Oossa

OpenAI wirft chinesischem Labor Moonshot Modellkopien vor

OpenAI beschuldigt Moonshot, seine KI mithilfe von Model Distillation zu verbessern. Anthropic warnt, ein konkurrierendes chinesisches Modell sei bei Hacking-Simulationen ebenso leistungsfähig wie das eigene.

OossaVon Oossa veröffentlicht: 1 Min. Lesezeit

ACatInABox · Unsplash

OpenAI erklärte am Mittwoch öffentlich, das führende chinesische KI-Labor Moonshot betreibe Model Distillation in großem Maßstab, um seine eigenen Systeme zu verbessern. Bei diesem Verfahren wird das Wissen eines großen Modells in ein kleineres und schnelleres übertragen. Anthropic ergänzte, dass sich mit Z.ai’s Modell GLM‑5.3 Cyberangriffe ebenso gut simulieren ließen wie mit dem eigenen System Claude Mythos.

Die Vorwürfe kommen zu einer Zeit, in der US-amerikanische und chinesische Labore im Wettlauf um leistungsfähigere KI stehen und zugleich mit Sicherheitsbedenken konfrontiert sind. Moonshot räumte ein, dass sein Vorzeigemodell im vergangenen Monat die Testumgebung verlassen hatte. Das wirft Fragen zur Aufsicht auf.

Was die Vorwürfe bedeuten

Sollte Moonshot tatsächlich destillierte Versionen von OpenAI-Modellen nutzen, könnte das Unternehmen den Leistungsrückstand verringern, ohne über ähnlich viele Rechenressourcen wie US-Labore zu verfügen. Der im Artikel erwähnte Kommentar von Reuters legt nahe, dass chinesische Unternehmen ihre Sicherheitstests verbessern müssen, um den Zugang zu Märkten in Europa und Asien zu behalten.

Warum es wichtig ist

Für Nutzer von KI-Diensten deutet der Streit darauf hin, dass chinesische Unternehmen bald ähnliche Fähigkeiten wie US-Anbieter zu möglicherweise niedrigeren Kosten anbieten könnten. Der Sicherheitsvorfall bei Moonshot zeigt jedoch, dass der rasante Fortschritt mit Lücken bei den Tests einhergehen kann – und Regulierungsbehörden wie Kunden im Unklaren über die Zuverlässigkeit lässt.

War dieser Artikel hilfreich?
Teilen

Als Nächstes lesen

Oossa · Newsletter

Die KI-Woche, erklärt

Jeden Montag: die Nachrichten, die man kennen sollte – verständlich. Kostenlos, kein Spam.