L’azienda ha identificato campagne su scala industriale condotte da DeepSeek, Moonshot e MiniMax per estrarre capacità tramite account fraudolenti
Ieri si è saputo che Anthropic ha bloccato l’accesso a Claude per cinque casi di scienziati in paesi stranieri non specificati, che usavano i modelli per fare ricerca su agenti patogeni pericolosi. La notizia arriva da un annuncio di Anthropic riportato da CNBC. Ma il numero che dovrebbe preoccupare chi fa impresa è un altro: 16 milioni di scambi con Claude, generati da circa 24.000 account fraudolenti.
I cinque blocchi parlano di biosicurezza. I 16 milioni di scambi parlano di qualcosa di più concreto per il mercato: l’estrazione di capacità su scala industriale. Ed è questo secondo numero a cambiare i termini della competizione per chi costruisce sull’intelligenza artificiale.
Il numero che non era nel comunicato
Secondo Anthropic, i cinque scienziati bloccati usavano Claude per ricerche su agenti patogeni pericolosi. È la parte visibile dell’annuncio. L’altra parte, quella meno raccontata, sta in un rapporto sulla prevenzione degli attacchi di distillazione: l’azienda ha identificato campagne su scala industriale condotte da tre laboratori AI — DeepSeek, Moonshot e MiniMax — per estrarre illecitamente le capacità di Claude e migliorare i propri modelli.
I numeri, per stessa ammissione di Anthropic, sono questi: oltre 16 milioni di scambi con Claude, tramite circa 24.000 account fraudolenti, in violazione delle condizioni di servizio e delle restrizioni di accesso regionali. Non è il lavoro di pochi ricercatori curiosi: è un’operazione organizzata, distribuita, pensata per alimentare modelli concorrenti. Circa 24.000 account non si aprono per caso, uno alla volta.
A completare il quadro, un ricercatore ha annunciato su X le dimissioni da Anthropic, scrivendo di aver passato gli ultimi tre anni a fare ricerca sul pretraining tra OpenAI e Anthropic. Il singolo episodio non spiega la vicenda, ma dice che la pressione sulla ricerca di frontiera americana è reale e arriva da più direzioni.
Se tre laboratori cinesi hanno estratto capacità su questa scala, la domanda diventa semplice: cosa hanno ottenuto, e perché lo fanno?
La strategia del rubinetto aperto
La risposta non è solo tecnica: è una questione di strategia industriale. I laboratori cinesi di AI rilasciano modelli open-weight per attirare clienti globali, mentre le principali aziende americane tengono i loro modelli migliori closed-source. È un doppio binario: da una parte si apre per conquistare quote di mercato, dall’altra si estrae da ciò che resta chiuso per recuperare il divario sui modelli di punta.
Da questo punto di vista, il caso Claude non è un incidente isolato. Stando a un avvertimento della NSA diffuso con altre agenzie, le aziende cinesi di intelligenza artificiale conducono attività aggressive di distillazione su larga scala per estrarre sistematicamente funzionalità proprietarie e ristrette dei modelli di frontiera statunitensi, allo scopo di addestrare i propri. Il punto d’arrivo è concreto: i progressi dei modelli cinesi potenziano le capacità militari e di attacco informatico che potrebbero essere usate contro gli Stati Uniti e i loro alleati.
Il vantaggio americano, in altre parole, si basa su modelli chiusi che vengono estratti. Se il valore di quei modelli è distillabile su scala industriale, che cosa resta a chi costruisce servizi sopra quei modelli?
Cosa cambia per chi pubblica con l’AI
Per chi fa impresa, la domanda non è se i modelli cinesi miglioreranno, ma quanto velocemente. Un servizio costruito oggi su un modello di frontiera americano potrebbe ritrovarsi a competere con concorrenti addestrati su versioni distillate delle stesse capacità, rilasciati come modelli open-weight per attirare clienti globali. Quanto del proprio vantaggio competitivo è esposto all’estrazione e alla proliferazione di modelli concorrenti? La risposta dipende da quanto valore aggiunto metti tu, oltre al modello.
La prossima volta che scegli un modello su cui costruire, chiediti non solo quanto è bravo oggi, ma quanto è facile estrarne il valore su scala industriale.
