¿Qué es la destilación de modelos de IA?
La destilación es una técnica para entrenar un modelo pequeño (el «alumno») a partir de las respuestas de un modelo grande (el «profesor»). El alumno no aprende solo de datos etiquetados: aprende a imitar cómo responde el profesor, y así consigue buena parte de su capacidad con mucho menos coste de cálculo.
La idea no es nueva. La formalizaron Geoffrey Hinton, Oriol Vinyals y Jeff Dean en un artículo de 2015 titulado precisamente «Distilling the Knowledge in a Neural Network» [1]. Desde entonces es una práctica habitual y legítima en la industria. Un ejemplo público: en enero de 2025 DeepSeek publicó seis modelos pequeños destilados de su DeepSeek-R1, basados en Llama y Qwen, para que la comunidad pudiera usarlos en equipos modestos [2].

¿Cuándo es innovación y cuándo es robo?
La técnica es la misma; lo que cambia es de quién es el profesor y con qué permiso se usa.
| Caso | ¿Legítimo? |
|---|---|
| Destilar tu propio modelo grande en uno pequeño | Sí. Es optimización. |
| Destilar un modelo abierto cuya licencia lo permite | Sí, respetando la licencia. |
| Usar la API de otra empresa para entrenar un modelo competidor | Normalmente no: lo prohíben las condiciones de uso de los grandes proveedores [3]. |
| Hacerlo con cuentas falsas y proxies para evitar controles | No. Es lo que los laboratorios llaman «destilación ilícita». |
¿Es ilegal? Todavía no hay sentencias que lo aclaren. Según los expertos consultados por NPR, las empresas afectadas podrían alegar incumplimiento de contrato, secretos comerciales o derechos de autor, aunque esta última vía es débil porque las respuestas generadas por IA no suelen considerarse protegidas [4]. Y hay una ironía evidente: los mismos laboratorios que se quejan entrenaron sus modelos con grandes cantidades de contenido ajeno.
Las acusaciones de Anthropic contra DeepSeek, Moonshot y MiniMax
El 23 de febrero de 2026, Anthropic (la empresa de Claude) publicó un informe en el que atribuía a tres laboratorios chinos campañas de destilación a gran escala [5]. Las cifras son de la propia Anthropic:
- En total: más de 16 millones de intercambios con Claude desde unas 24.000 cuentas fraudulentas.
- MiniMax: más de 13 millones de intercambios. Cuando Anthropic lanzó un modelo nuevo durante la campaña, MiniMax redirigió casi la mitad de su tráfico hacia él en 24 horas.
- Moonshot AI (creadora de Kimi): más de 3,4 millones de intercambios, con cientos de cuentas.
- DeepSeek: más de 150.000 intercambios. La versión original de este artículo decía que no había desglose para DeepSeek; sí lo hay, y es la cifra más pequeña de las tres.
- Infraestructura: una sola red de proxies gestionaba más de 20.000 cuentas a la vez y mezclaba ese tráfico con peticiones legítimas. Anthropic lo llama «hydra clusters».
Anthropic dice que atribuyó las campañas cruzando direcciones IP, metadatos de las peticiones e indicadores de infraestructura, y en el caso de Moonshot, metadatos que coincidían con perfiles públicos de personal sénior [5].
Qué capacidades buscaban copiar: razonamiento agéntico y más
Según el mismo informe, cada laboratorio apuntaba a cosas distintas [5]:
- Moonshot: razonamiento agéntico y uso de herramientas, programación, análisis de datos, agentes que usan el ordenador y visión por computadora.
- MiniMax: programación agéntica y orquestación de herramientas.
- DeepSeek: razonamiento general, usar a Claude como evaluador para su entrenamiento y obtener respuestas alternativas a preguntas políticamente sensibles.
El razonamiento agéntico es la capacidad de un modelo para dividir un objetivo en pasos, decidir qué herramienta usar en cada uno (buscar, ejecutar código, consultar una base de datos), revisar el resultado y corregir el rumbo. Es lo que convierte un chatbot en un agente, y por eso es tan valioso copiarlo. Si quieres verlo aplicado, lo explico en la guía práctica de agentes de IA en empresas.
Qué ha pasado después (hasta noviembre de 2026)
- Febrero de 2026, OpenAI. En un memorando al comité de la Cámara de Representantes de EE. UU. sobre China, OpenAI acusó a DeepSeek de destilar modelos estadounidenses usando routers de terceros y scripts para ocultar su identidad [6].
- Julio de 2026, Casa Blanca. Michael Kratsios, director de la Oficina de Política Científica y Tecnológica, acusó en X a Moonshot de crear Kimi K3 destilando un modelo de Anthropic, sin publicar pruebas [7]. Moonshot lo negó según medios chinos, y el Departamento del Tesoro habló de posibles sanciones [4].
- Septiembre de 2026, nuevo informe de Anthropic. Anthropic acusó a Moonshot de reenviar en secreto peticiones de usuarios de Kimi a Claude y presentar las respuestas como propias, y le atribuyó más de 23 millones de intercambios entre mayo y julio. A DeepSeek le atribuyó más de 12,1 millones en 14 días de julio, y a Alibaba la mayor campaña medida: más de 151 millones [8]. Son atribuciones de la empresa, no verificadas de forma independiente.
- Octubre de 2026, defensas. Anthropic afirma que sus nuevas medidas han reducido entre un 90 % y un 99 % los datos que consiguen extraer los destiladores [9].
Para el contexto de Kimi y sus versiones, tienes el artículo sobre Kimi K2 y su evolución hasta K3.1.

Por qué importa si no eres un laboratorio
- Las salvaguardas no se copian. Anthropic insiste en que los filtros contra usos peligrosos (ciberataques, biología) no se transfieren al modelo destilado [8]. Un modelo barato puede venir con menos frenos.
- Tus datos pueden viajar donde no esperas. Si Anthropic tiene razón, usuarios de Kimi y DeepSeek enviaron conversaciones que acabaron en Claude sin saberlo, algunas con información sensible [8]. Antes de usar un modelo en tu empresa, pregunta dónde se procesan los datos.
- Más controles para todos. Las defensas contra la destilación suben la fricción: verificaciones más estrictas, límites de uso y bloqueos regionales que también afectan a usuarios legítimos.
- No dependas de un solo proveedor. Un cambio de condiciones o una sanción puede dejarte sin servicio. Tener una alternativa probada es prudencia básica.
Si te interesa el lado ético de estas decisiones en la empresa, sigue con ética en IA aplicada.
Fuentes y referencias
Fuentes consultadas el 3 de noviembre de 2026.
- [1] arXiv: Hinton, Vinyals y Dean, Distilling the Knowledge in a Neural Network, 9 de marzo de 2015.
- [2] Hugging Face: ficha oficial de DeepSeek-R1 y sus modelos destilados, enero de 2025.
- [3] Anthropic: Commercial Terms of Service, apartado D.4, consultado el 3 de noviembre de 2026.
- [4] NPR: Allegations of AI distillation spark debate about IP theft. But is it illegal?, 28 de julio de 2026.
- [5] Anthropic: Detecting and preventing distillation attacks, 23 de febrero de 2026. Artículo de partida.
- [6] Bloomberg: OpenAI accuses DeepSeek of distilling US models to gain an edge, 12 de febrero de 2026.
- [7] Business Today: US claims China's Moonshot AI used Anthropic's Fable 5 to build Kimi K3, 23 de julio de 2026.
- [8] Anthropic: Detecting and countering misuse of AI, September 2026, septiembre de 2026.
- [9] Anthropic: Strengthening our defenses against distillation attacks, 12 de octubre de 2026.
