TL;DR, kort antwoord
10 min leestijdAnthropic beschuldigde drie Chinese AI-labs - DeepSeek, Moonshot (Kimi) en MiniMax - van "distillatieaanvallen" op Claude-modellen met 24.000 frauduleuze accounts en 16 miljoen exchanges. Distillatie betekent dat je de output van een sterk model gebruikt om een zwakker model te trainen. De beschuldigingen leidden tot een groot debat in de sector over waar legitiem benchmarken ophoudt en ongeoorloofd trainen begint. Voor OpenClaw-gebruikers blijven modeldiversiteit en routing de beste strategie, hoe dit ook afloopt.
De grootste AI-controverse van februari 2026 begon met het rapport over distillatieaanvallen van Anthropic, waarin drie Chinese labs - DeepSeek, Moonshot (de makers van Kimi) en MiniMax - publiekelijk werden beschuldigd van het stelselmatig onttrekken van vaardigheden aan Claude-modellen om hun eigen modellen te trainen. Volgens het rapport genereerden ongeveer 24.000 frauduleuze accounts meer dan 16 miljoen exchanges, gericht op de waardevolste vaardigheden van Claude: agentisch redeneren, toolgebruik en programmeren.
Het is niet de eerste keer dat een Amerikaans lab concurrenten beschuldigt van het gebruik van zijn output voor training. OpenAI deed vergelijkbare beweringen over DeepSeek toen R1 begin 2025 uitkwam. Maar het rapport van Anthropic is de meest gedetailleerde en specifieke beschuldiging tot nu toe, met namen van labs en exacte cijfers.
Belangrijkste les: of de beweringen nu standhouden of niet, dit debat legt een echte spanning in de AI-sector bloot - de grens tussen legitieme modelevaluatie en ongeoorloofd onttrekken van vaardigheden is vaag, en elk lab trekt hem anders.
Direct naar: Wat is distillatie | Wat Anthropic beweert | De cijfers | Waarom Claude een doelwit is | Het debat in de sector | Wat het betekent voor gebruikers | Veelgestelde vragen
Wat is distillatie van AI-modellen
Distillatie betekent in de AI-wereld dat je de kernvaardigheden van een krachtig model onttrekt en die output gebruikt om een kleiner of goedkoper model zich vergelijkbaar te laten gedragen. De term komt van het idee om de essentiële waarde uit iets te distilleren - het goud van het zand scheiden.
Zo werkt het in de praktijk:
| Stap | Wat er gebeurt |
|---|---|
| 1. Vragen genereren | Duizenden zorgvuldig opgestelde prompts naar een topmodel sturen |
| 2. Output verzamelen | De antwoorden van het model verzamelen, inclusief de redeneersporen |
| 3. Dataset maken | Paren van input en output ordenen tot trainingsdata |
| 4. Model trainen | Met die data een kleiner model finetunen om het topmodel na te bootsen |
Anthropic erkent zelf dat distillatie volkomen legitiem kan zijn. Labs gebruiken het regelmatig om kleinere, goedkopere modellen voor hun eigen klanten te maken. Het onderscheid dat Anthropic maakt, is dat tussen interne distillatie (de output van je eigen model gebruiken) en externe distillatie (de output van het model van een concurrent gebruiken om je eigen model te trainen).
Belangrijk: distillatie kan geen model opleveren dat slimmer is dan de bron. Het kan een zwakker model alleen dichter bij het niveau van het topmodel brengen. Zie het als een plafond, niet als een ladder.
Waarom distillatie omstreden werd
Het debat over distillatie begon toen OpenAI DeepSeek ervan beschuldigde output van het O1-model te gebruiken om DeepSeek R1 te trainen. O1 was het eerste redeneermodel van OpenAI - het eerste dat "nadacht" voordat het antwoordde door problemen stap voor stap uit te werken. OpenAI was zo bang dat concurrenten dit zouden kopiëren, dat het de redeneersporen van O1 volledig voor gebruikers verborg.
DeepSeek R1 had daarentegen open gewichten en liet zijn volledige redeneerketen zien. Die transparantie maakte R1 enorm populair bij developers - maar weerhield OpenAI er niet van te beweren dat zijn modellen voor de training waren gebruikt.
Wat Anthropic beweert
Het rapport van Anthropic uit februari 2026 noemt drie Chinese AI-labs en geeft voor elk specifieke cijfers:
| Lab | Bekend van | Exchanges | Beoogde vaardigheden |
|---|---|---|---|
| DeepSeek | DeepSeek R1, V4 | ~150.000 | Redeneren, beoordelen op basis van rubrics, censuurveilige alternatieven |
| Moonshot | Kimi-modellen | ~3,4 miljoen | Computer vision, computergebruik, toolgebruik |
| MiniMax | MiniMax-modellen | ~13 miljoen | Agentisch programmeren, toolgebruik, orkestratie |
Het totaal over alle campagnes: ongeveer 16 miljoen exchanges via zo'n 24.000 accounts die Anthropic als frauduleus omschrijft.
Detectiemethoden
Anthropic claimt een betrouwbare toeschrijving op basis van:
- Correlatie van IP-adressen - accounts koppelen aan bekende infrastructuur van labs
- Metadata van verzoeken - patronen in API-gebruik die passen bij het gedrag van labs
- Infrastructuurkenmerken - gedeelde proxy- en clusterarchitecturen
- Bevestiging uit de sector - andere bedrijven die dezelfde partijen zagen

Het proxyprobleem
Anthropic beschrijft ook commerciële proxydiensten die op grote schaal toegang tot Claude doorverkopen, vooral aan gebruikers in China, waar de modellen van Anthropic niet rechtstreeks beschikbaar zijn. Eén proxy zou tegelijk meer dan 20.000 accounts hebben beheerd en wat Anthropic distillatieverkeer noemt hebben gemengd met gewone klantverzoeken om detectie te ontlopen.
ClawOneClick
Begin GRATIS
Elk AI-model
4+ kanalen
Eigen skills
Voor dit deel van het rapport is het bewijs het sterkst. Meerdere onafhankelijke bronnen bevestigen dat Chinese proxydiensten die goedkopere toegang tot Claude aanbieden al maanden actief zijn. Deze diensten gebruiken gespreide accountstructuren om verkeer over veel accounts en IP-adressen te verdelen.
De cijfers in context
De cijfers die Anthropic publiceerde, verdienen een kritische blik. Om te begrijpen of 16 miljoen exchanges een enorme onttrekkingsoperatie of gewoon gebruik zijn, is context belangrijk.
Wat telt als een "exchange"
Een exchange is niet hetzelfde als een bericht van een gebruiker. Elke keer dat een model antwoordt - inclusief toolcalls, zoekresultaten en agentstappen - telt dat als een aparte exchange. Eén verzoek aan een AI-programmeeragent kan makkelijk 10-50 exchanges opleveren terwijl het model bestanden leest, code doorzoekt en wijzigingen maakt.
| Scenario | Acties van de gebruiker | Werkelijke exchanges |
|---|---|---|
| Simpele chatvraag | 1 bericht | 1 exchange |
| Chat met zoeken op het web | 1 bericht | 3-4 exchanges |
| Taak voor programmeeragent | 1 prompt | 10-50 exchanges |
| Diepgaande onderzoekstaak | 1 verzoek | 30-100 exchanges |
Schaal vergeleken
Ter vergelijking: zelfs een matig populaire AI-applicatie kan miljoenen exchanges per maand genereren. Een chatplatform met bescheiden verkeer verwerkt makkelijk 100.000-160.000 exchanges per dag. De hele vermeende campagne van DeepSeek met 150.000 exchanges staat dus gelijk aan één dag verkeer van een middelgrote AI-chatapplicatie.
Voor benchmarktests in het bijzonder: een standaardbenchmark als SWE-Bench (2.294 programmeertaken) met gemiddeld 50 toolcalls per taak levert in één run ongeveer 115.000 exchanges op. Een paar rondes benchmarkafstemming kunnen dus makkelijk 150.000 exchanges opleveren.
Context bij MiniMax
MiniMax had een agentproduct voor consumenten dat meerdere AI-modellen als optie aanbood, waaronder Claude. Een product met actieve gebruikers die diepgaand onderzoek en agentische taken doen, kan via normaal commercieel gebruik 13 miljoen exchanges genereren. Het rapport van Anthropic vermeldt dat de campagne werd ontdekt voordat MiniMax een nieuw model uitbracht, en dat MiniMax het verkeer binnen 24 uur naar nieuwe Claude-versies verlegde - maar dat gedrag past ook bij normaal productgebruik, waarbij gebruikers overstappen naar het nieuwste beschikbare model.
Waarom Claude-modellen een uniek doelwit zijn
Er is één technisch detail dat de modellen van Anthropic uitzonderlijk waardevol maakt voor distillatie, vergeleken met andere toplabs:
| Lab | Redeneersporen | Gevolg |
|---|---|---|
| OpenAI | Verborgen/versluierd | Echte redeneerstappen niet zichtbaar |
| Samengevat door een apart model | Redenering is geparafraseerd, niet origineel | |
| xAI | Versluierd | Vergelijkbaar met de aanpak van OpenAI |
| Anthropic | Volledig zichtbaar | Complete redeneerketen beschikbaar |
Anthropic is het enige grote lab dat de redeneersporen van zijn modellen niet verbergt of versluiert. Als Claude een probleem doordenkt, zie je elke stap van het redeneerproces. Dat was een bewuste keuze in het voordeel van developers - het helpt bouwers prompts te debuggen, modelgedrag bij te sturen en te begrijpen waarom een model bepaalde keuzes maakte.
Maar het betekent ook dat de output van Claude meer waardevolle trainingsdata bevat dan die van enig ander topmodel. Als je de volledige redeneerketen hebt (niet alleen het eindantwoord), is die data veel nuttiger om een ander model op dezelfde manier te leren redeneren.
Het debat in de sector
De reacties uit de AI-gemeenschap op het rapport van Anthropic zijn sterk verdeeld.
De sceptische kijk
Critici wijzen op deze punten:
- De cijfers zijn klein. 150.000 exchanges voor DeepSeek haal je moeiteloos met normaal benchmarken en evalueren
- Er zijn legitieme toepassingen. MiniMax had een product dat Claude commercieel gebruikte. Moonshot en DeepSeek moeten zich met concurrenten kunnen vergelijken
- Een patroon van beschuldigingen. Anthropic deed eerder vergelijkbare beweringen over WindSurf, xAI en OpenAI - beweringen die werden betwist of niet bevestigd
- Vaag bewijs. De gepubliceerde "voorbeeldprompt" lijkt sterk op standaard systeemprompts voor onderzoek en analyse uit commerciële producten
- Geen controle door derden. Anthropic heeft geen ruw bewijs gedeeld met onafhankelijke auditors
De steunende kijk
Wie het standpunt van Anthropic verdedigt, stelt:
- Schaal en coördinatie tellen. Ook als losse exchanges onschuldig zijn, wijzen gecoördineerde campagnes over duizenden accounts op een bedoeling die verder gaat dan normaal gebruik
- De gebruiksvoorwaarden zijn duidelijk. Output van modellen gebruiken om concurrerende modellen te trainen schendt de voorwaarden van Anthropic, ongeacht het volume
- De proxy-infrastructuur is echt. De doorverkoop via proxy's wordt door meerdere bronnen onafhankelijk bevestigd
- Nationale veiligheid. Modellen die via distillatie zijn getraind, missen mogelijk de veiligheidsmaatregelen van het origineel
De vraag over open gewichten
Het rapport van Anthropic bevat een omstreden uitspraak: als gedistilleerde modellen open source worden, vermenigvuldigen de risico's zich, omdat vaardigheden zich verspreiden buiten de controle van welke regering dan ook. Velen lezen dit als een stap tegen AI-modellen met open gewichten - opvallend, want Anthropic is het enige grote lab dat nog geen enkel model met open gewichten heeft uitgebracht. OpenAI bracht GPT-4o mini uit, Google heeft de Gemma-serie, Meta heeft Llama en alle grote Chinese labs publiceren regelmatig modellen met open gewichten.
Het grotere geheel - waar ligt de grens
Het debat over distillatie roept fundamentele vragen op over data, training en concurrentie in AI:
| Vraag | Waarom het ertoe doet |
|---|---|
| Is trainen op door Claude gegenereerde code uit openbare GitHub-repo's distillatie? | Er staat enorm veel door Claude geschreven code in openbare repositories |
| Is het delen van Claude-output op internet een overtreding? | Elk openbaar Claude-gesprek kan trainingsdata worden |
| Waar houdt benchmarken op en begint distillatie? | Labs moeten concurrenten evalueren om hun eigen modellen te verbeteren |
| Hoeveel abstractie maakt data "schoon"? | Vanaf wanneer is de output van een model niet meer herleidbaar? |
Op deze vragen is nog geen duidelijk antwoord, en de sector heeft geen afgesproken normen. Elk lab trekt de grens anders - vaak op een manier die de eigen concurrentiepositie dient.
ClawOneClick
Begin GRATIS
Elk AI-model
4+ kanalen
Eigen skills
Wat dit betekent voor AI-gebruikers en OpenClaw
Of de specifieke beweringen van Anthropic nu kloppen of niet, deze situatie laat zien waarom modeldiversiteit belangrijk is:
- API-toegang is niet gegarandeerd. Labs kunnen concurrenten, regio's en zelfs individuele bedrijven de toegang tot hun modellen ontzeggen, en doen dat ook
- Gebruiksvoorwaarden veranderen. Wat vandaag mag, mag morgen misschien niet meer
- Modelrouting is strategisch. Werk verdelen over meerdere modellen maakt je minder afhankelijk van één aanbieder
- Modellen met open gewichten zijn een verzekering. Modellen die je lokaal draait, kunnen je niet worden afgenomen
Voor OpenClaw-gebruikers blijft de beste strategie hetzelfde: stel modelrouting zo in dat elke taak het beste model krijgt, met terugvalopties. Beperkt een aanbieder de toegang of verandert hij de voorwaarden, dan lopen je workflows door met andere modellen.

Praktische aanbevelingen
| Actie | Waarom |
|---|---|
| Gebruik modelrouting over meerdere aanbieders | Minder afhankelijk van één aanbieder |
| Houd modellen met open gewichten als terugvaloptie | Kunnen niet worden ingetrokken of beperkt |
| Volg de gebruiksvoorwaarden van aanbieders | Beleid verandert in 2026 vaak |
| Spreid over Amerikaanse, Europese en Chinese modellen | Geografische beleidsrisico's raken de beschikbaarheid |
Veelgestelde vragen
Wat is een distillatieaanval in AI?
Een distillatieaanval is volgens Anthropic wanneer een concurrent stelselmatig vragen stelt aan een AI-topmodel om output te verzamelen en die data gebruikt om eigen modellen te trainen. Anthropic bedacht de term voor dit rapport. Gewone distillatie is een standaardtechniek in machine learning die alle grote labs gebruiken om kleinere modellen van grotere te maken.
Heeft DeepSeek van Anthropic gestolen?
Anthropic beweert dat DeepSeek ongeveer 150.000 exchanges uitvoerde, gericht op redeneervaardigheden. DeepSeek heeft niet publiekelijk gereageerd. Het bewijs is niet onafhankelijk gecontroleerd, en critici merken op dat het volume past bij normaal benchmarken.
Waarom is dit belangrijk voor gebruikers van AI-modellen?
Het debat over distillatie kan leiden tot strenger API-toegangsbeleid, agressievere blokkades van accounts en mogelijk optreden van toezichthouders. Het laat zien hoe belangrijk het is om niet op één AI-aanbieder te leunen en toegang te houden tot meerdere modellen, inclusief alternatieven met open gewichten.
Lopen AI-modellen met open gewichten gevaar?
Het rapport van Anthropic suggereert dat gedistilleerde modellen die open source worden de veiligheidsrisico's vermenigvuldigen. Dat standpunt is omstreden. Modellen met open gewichten van Meta (Llama), Google (Gemma), Alibaba (Qwen) en DeepSeek blijven breed beschikbaar en vormen een hoeksteen van het AI-ecosysteem voor developers en onderzoekers.
Wat is het verschil tussen distillatie en benchmarken?
Bij benchmarken voer je gestandaardiseerde tests uit op een model om zijn prestaties te meten. Bij distillatie verzamel je de output van een model om als trainingsdata te gebruiken. De grens is vaag - voor allebei stuur je veel vragen en verzamel je antwoorden. Anthropic maakt het onderscheid op basis van bedoeling en schaal.
Wat betekent dit voor OpenClaw-gebruikers?
OpenClaw ondersteunt meerdere AI-modellen van verschillende aanbieders. Beperkt een aanbieder de toegang of verandert hij zijn beleid, dan kunnen gebruikers taken naar andere modellen sturen. Deze situatie onderstreept de waarde van agentframeworks die niet aan één model vastzitten.
Welke Chinese AI-labs noemde Anthropic in het rapport?
Het rapport van Anthropic noemt drie labs: DeepSeek, Moonshot (de maker van Kimi) en MiniMax. DeepSeek wordt beschuldigd van ongeveer 150.000 exchanges gericht op redeneren; Moonshot van ongeveer 3,4 miljoen exchanges gericht op computergebruik en toolgebruik; en MiniMax van ongeveer 13 miljoen exchanges gericht op agentisch programmeren en orkestratie. Samen gaat het om zo'n 16 miljoen exchanges via ongeveer 24.000 accounts.
Hoe zegt Anthropic de campagnes te hebben ontdekt?
Anthropic wijst op vier signalen: correlatie van IP-adressen met bekende infrastructuur van labs, patronen in metadata van verzoeken, gedeelde proxy- en clusterinfrastructuur, en bevestiging van andere bedrijven die dezelfde accounts zagen. Het bedrijf noemt dit een betrouwbare toeschrijving, al heeft het het ruwe bewijs niet met onafhankelijke auditors gedeeld.
Waarom is Claude kwetsbaarder voor distillatie dan andere modellen?
Anthropic is het enige grote lab dat de volledige redeneerketen van het model laat zien in plaats van die te verbergen of samen te vatten. OpenAI en xAI versluieren redeneersporen en bij Google vat een apart model ze samen, dus de complete stapsgewijze output van Claude is nuttiger om een ander model op dezelfde manier te leren redeneren.
Heeft Anthropic eerder andere bedrijven van distillatie beschuldigd?
Anthropic heeft eerder vergelijkbare beschuldigingen geuit, tegen WindSurf, xAI en OpenAI, al werden die betwist of nooit onafhankelijk bevestigd. OpenAI beschuldigde DeepSeek zelf begin 2025, toen R1 uitkwam, van vergelijkbaar gedrag.
Conclusie
Het distillatierapport van Anthropic is de meest gedetailleerde openbare beschuldiging van het onttrekken van modellen tussen labs tot nu toe. Of de beweringen nu volledig onderbouwd zijn of strategisch gemotiveerd, ze leggen echte spanningen in de AI-sector bloot rond data, concurrentie en de grenzen van redelijk gebruik. De doorverkoop via proxy's lijkt echt, maar de toeschrijving aan specifieke labs is niet door derden bevestigd.
Voor AI-gebruikers en bouwers is de les duidelijk: spreid je toegang tot modellen, houd terugvalopties met open gewichten en bouw kritieke workflows niet op één aanbieder.
ClawOneClick
Begin GRATIS
Elk AI-model
4+ kanalen
Eigen skills
Stel modelrouting in op OpenClaw -- blijf weerbaar, hoe het AI-landschap ook verschuift. Breid je agent uit met de ClawHub-topskills van 2026: de populaire ClawHub-skills uit de OpenClaw ClawHub-skillslijst houden je workflows draaiende, welke modellen er ook beschikbaar zijn.
Bronnen: officieel rapport van Anthropic (februari 2026), analyses uit de sector, LM Council, discussies in de community (februari 2026).
Was dit artikel nuttig?
Laat ons weten wat je ervan vindt!
Zie ons vaker in Google
Met één klik markeer je ClawOneClick als voorkeursbron, zodat onze artikelen hoger staan in je Topverhalen, AI-modus en AI-overzichten.
Voordat je gaat...
ClawOneClick
Zet je AI-assistent in enkele minuten op
Kies je model, koppel je kanaal en ga live met ClawOneClick.
Elk AI-model
4+ kanalen
Eigen skills
Gerelateerde artikelen


De nieuwste AI-modellen van 2026 vergeleken
Benchmarks en prijzen van de nieuwste AI-modellen uit februari 2026: GPT-5.3-Codex, Claude Opus 4.6, Gemini 3.1 Pro, Grok 4.20 en nog drie, gerangschikt.


OpenAI haalt de maker van OpenClaw binnen: Peter Steinberger gaat AI-agents bouwen
Achter de acqui-hire van OpenClaw door OpenAI: waarom Peter Steinberger overstapte, wat er met de open-sourcestichting gebeurt en wat zelfhosters kunnen verwachten.


AI-assistenten vergeleken: zo kies je in 2026 het juiste model
Een op data gebaseerde blik op het kiezen van een AI-model voor je assistent in 2026: Grok, Claude, GPT, Kimi, Qwen en GLM vergeleken op benchmarks, prijs, latency en context.

