Anthropic afirmó que logró reducir entre un 90 y un 99 por ciento la extracción no autorizada de los tokens de razonamiento interno de Claude, su familia de modelos de lenguaje. La compañía atribuyó estos ataques de escala industrial a las empresas chinas Zhipu y Moonshot, y asegura que ya bloqueó decenas de miles de cuentas vinculadas a esta práctica.

El objetivo de esos ataques es un fenómeno conocido como destilación: usar las respuestas de un modelo avanzado para entrenar otro más pequeño y barato, que termina imitando buena parte de sus capacidades sin el costo de desarrollarlas desde cero. En los modelos de razonamiento, el premio es especialmente valioso. No se trata solo de la respuesta final, sino de la cadena de pensamiento intermedia: los pasos que el modelo genera para llegar a una conclusión.

Por qué el razonamiento es el botín

Esas cadenas de razonamiento son, en la práctica, datos de entrenamiento de alta calidad. Quien logra extraerlas a gran escala puede enseñar a su propio modelo a «pensar» de forma parecida sin haber pagado el enorme costo de cómputo e investigación que hay detrás. Por eso Anthropic trató el problema menos como una curiosidad técnica y más como una fuga de propiedad intelectual.

Según las nuevas defensas publicadas por la empresa, las contramedidas combinan la detección de patrones de uso anómalos con el bloqueo de cuentas que operaban de manera coordinada para aspirar grandes volúmenes de salidas del modelo. Anthropic sostiene que esa combinación explica la caída de entre 90 y 99 por ciento en la extracción de tokens de razonamiento.

Un conflicto que apunta a China

La atribución a Zhipu y Moonshot, dos de las compañías de IA más activas de China, inscribe el episodio dentro de la tensión más amplia entre los laboratorios estadounidenses y sus competidores asiáticos. La acusación de fondo es que parte del rápido avance de algunos modelos chinos se apoyaría en aprender de los sistemas occidentales más que en construirlos íntegramente desde cero, algo que estas firmas no han reconocido.

No es la primera vez que el término destilación aparece en una disputa de este tipo. A comienzos de 2025, la irrupción del modelo de DeepSeek reavivó sospechas similares en la industria sobre el uso de salidas de modelos ajenos para entrenar sistemas propios. El caso de Anthropic muestra que los grandes laboratorios ya no solo compiten por construir mejores modelos, sino por blindar lo que esos modelos producen.

Qué implica para quienes usan IA

Para el usuario común, el cambio debería pasar inadvertido: Anthropic afirma que las defensas apuntan a patrones de abuso masivo y no al uso normal de la plataforma. El trasfondo, sin embargo, importa. Si extraer conocimiento de un modelo rival se vuelve más difícil, el costo de construir alternativas competitivas vuelve a subir, lo que tiende a concentrar la ventaja en los laboratorios con más recursos.

Eso tiene una lectura concreta para América Latina, donde la mayoría de empresas y desarrolladores consume IA a través de servicios de terceros en lugar de entrenar modelos propios. En la región, el acceso a estas herramientas suele depender de las condiciones, precios y restricciones que fijan los proveedores globales, de modo que decisiones como esta, tomadas lejos del usuario final, terminan moldeando qué tan abierto o costoso resulta el mercado local. Para entender mejor cómo funcionan estos sistemas por dentro, conviene repasar qué es un modelo de lenguaje grande.

Anthropic no detalló el método exacto de sus defensas, algo previsible: revelarlo facilitaría esquivarlas. La pregunta que queda abierta es si la destilación es una batalla que pueda ganarse del todo o solo contenerse, en una competencia donde cada avance de un laboratorio se convierte de inmediato en objetivo del siguiente.