EE. UU. acusa a DeepSeek y Alibaba de copiar capacidades de IA a escala industrial

Por Redacción Pangea IA · 9 de septiembre de 2026

Estados Unidos ha acusado a DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun y Z.AI de extraer a escala industrial capacidades de los principales modelos de inteligencia artificial estadounidenses. La denuncia figura en un aviso técnico conjunto de la Agencia de Seguridad Nacional (NSA), la Agencia de Ciberseguridad y Seguridad de las Infraestructuras (CISA) y el FBI publicado el martes 8 de septiembre.

Las tres agencias sostienen que las compañías obtuvieron «miles de millones de tokens» mediante «millones de intercambios o solicitudes» a variantes de Claude, GPT, Gemini y Grok desde, al menos, finales de 2024. La técnica empleada sería la destilación de conocimiento: usar las respuestas de un modelo potente para enseñar a otro más pequeño, barato o especializado.

Conviene separar desde el principio tres planos. La destilación es una técnica habitual y legítima cuando existe permiso; el aviso estadounidense acusa a las empresas de eludir restricciones y condiciones de uso para practicarla; y esas acusaciones todavía no equivalen a una resolución judicial ni a una demostración independiente de todos los detalles. China ha rechazado la denuncia y atribuye sus avances a su propia capacidad científica.

Qué ha cambiado con el nuevo aviso de Estados Unidos

Las sospechas no nacen ahora. OpenAI, Anthropic y otras compañías habían denunciado anteriormente campañas para obtener respuestas masivas de sus modelos. La novedad es que tres organismos federales firman conjuntamente un documento de 18 páginas que atribuye esas operaciones a seis empresas concretas y las presenta como una estrategia sistemática, no como pruebas aisladas de investigadores o usuarios individuales.

Según el aviso, DeepSeek habría empleado datos sintéticos producidos por modelos estadounidenses para entrenar R1 y V3 en razonamiento, tareas jurídicas, programación, evaluación de respuestas y funciones de agente. Alibaba habría utilizado capacidades de Claude y GPT para mejorar la familia Qwen en ingeniería de software, atención al cliente y flujos de trabajo autónomos. Pangea IA ya explicó los requisitos y límites de ejecutar Qwen 3.8 en un ordenador local; la acusación actual no cuestiona ese uso por parte del público, sino el supuesto origen de parte de las capacidades incorporadas durante el desarrollo.

Moonshot AI, por su parte, habría consultado numerosas versiones de Claude, GPT, Gemini y Grok para entrenar sus modelos Kimi. El documento también atribuye operaciones a MiniMax, StepFun y Z.AI. Las agencias afirman que el Gobierno chino probablemente conocía estas actividades, pero no dicen haber probado que las dirigiera. Esa diferencia entre conocimiento probable y dirección demostrada es importante.

Qué es la destilación de un modelo de IA

La destilación puede entenderse como una relación entre un profesor y un alumno. El modelo «profesor» resuelve muchas tareas; sus respuestas se convierten en ejemplos con los que se entrena al modelo «alumno». Este último intenta reproducir el comportamiento útil del primero con menos parámetros, menor coste de ejecución o una especialización más concreta.

Las empresas destilan sus propios modelos para hacerlos más rápidos y baratos, y numerosos proyectos abiertos permiten expresamente que otros reutilicen sus resultados o sus pesos. También se puede generar información sintética para investigación con las licencias y autorizaciones adecuadas. Por eso, destilar no es sinónimo automático de robar.

Lo que denuncian la NSA, CISA y el FBI es otra cosa: consultas automatizadas y coordinadas a servicios cerrados, realizadas presuntamente mediante cuentas falsas, intermediarios y mecanismos para ocultar el origen. No se trataría necesariamente de copiar el código fuente ni los pesos internos del modelo. El objeto extraído serían sus respuestas, patrones de razonamiento y formas de resolver tareas, acumulados hasta crear un conjunto de entrenamiento valioso.

Cómo se habría realizado la extracción masiva

El aviso describe una infraestructura bastante más compleja que abrir ChatGPT o Claude y copiar algunas respuestas. Las campañas habrían repartido las solicitudes entre aplicaciones oficiales, API, proveedores de nube, agregadores y un mercado gris de intermediarios denominado por las agencias «estaciones de transferencia». Esos intermediarios permitirían acceder a modelos restringidos en determinados territorios y dificultar la atribución.

• Grupos de cuentas: numerosas suscripciones compartidas y activadas rápidamente con un uso muy elevado.
• Enrutamiento centralizado: sistemas capaces de cambiar de proveedor cuando una vía era bloqueada o se agotaba una cuota.
• Ocultación de metadatos: eliminación o variación de señales que pudieran revelar una organización común.
• Extracción dirigida: baterías de preguntas sobre programación, matemáticas, agentes, visión y evaluación de respuestas, en lugar de consultas aleatorias.
• Control de calidad: herramientas automáticas para detectar respuestas degradadas y comprobar qué modelo ofrecía el mejor material.

El documento también atribuye intentos de provocar que los modelos revelaran razonamientos paso a paso mediante inyecciones de instrucciones y técnicas de evasión. La finalidad, según las agencias, era enseñar al modelo alumno no solo una respuesta final, sino una forma de abordar problemas complejos.

Por qué esta acusación importa para la carrera de la IA

Entrenar un modelo avanzado exige chips, electricidad, datos y equipos especializados. Si una empresa puede trasladar parte del comportamiento de un rival mediante consultas a su API, reduce tiempo de investigación y experimentación. Eso no elimina la necesidad de infraestructura propia, pero puede recortar una porción del coste y acelerar la llegada de un competidor.

Washington presenta esa ventaja como una amenaza económica y estratégica. El argumento encaja con la política estadounidense de limitar el acceso chino a los chips más avanzados. También añade tensión a las conversaciones entre Estados Unidos y China sobre seguridad de la IA, previstas en un momento en el que ambos países intentan evitar incidentes graves sin renunciar a competir.

La controversia revela además que la ventaja de un laboratorio no reside únicamente en sus chips o en el tamaño del modelo. Las respuestas producidas por el sistema también pueden convertirse en un activo de entrenamiento. Protegerlas obliga a vigilar millones de interacciones sin bloquear a clientes legítimos, investigadores o pequeñas empresas que hacen un uso intensivo de las API.

La frontera entre aprendizaje, competencia y abuso

La disputa no se resuelve diciendo que todo conocimiento debe permanecer cerrado. El ecosistema de IA combina modelos propietarios, modelos de pesos abiertos, publicaciones científicas y herramientas construidas unas sobre otras. La financiación de Mistral y su apuesta por modelos de pesos abiertos muestra una vía distinta: permitir reutilización bajo unas condiciones públicas y competir en infraestructura, servicios y soporte.

El conflicto aparece cuando la empresa que opera el modelo prohíbe expresamente usar sus resultados para construir un competidor y alguien, según la acusación, emplea identidades falsas o rutas indirectas para saltarse esa prohibición. Incluso entonces, una infracción de las condiciones de servicio no determina por sí sola todas las cuestiones de propiedad intelectual. El alcance legal dependerá de las pruebas, los contratos, la jurisdicción y las leyes aplicables.

Existe también una tensión difícil de ignorar: varios laboratorios estadounidenses afrontan demandas de autores y medios que los acusan de haber entrenado sus modelos con obras protegidas sin permiso. Ese debate no invalida automáticamente el aviso contra las compañías chinas, pero impide presentar el asunto como una frontera moral sencilla entre quienes crean y quienes copian. La industria todavía está definiendo qué usos de datos, salidas y capacidades son aceptables.

Qué significan las acusaciones para usuarios y empresas

El aviso no demuestra que los modelos chinos sean copias exactas, ni que sus respuestas sean inseguras, ni que quienes utilizan DeepSeek, Qwen o Kimi hayan cometido irregularidad alguna. Tampoco permite calcular qué porcentaje de sus capacidades procedería de la supuesta destilación. Son límites esenciales para no convertir una advertencia de seguridad en una condena general.

Para las empresas que contratan IA, la noticia sí refuerza tres preguntas de compra: de dónde procede el modelo, qué garantías ofrece el proveedor sobre sus datos de entrenamiento y qué continuidad tendrá el servicio si aparecen sanciones, restricciones de nube o litigios. La procedencia no es solo una cuestión ética; puede convertirse en riesgo operativo si una herramienta deja de estar disponible en una región.

Para los laboratorios y plataformas de nube, las recomendaciones son más concretas. Las agencias piden detectar cuentas nuevas que alcanzan inmediatamente el máximo consumo, correlacionar patrones entre proveedores y compartir indicadores de campañas. También proponen modificar de forma selectiva las respuestas dirigidas a solicitudes sospechosas para reducir el valor de la extracción, una medida que deberá aplicarse con cuidado para no degradar el servicio legítimo.

La respuesta de China y lo que aún falta por saber

La portavoz del Ministerio de Exteriores chino Mao Ning afirmó el miércoles 9 de septiembre que los avances del país son fruto de su «autosuficiencia científica y tecnológica» y pidió a Estados Unidos que deje de formular acusaciones falsas. También defendió una mayor cooperación bilateral en inteligencia artificial.

En las fuentes consultadas no figura una respuesta individual de las seis empresas a cada atribución del aviso. Quedan por conocer los datos técnicos completos que permitirían verificar cada caso, la forma en que las agencias separaron una investigación legítima de una campaña industrial y si Washington adoptará sanciones o medidas legales. El documento recomienda defensas, pero no anuncia por sí mismo castigos.

También habrá que observar si los proveedores endurecen la identificación de clientes, los límites de uso o el acceso internacional. Un cierre indiscriminado podría proteger algunos activos, pero también fragmentaría más el mercado y favorecería infraestructuras nacionales separadas. La competencia china ya abarca modelos, chips y centros de datos, como muestra el auge de los nuevos fabricantes chinos que desafían a Nvidia.

Una acusación grave que todavía debe probarse

El aviso conjunto convierte una disputa empresarial sobre datos y condiciones de uso en un asunto de seguridad nacional. Aporta nombres, periodos, modelos supuestamente consultados y técnicas de evasión, lo que lo hace más sustancial que una acusación genérica. Pero sigue siendo la posición de tres agencias estadounidenses, no una sentencia ni una auditoría independiente.

La cuestión de fondo permanecerá incluso si alguna atribución resulta discutida: las respuestas de un modelo avanzado pueden utilizarse para construir otro, y proteger ese conocimiento sin cerrar la investigación ni perjudicar a los usuarios será uno de los grandes conflictos de la próxima etapa de la IA. La carrera ya no consiste únicamente en fabricar el modelo más potente, sino también en decidir quién puede aprender de él y bajo qué reglas.

Fuentes consultadas

• Aviso conjunto de la NSA, CISA y FBI sobre campañas de destilación, publicado el 8 de septiembre de 2026.
• Reuters: Estados Unidos acusa a empresas chinas de copiar tecnología de IA, publicado el 8 de septiembre de 2026.
• The Wall Street Journal: qué es la destilación y por qué preocupa a Washington, publicado el 8 de septiembre de 2026.
• CyberScoop: análisis técnico del aviso federal, publicado el 8 de septiembre de 2026.
• Anthropic: detección y prevención de ataques de destilación, antecedente publicado el 23 de febrero de 2026.

Fuentes consultadas el 9 de septiembre de 2026.