunes, como el Frontier Model Forum, donde OpenAI, Anthropic, Google y Microsoft participan en discusiones de seguridad y gobernanza.
La lectura prudente es esta: hay una preocupación real sobre destilación y transferencia indirecta de capacidades, pero muchas acusaciones públicas siguen siendo difíciles de verificar de forma independiente. El debate de 2026 no trata solo de quién entrenó qué modelo. Trata de si el acceso comercial a modelos frontera puede convertirse en una vía de transferencia tecnológica que las normas actuales todavía no cubren bien.
