Por Canuto  

Moonshot AI y DeepSeek lanzaron nuevos modelos que, según reportes, habrían aprovechado respuestas de GPT-6 Astra para su desarrollo. El caso reabre el debate sobre la destilación de modelos y plantea interrogantes para dos laboratorios chinos que buscan competir con sistemas estadounidenses.
***

  • DeepSeek presentó DeepSeek-V4.1-Flash-1017 el 17 de octubre y Moonshot lanzó Kimi K3.1 Pro seis días después.
  • Kimi obtuvo una puntuación de 55 y quedó cuarto en el Artificial Analysis Intelligence Index; también superó a GPT-6 Astra en algunas pruebas agénticas.
  • Las acusaciones de destilación podrían complicar la valoración de Moonshot y atraer más escrutinio sobre la estrategia de bajo costo de DeepSeek.

Los reportes sobre el uso de respuestas de GPT-6 Astra para entrenar modelos de Moonshot AI y DeepSeek reavivan el debate sobre la destilación y la competencia entre laboratorios de inteligencia artificial.

Moonshot y DeepSeek enfrentan preguntas por el supuesto uso de respuestas de OpenAI

Dos laboratorios chinos de inteligencia artificial presentaron modelos nuevos durante octubre, con resultados que los colocan entre los competidores más visibles de los sistemas estadounidenses. Sin embargo, un reporte de CryptoBriefing sostiene que Moonshot AI y DeepSeek habrían utilizado respuestas de GPT-6 Astra, el modelo de OpenAI, como apoyo para desarrollar sus lanzamientos más recientes.

La información no demuestra por sí sola que los laboratorios hayan recurrido a una práctica indebida, pero pone de nuevo bajo la lupa el origen de los datos y las señales de entrenamiento de los modelos. La cuestión importa porque los resultados de un sistema pueden alimentar el aprendizaje de otro, y porque la diferencia entre una técnica legítima de transferencia y una extracción no autorizada sigue siendo un punto de fricción en la industria.

Dos lanzamientos con ambiciones distintas

DeepSeek abrió la secuencia el 17 de octubre con DeepSeek-V4.1-Flash-1017, una actualización enfocada en mejorar el desempeño en tareas y la codificación agéntica. En este tipo de programación, el modelo no se limita a sugerir fragmentos de código: puede organizar y ejecutar una serie de pasos con menos supervisión humana, una capacidad que amplía el rango de tareas que intenta resolver.

El nuevo modelo conserva dos rasgos asociados con la propuesta de DeepSeek: los pesos abiertos y un costo bajo. La disponibilidad de los pesos permite que otros usuarios y desarrolladores trabajen con el modelo de maneras distintas a las de un sistema cerrado, mientras que el énfasis en el precio busca mantener una alternativa accesible en un sector donde entrenar y operar modelos avanzados puede resultar costoso.

Moonshot AI presentó Kimi K3.1 Pro el 23 de octubre, apenas unos meses después de su antecesor, según la información publicada. El sistema cuenta con aproximadamente 2,8 billones de parámetros, los valores internos que se ajustan durante el entrenamiento y que ayudan al modelo a identificar patrones; una cifra elevada, aunque por sí sola no determina la calidad de sus respuestas.

En el Artificial Analysis Intelligence Index, Kimi K3.1 Pro obtuvo 55 puntos y ocupó el cuarto lugar de la clasificación general. También superó a GPT-6 Astra en algunas evaluaciones de capacidades agénticas, entre ellas Terminal-Bench 4.0, un resultado que destaca porque el reporte atribuye a Astra un posible papel como tutor de entrenamiento para el modelo de Moonshot.

Qué significa destilar un modelo

La técnica señalada en el reporte se conoce como destilación. En términos generales, un equipo puede enviar muchos prompts a un modelo potente, recopilar sus respuestas y utilizar ese material para entrenar otro sistema; así, el segundo puede aprender patrones de respuesta sin que sus desarrolladores reproduzcan exactamente el mismo proceso de entrenamiento del primero.

La analogía habitual es la de un aprendiz que prueba repetidamente los platos de un chef y luego intenta reproducir sus sabores sin conocer la receta. En inteligencia artificial, el proceso puede transferir parte de las capacidades observables de un modelo a otro y reducir el costo de desarrollo, aunque el alcance de esa transferencia depende de cómo se obtuvieron y utilizaron las respuestas.

Por eso, hablar de destilación no basta para concluir que hubo una infracción. La controversia aparece cuando el acceso a las respuestas se consigue mediante métodos no autorizados o cuando un laboratorio extrae resultados de un sistema rival a gran escala, en vez de recurrir a una transferencia realizada bajo condiciones permitidas.

El debate ya había surgido en febrero de 2026, cuando Anthropic acusó a Moonshot y DeepSeek de realizar ataques de destilación contra sus modelos Claude. Según esa acusación, los laboratorios habrían usado cuentas fraudulentas para extraer respuestas; se trata de un señalamiento atribuido a Anthropic, no de una conclusión que el reporte sobre GPT-6 Astra presente como probada.

Resultados destacados y dudas para los inversores

El desempeño de Kimi K3.1 Pro ofrece a Moonshot un argumento visible para presentarse como alternativa a los modelos cerrados de Estados Unidos. Su cuarto puesto en el índice y sus resultados en ciertas pruebas agénticas respaldan esa propuesta dentro de los parámetros evaluados, aunque ningún benchmark, por sí solo, explica cómo se entrenó un modelo ni garantiza que mantenga su posición en otros usos.

La situación también tiene una dimensión financiera. El reporte señala que la valoración de Moonshot AI rondaba los USD $50.000 millones para octubre de 2026, antes de una oferta pública inicial planeada en Hong Kong, mientras que DeepSeek habría recibido valoraciones aún más altas en rondas de financiación recientes, sin que se indique una cifra concreta.

Para una compañía que contempla salir a bolsa, las preguntas sobre sus prácticas de entrenamiento pueden convertirse en parte del escrutinio de potenciales accionistas. No se trata únicamente de medir la puntuación de un modelo, sino de evaluar si la ventaja tecnológica que respalda una valoración puede sostenerse y si su desarrollo depende de recursos o métodos cuestionados.

DeepSeek también enfrenta una tensión particular: su perfil de bajo costo y pesos abiertos forma parte de su propuesta competitiva, pero el debate sobre el origen de las señales de entrenamiento podría desplazar la conversación desde la eficiencia hacia la procedencia de sus capacidades. El reporte no afirma que esa estrategia haya quedado invalidada; plantea que las dudas podrían atraer más atención sobre cómo se construyeron los modelos.

La respuesta de OpenAI podría cambiar el debate

Por ahora, el reporte describe el uso de las respuestas de GPT-6 Astra como una posibilidad atribuida a ambos laboratorios, no como un hecho confirmado públicamente por OpenAI. La diferencia es importante: sin una declaración de la empresa o evidencia adicional, no corresponde presentar la acusación como una conclusión definitiva sobre la conducta de Moonshot o DeepSeek.

La respuesta de OpenAI es uno de los elementos que habrá que observar, según el análisis. Anthropic decidió hacer públicas acusaciones similares contra Moonshot y DeepSeek en relación con Claude, pero el material sobre GPT-6 Astra no informa que OpenAI haya presentado una acusación equivalente en este caso.

Si OpenAI elevara públicamente el asunto, la discusión podría pasar de conversaciones dentro de la industria a un debate más formal sobre el uso de las respuestas de modelos y los límites de la destilación. El punto central sería distinguir entre aprender de resultados accesibles y extraerlos de manera indebida, una distinción que el reporte identifica como una cuestión todavía abierta.

Mientras tanto, los lanzamientos de octubre muestran la presión competitiva que enfrentan los laboratorios: publicar modelos capaces, demostrar resultados en evaluaciones independientes y justificar sus costos de desarrollo. Para Moonshot y DeepSeek, las métricas favorables fortalecen su perfil, pero la polémica sobre los datos de entrenamiento podría complicar la lectura de esos logros ante inversores y competidores.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados