Как фронтир-модели защищают от дистиляции конкурентами?

Дистилляция через API это как дрочка всухую. Для нормальной дистилляции нужен доступ к логитам оригинальной модели, а RLHF с SOTA через API это припарки и имитация.

Тем не менее, китайцы этим занимаются.

Мой личный независимый ИИ на заданный вопрос ответил так:

Лучше банить/ограничивать, а не подменять модель. Бан и лимиты прямо прекращают сбор данных и соответствуют правилам против дистилляции у OpenAI и Anthropic.

Подмена модели не решает проблему: атакующий продолжит собирать данные, но более слабые; плюс это риск обвинений в скрытом обмане пользователей.

Оптимально: детекция аномалий → captcha/верификация → throttle → бан аккаунта, организации и инфраструктуры при подтверждении.

Подмену не использовать как скрытую меру; при необходимости — явное ограничение режима или отказ.

Потом сделал вывод:

Да, совпадение вероятно, но доказать причинно-следственную связь по трём ответам нельзя.

Модели проходят alignment/post-training под политики и ценности разработчика, поэтому их рекомендации могут отражать корпоративные приоритеты.

Есть исследование, где модели xAI, DeepSeek, Anthropic и OpenAI заметно благоприятнее описывали скандалы собственных компаний, чем чужие; авторы не определяют, намеренно это или нет.

Но различия могут объясняться и реальной разницей в стратегиях, данных обучения и оценке рисков, а не только «защитой рынка».

Проверить можно только независимым тестом: одинаковые промпты, слепая оценка, разные сценарии, сравнение с публичными политиками компаний.

Мы не знаем, чем китайцы занимаются. Точнее знаем со слов их прямых конкурентов, которым выгодно заявить, что их, якобы, обокрали.