Haben Chinesen Anthropic bestohlen? Experten zweifeln an Vorwürfen des Weißen Hauses

Ein hochrangiger Vertreter des Weißen Hauses hat das chinesische Unternehmen Moonshot AI öffentlich beschuldigt, sein neues Modell Kimi K3 durch das Kopieren der amerikanischen künstlichen Intelligenz von Anthropic entwickelt zu haben. Damit nannte ein US-Beamter auf dieser Ebene erstmals sowohl ein konkretes chinesisches Labor als auch ein konkretes gestohlenes Modell. Zahlreiche Forscher aus der Branche wandten jedoch umgehend ein, dass die gesamte Anschuldigung technisch nicht schlüssig sei.

Was Washington Moonshot vorwirft

Michael Kratsios, der im Weißen Haus das Amt für Wissenschafts- und Technologiepolitik leitet und zugleich wissenschaftlicher Berater von Präsident Trump ist, schrieb auf der Plattform X, die US-Regierung verfüge über Informationen, wonach Moonshot das Modell Fable von Anthropic destilliert habe, um daraus sein Modell K3 zu entwickeln. Kratsios zufolge bauten die Chinesen dafür eine ausgeklügelte interne Plattform zur groß angelegten Destillation amerikanischer Modelle auf und konnten schnell zwischen verschiedenen Zugriffsmethoden wechseln, um unentdeckt zu bleiben.

Destillation ist ein Verfahren, bei dem ein kleineres Modell lernt, die Ausgaben eines größeren und leistungsfähigeren Modells nachzuahmen. Das stärkere Modell dient dabei als Lehrer, das kleinere als Schüler. Der Schüler lernt nicht nur daraus, was richtig und was falsch ist, sondern verfolgt auch die gesamte Wahrscheinlichkeitsverteilung der Antworten des Lehrers, also etwa, dass ein bestimmtes Wort eine Wahrscheinlichkeit von neunzig Prozent und ein anderes von acht Prozent hat. Aus genau diesen feinen Unterschieden leitet er ab, wie der Lehrer „denkt“.

Kratsios selbst unterschied zwischen zwei Formen dieser Technik. Die gewöhnliche Destillation, mit der kleinere und sparsamere Modelle entstehen und die für die offene Entwicklung nützlich ist, bezeichnete er als legitim. Eine umfangreiche, verdeckte industrielle Destillation, deren Ziel es sei, amerikanische Technologie zu stehlen und die amerikanische Forschung zu untergraben, beschrieb er hingegen als inakzeptabel. Technische Unterlagen oder andere Belege für seine Behauptung veröffentlichte er jedoch nicht.

Anthropic hatte Moonshot bereits im Februar gemeinsam mit den Unternehmen DeepSeek und MiniMax öffentlich der systematischen Destillation seiner Modelle beschuldigt. Damals erklärte das Unternehmen, etwa 3,4 Millionen Gespräche mit Claude zu Moonshot zurückverfolgt zu haben. Insgesamt sprach es von mehr als sechzehn Millionen Interaktionen über rund 24.000 gefälschte Konten, wodurch seine Nutzungsbedingungen und regionalen Zugriffsbeschränkungen verletzt worden seien.

Verbotene Chips und Umgehung von Sanktionen

Der zweite Teil der Anschuldigungen betrifft die Hardware. Kratsios behauptet, Moonshot habe Server mit Nvidia-GB300-Chips erworben und darüber hinaus auf Maschinen mit GB300-Chips in Thailand zurückgegriffen, vermutlich für das Training seiner Modelle. Die Vereinigten Staaten verbieten jedoch den Export dieser Chips der Blackwell-Generation nach China.

Bereits einen Tag zuvor hatte sich die Lage verschärft. Finanzminister Scott Bessent warnte, in zahlreichen chinesischen Modellen fänden sich Wasserzeichen amerikanischer Sprachmodelle, und das sei inakzeptabel. Er äußerte sich noch schärfer und erklärte, Open Source bedeute keinen Freibrief für amerikanisches geistiges Eigentum. Unternehmen, die groß angelegte Destillationsangriffe durchführen, drohte er mit Sanktionen und der Aufnahme in die sogenannte Entity List. Dies würde Moonshot von amerikanischer Hardware, Software und Cloud-Infrastruktur abschneiden, ähnlich wie Washington es 2019 mit Huawei getan hatte. Der stellvertretende Außenminister Jacob Helberg bezeichnete die mutmaßliche Destillation durch Moonshot sogar als Raub unschätzbaren amerikanischen geistigen Eigentums.

Sam Bresnick vom Center for Security and Emerging Technology der Georgetown University weist darauf hin, dass es einen Schwarzmarkt für hochentwickelte Chips gibt. Im Mai wurde der Gründer des amerikanischen Serverherstellers Supermicro beschuldigt, modernste Chips nach China geschmuggelt zu haben. Bresnick setzt sich dafür ein, dass Rechenzentren weltweit verpflichtet werden, ihre Kunden zu kennen. Wenn ein Unternehmen auf modernster Hardware riesige Modelle trainiert, sollte es seiner Ansicht nach einen Mechanismus geben, der meldet, um wen es sich handelt und was das Unternehmen tut. Das Handelsministerium hatte unter Biden bereits 2024 ähnliche Vorschriften für Rechenzentren vorgeschlagen, unter Trump wurden sie jedoch offenbar nicht weiterverfolgt.

Moonshot weist die Anschuldigungen zurück

Das Unternehmen selbst schweigt offiziell, doch einer seiner Mitarbeiter äußerte sich. Moonshot-Mitarbeiter Randy Xian konterte auf der Plattform X mit einem Zeitstrahl. Ihm zufolge wurde Fable am 1. Juli veröffentlicht und Kimi K3 erschien am 15. Juli. „Wir haben in nur 15 TAGEN ein völlig neues Spitzenmodell trainiert. Ein Guinness-Weltrekord“, schrieb er spöttisch. Er erinnerte außerdem daran, dass Fable rund zehn Tage lang offline gewesen sei, weshalb es für ihn keinen Sinn ergebe, wie sie in dieser Zeit irgendetwas hätten destillieren können. Zudem merkte er an, dass er die ganze Anschuldigung beinahe als Kompliment betrachte, weil die Amerikaner damit seiner Ansicht nach lediglich bewiesen, wie gute Arbeit Moonshot geleistet habe.

Zur Erinnerung: Fable 5 war wegen amerikanischer Exportbeschränkungen nicht mehr verfügbar und kehrte erst am 1. Juli an die Öffentlichkeit zurück. Kimi K3 wurde als offenes Modell mit etwa 2,8 Billionen Parametern veröffentlicht und ist damit das bislang größte frei herunterladbare Sprachmodell. Moonshot will die vollständigen Gewichte Ende Juli freigeben, was einiges aufklären könnte.

Experten bezweifeln die Destillation

Und genau an dieser Lücke von fünfzehn Tagen entzündet sich die Mehrheit der Reaktionen von Fachleuten. Braden Hancock vom Laude Institute und Mitbegründer des Unternehmens Snorkel AI sagte gegenüber TechCrunch, ein derart leistungsfähiges Modell könne in so kurzer Zeit nicht allein durch Destillation entstehen. Es könne unmöglich genug Zeit gegeben haben, um so viele Daten zu sammeln, das Modell zu trainieren und es innerhalb von zwei Wochen zu veröffentlichen.

Andere äußern sich ähnlich. Elie Bakouch von Prime Intellect wies darauf hin, dass zwischen der Aufhebung der Sperre von Fable 5 und der Veröffentlichung von Kimi K3 nur fünfzehn Tage lagen. Die Behauptung, die Leistung von K3 stamme aus der Destillation von Fable, ergebe für ihn technisch keinen Sinn, selbst wenn eine gewisse Destillation stattgefunden habe. Auch Dean Ball, der bei OpenAI die Abteilung für strategische Planung leitet, glaubt nicht, dass sich die Leistung des Modells durch Destillation erklären lässt.

Die Bedeutung der Destillation nimmt ab, je näher chinesische Modelle an die Spitze heranrücken und je stärker sich das Training in Richtung bestärkendes Lernen verlagert. Würde Destillation allein ausreichen, könnte angeblich jeder K3 oder das Modell GLM einholen, indem er einfach deren Daten nutzte. Das geschieht jedoch nicht und wird auch nicht allein durch die Feinabstimmung anhand fertiger Antworten, das sogenannte Supervised Fine-Tuning, geschehen. Durch genau diese Feinabstimmung „übernimmt ein Modell Verhaltensweisen“, und daher kommt es übrigens auch, dass ein von jemand anderem entwickeltes Modell gelegentlich behauptet, Claude zu sein.

Um Fähigkeiten ähnlich denen von Fable nachzuahmen, wäre Analysten zufolge gerade bestärkendes Lernen erforderlich, und das ist eine völlig andere Gewichtsklasse. Große Trainingsläufe mit bestärkendem Lernen benötigen Dutzende Millionen Agenten und eine gewaltige Infrastruktur. Wollte jemand dies über die Schnittstelle eines Spitzenlabors betreiben, wäre es unverschämt teuer, er würde auf Probleme mit der Geschwindigkeit dieser Modelle stoßen und vermutlich nicht einmal eine Leistungssteigerung erzielen.

Destillation als solche ist dabei keineswegs eine chinesische Spezialität. Elon Musk sagte in diesem Jahr vor Gericht aus, sein Unternehmen habe Modelle von OpenAI destilliert, um Grok zu entwickeln, und bezeichnete dies als gängige Praxis in der Branche. Zudem ist die Grenze zwischen Destillation und der Erstellung synthetischer Daten häufig recht unscharf. Hancock fügt hinzu, dass die Amerikaner das technische Niveau chinesischer Teams unterschätzten. Einer der Gründer von Moonshot war Doktorand an der Carnegie Mellon University; es handle sich um echte Forscher und Ingenieure, die solide Arbeit leisteten. Selbst wenn die amerikanischen Modelle keine Fortschritte mehr machten, würde sich der chinesische Fortschritt seiner Ansicht nach zwar verlangsamen, aber nicht aufhören. Die Chinesen seien keineswegs bloße Trittbrettfahrer.

Quellen: businessinsider.com, hongkongfp.com und cnn.com