Attacchi di distillazione secondo Anthropic: di cosa sono accusati i laboratori AI cinesi e cosa significa

La più grande polemica sull'AI di febbraio 2026 è partita dal report di Anthropic sugli attacchi di distillazione, che accusa pubblicamente tre laboratori cinesi, DeepSeek, Moonshot (creatori di Kimi) e MiniMax, di aver estratto in modo sistematico le capacità dei modelli Claude per addestrare i propri. Secondo il report, circa 24.000 account fraudolenti hanno generato oltre 16 milioni di scambi mirati alle capacità più preziose di Claude: ragionamento agentico, uso degli strumenti e programmazione.

Non è la prima volta che un laboratorio statunitense accusa i concorrenti di usare i suoi output per l'addestramento. OpenAI aveva sollevato accuse simili contro DeepSeek all'uscita di R1, all'inizio del 2025. Ma il report di Anthropic è l'accusa più dettagliata e specifica finora, con i nomi dei singoli laboratori e numeri precisi.

Il punto chiave: che le accuse reggano o meno, questo dibattito mette in luce una tensione reale nel settore AI: il confine tra valutazione legittima di un modello ed estrazione illecita delle sue capacità è sfumato, e ogni laboratorio lo traccia a modo suo.

Vai a: Cos'è la distillazione | Le accuse di Anthropic | I numeri | Perché Claude è un bersaglio | Il dibattito nel settore | Cosa significa per gli utenti | Domande frequenti

Cos'è la distillazione dei modelli AI

Nel contesto dell'AI, distillazione significa estrarre le capacità di fondo di un modello potente e usarne gli output per addestrare un modello più piccolo o economico a comportarsi in modo simile. Il termine nasce dall'idea di distillare il valore essenziale di qualcosa, separando l'oro dalla sabbia.

Ecco come funziona in pratica:

La stessa Anthropic riconosce che la distillazione può essere del tutto legittima. I laboratori la usano di routine per creare modelli più piccoli ed economici per i propri clienti. La distinzione che traccia Anthropic è tra distillazione interna (usare gli output del proprio modello) e distillazione esterna (usare gli output del modello di un concorrente per addestrare il proprio).

Importante: la distillazione non può produrre un modello più intelligente della fonte. Può solo avvicinare un modello più debole al livello di quello di frontiera. Pensala come un soffitto, non come una scala.

Perché la distillazione è diventata un caso

Il dibattito sulla distillazione è iniziato quando OpenAI ha accusato DeepSeek di aver usato gli output del modello O1 per addestrare DeepSeek R1. O1 è stato il primo modello di ragionamento di OpenAI, il primo a "pensare" prima di rispondere affrontando i problemi passo dopo passo. OpenAI temeva così tanto che i concorrenti lo copiassero da nascondere del tutto agli utenti le tracce di ragionamento di O1.

DeepSeek R1, al contrario, era open-weight e mostrava l'intera catena di ragionamento. Questa trasparenza lo ha reso popolarissimo tra gli sviluppatori, ma non ha impedito a OpenAI di sostenere che i suoi modelli fossero stati usati per addestrarlo.

Cosa sostiene Anthropic

Il report di Anthropic di febbraio 2026 nomina tre laboratori AI cinesi e fornisce numeri specifici per ciascuno:

Il totale di tutte le campagne: circa 16 milioni di scambi attraverso circa 24.000 account che Anthropic definisce fraudolenti.

I metodi di rilevamento

Anthropic sostiene di aver attribuito le campagne con un alto grado di certezza grazie a:

• Correlazione degli indirizzi IP: collegamento degli account a infrastrutture note dei laboratori
• Metadati delle richieste: schemi di utilizzo dell'API compatibili con il comportamento dei laboratori
• Indicatori infrastrutturali: architetture di proxy e cluster condivise
• Conferme dal settore: altre aziende che hanno osservato gli stessi attori

Il problema dei proxy

Anthropic descrive anche servizi proxy commerciali che rivendono l'accesso a Claude su larga scala, soprattutto a utenti in Cina, dove i modelli di Anthropic non sono disponibili direttamente. Un proxy avrebbe gestito oltre 20.000 account contemporaneamente, mescolando quello che Anthropic chiama traffico di distillazione con le normali richieste dei clienti per non farsi scoprire.

Questa parte del report è quella supportata dalle prove più solide. Diverse fonti indipendenti confermano che servizi proxy cinesi che offrono accesso scontato a Claude operano da mesi. Questi servizi usano architetture di account distribuite per spalmare il traffico su molti account e indirizzi IP.

I numeri nel loro contesto

I numeri pubblicati da Anthropic meritano un esame attento. Per capire se 16 milioni di scambi rappresentino un'enorme operazione di estrazione o un uso di routine, il contesto conta.

Cosa conta come "scambio"

Uno scambio non equivale a un messaggio dell'utente. Ogni volta che un modello risponde, comprese chiamate agli strumenti, risultati di ricerca e operazioni dell'agente in più passaggi, quello conta come uno scambio separato. Una sola richiesta a un agente AI di programmazione può generare facilmente 10-50 scambi, mentre il modello legge file, cerca nel codice e apporta modifiche.

Un confronto di scala

Per dare una prospettiva, anche un'applicazione AI di popolarità media può generare milioni di scambi al mese. Una piattaforma di chat con un traffico modesto può gestire senza problemi 100.000-160.000 scambi al giorno. Significa che l'intera presunta campagna di DeepSeek, 150.000 scambi, equivale a un solo giorno di traffico di un'app di chat AI di medie dimensioni.

Per quanto riguarda i benchmark, eseguire un benchmark standard come SWE-Bench (2.294 compiti di programmazione) con una media di 50 chiamate agli strumenti per compito genera circa 115.000 scambi in una sola esecuzione. Qualche ciclo di messa a punto sui benchmark potrebbe produrre facilmente 150.000 scambi.

Il caso MiniMax

MiniMax gestiva un prodotto con agente rivolto ai consumatori che offriva diversi modelli AI tra cui scegliere, compreso Claude. Un prodotto con utenti attivi che svolgono ricerche approfondite e attività agentiche potrebbe generare 13 milioni di scambi con un normale uso commerciale. Il report di Anthropic nota che la campagna è stata rilevata prima che MiniMax rilasciasse un nuovo modello e che MiniMax ha spostato il traffico sulle nuove versioni di Claude entro 24 ore, ma questo comportamento corrisponde anche ai normali schemi d'uso di un prodotto, in cui gli utenti passano all'ultimo modello disponibile.

Perché i modelli Claude sono un bersaglio unico

C'è un dettaglio tecnico che rende i modelli di Anthropic particolarmente preziosi per la distillazione rispetto agli altri laboratori di frontiera:

Anthropic è l'unico grande laboratorio che non nasconde né offusca le tracce di ragionamento dei suoi modelli. Quando Claude ragiona su un problema, puoi vedere ogni passaggio del processo. È stata una scelta deliberata a favore degli sviluppatori: aiuta chi costruisce a fare il debug dei prompt, orientare il comportamento del modello e capire perché il modello ha fatto certe scelte.

Ma significa anche che gli output di Claude contengono più dati utili per l'addestramento di qualsiasi altro modello di frontiera. Se hai l'intera catena di ragionamento (non solo la risposta finale), quei dati sono molto più utili per addestrare un altro modello a ragionare in modo simile.

Il dibattito nel settore

La reazione della community AI al report di Anthropic è stata nettamente divisa.

La posizione scettica

I critici sottolineano questi punti:

• I numeri sono piccoli. 150.000 scambi per DeepSeek si raggiungono senza sforzo con normali attività di benchmarking e valutazione
• Esistono casi d'uso legittimi. MiniMax aveva un prodotto che usava Claude a livello commerciale. Moonshot e DeepSeek devono confrontarsi con i concorrenti nei benchmark
• Un copione già visto. Anthropic ha già sollevato accuse simili contro WindSurf, xAI e OpenAI, accuse contestate o mai verificate
• Prove vaghe. Il "prompt di esempio" pubblicato somiglia molto ai normali system prompt di ricerca e analisi usati nei prodotti commerciali
• Nessuna verifica di terze parti. Anthropic non ha condiviso le prove grezze con revisori indipendenti

La posizione favorevole

Chi difende la posizione di Anthropic sostiene che:

• Scala e coordinamento contano. Anche se i singoli scambi sono innocui, campagne coordinate su migliaia di account fanno pensare a un intento che va oltre il normale utilizzo
• I termini di servizio sono chiari. Usare gli output del modello per addestrare modelli concorrenti viola i termini di servizio di Anthropic, a prescindere dal volume
• L'infrastruttura di proxy è reale. L'attività di rivendita tramite proxy è confermata in modo indipendente da più fonti
• La questione della sicurezza nazionale. I modelli addestrati tramite distillazione potrebbero non avere le protezioni di sicurezza presenti nell'originale

La questione dei modelli open-weight

Il report di Anthropic contiene un'affermazione controversa: se i modelli distillati vengono resi open source, i rischi si moltiplicano perché le capacità si diffondono oltre il controllo di qualsiasi singolo governo. Molti l'hanno letta come una presa di posizione contro i modelli AI open-weight, una posizione notevole se si considera che Anthropic è l'unico grande laboratorio a non aver rilasciato nessun modello open-weight. OpenAI ha rilasciato GPT-4o mini, Google ha la serie Gemma, Meta ha Llama e tutti i principali laboratori cinesi pubblicano regolarmente modelli open-weight.

Il quadro generale: dove sta il confine

Il dibattito sulla distillazione solleva domande di fondo su dati, addestramento e concorrenza nell'AI:

Queste domande non hanno ancora risposte chiare e il settore non ha standard condivisi. Ogni laboratorio traccia il confine in modo diverso, spesso in modi che favoriscono la propria posizione competitiva.

Cosa significa per chi usa l'AI e OpenClaw

Indipendentemente dal fatto che le accuse specifiche di Anthropic siano fondate, questa vicenda mostra perché la diversità dei modelli conta:

• L'accesso alle API non è garantito. I laboratori possono escludere, e lo fanno, concorrenti, regioni e perfino singole aziende dall'accesso ai loro modelli
• I termini di servizio cambiano. Ciò che è consentito oggi potrebbe non esserlo domani
• Il routing dei modelli è strategico. Distribuire i carichi di lavoro su più modelli riduce la dipendenza da un singolo fornitore
• I modelli open-weight sono un'assicurazione. I modelli che puoi far girare in locale non possono essere revocati

Per chi usa OpenClaw, la strategia migliore resta la stessa: configura il routing dei modelli per usare il modello migliore per ogni compito, mantenendo dei fallback. Se un fornitore limita l'accesso o cambia i termini, i tuoi flussi di lavoro proseguono con modelli alternativi.

Consigli pratici

Domande frequenti

Cos'è un attacco di distillazione nell'AI?

Un attacco di distillazione, secondo la definizione di Anthropic, avviene quando un concorrente interroga in modo sistematico un modello AI di frontiera per raccoglierne gli output e usa quei dati per addestrare i propri modelli. Il termine è stato coniato da Anthropic per questo report. La distillazione tradizionale è una tecnica standard di machine learning usata da tutti i principali laboratori per ricavare modelli più piccoli da quelli più grandi.

DeepSeek ha rubato ad Anthropic?

Anthropic sostiene che DeepSeek abbia effettuato circa 150.000 scambi mirati alle capacità di ragionamento. DeepSeek non ha risposto pubblicamente. Le prove non sono state verificate in modo indipendente e i critici fanno notare che il volume è compatibile con una normale attività di benchmarking.

Perché è importante per chi usa i modelli AI?

Il dibattito sulla distillazione potrebbe portare a policy di accesso alle API più rigide, a blocchi degli account più aggressivi e a possibili interventi normativi. Ricorda quanto sia importante non dipendere da un solo fornitore AI e mantenere l'accesso a più modelli, comprese le alternative open-weight.

I modelli AI open-weight sono a rischio?

Il report di Anthropic suggerisce che i modelli distillati resi open source moltiplichino i rischi per la sicurezza. È una posizione controversa. I modelli open-weight di Meta (Llama), Google (Gemma), Alibaba (Qwen) e DeepSeek restano ampiamente disponibili e sono una colonna portante dell'ecosistema AI per sviluppatori e ricercatori.

Che differenza c'è tra distillazione e benchmarking?

Il benchmarking consiste nell'eseguire test standardizzati su un modello per misurarne le prestazioni. La distillazione consiste nel raccogliere gli output di un modello per usarli come dati di addestramento. Il confine tra le due è sfumato: entrambe richiedono di inviare molte query e raccogliere le risposte. Anthropic le distingue in base a intento e scala.

Che impatto ha su chi usa OpenClaw?

OpenClaw supporta più modelli AI di fornitori diversi. Se un fornitore limita l'accesso o cambia le sue policy, puoi indirizzare le attività verso modelli alternativi. Questa vicenda conferma il valore dei framework per agenti indipendenti dal modello.

Quali laboratori AI cinesi ha nominato Anthropic nel suo report?

Il report di Anthropic nomina tre laboratori: DeepSeek, Moonshot (che produce Kimi) e MiniMax. DeepSeek è accusata di circa 150.000 scambi mirati al ragionamento; Moonshot di circa 3,4 milioni di scambi mirati all'uso del computer e degli strumenti; MiniMax di circa 13 milioni di scambi mirati alla programmazione agentica e all'orchestrazione. Insieme, le tre campagne valgono circa 16 milioni di scambi attraverso circa 24.000 account.

Come dice di aver rilevato le campagne Anthropic?

Anthropic indica quattro segnali: la correlazione degli indirizzi IP con infrastrutture note dei laboratori, gli schemi nei metadati delle richieste, l'infrastruttura condivisa di proxy e cluster e le conferme di altre aziende che hanno osservato gli stessi account. L'azienda parla di un'attribuzione ad alto grado di certezza, ma non ha condiviso le prove grezze con revisori indipendenti.

Perché Claude è più esposto alla distillazione rispetto ad altri modelli?

Anthropic è l'unico grande laboratorio che mostra l'intera catena di ragionamento del modello invece di nasconderla o riassumerla. OpenAI e xAI offuscano le tracce di ragionamento e Google le fa riassumere da un modello separato, quindi l'output completo e passo passo di Claude è più utile per addestrare un altro modello a ragionare allo stesso modo.

Anthropic ha già accusato altre aziende di distillazione?

Anthropic ha già sollevato accuse simili, contro WindSurf, xAI e OpenAI, anche se quelle accuse sono state contestate o mai verificate in modo indipendente. La stessa OpenAI aveva accusato DeepSeek di un comportamento simile all'inizio del 2025, all'uscita di R1.

Conclusione

Il report di Anthropic sulla distillazione è finora l'accusa pubblica più dettagliata di estrazione di modelli tra laboratori. Che le accuse siano pienamente fondate o mosse da motivi strategici, mettono in luce tensioni reali nel settore AI su dati, concorrenza e limiti del fair use. L'infrastruttura di rivendita tramite proxy sembra autentica, ma l'attribuzione a laboratori specifici non è stata verificata da terze parti.

Per chi usa e costruisce con l'AI, la lezione è chiara: diversifica l'accesso ai modelli, mantieni dei fallback open-weight e non costruire flussi di lavoro critici su un solo fornitore.

Configura il routing dei modelli su OpenClaw -- resta resiliente comunque cambi il panorama AI. Potenzia il tuo agente con le migliori skill di ClawHub del 2026: le skill più popolari di ClawHub dall'elenco delle skill OpenClaw su ClawHub mantengono attivi i tuoi flussi di lavoro qualunque siano i modelli disponibili.

Fonti: report ufficiale di Anthropic (febbraio 2026), analisi di settore, LM Council, discussioni della community (febbraio 2026).