La Casa Bianca accusa Moonshot: Kimi K3 sarebbe nato distillando Fable di Anthropic

La contesa fra Washington e Pechino entra nelle sale macchine: la provenienza di un modello, i dati con cui è stato addestrato e i chip su cui gira pesano ormai quanto i suoi benchmark.

L’accusa di Washington

Il 22 luglio 2026 Michael Kratsios, direttore dell’Office of Science and Technology Policy della Casa Bianca, ha dichiarato pubblicamente che Moonshot AI avrebbe distillato Fable, il modello di punta di Anthropic, per sviluppare Kimi K3. Secondo il post pubblicato su X, il laboratorio cinese avrebbe costruito «una piattaforma interna sofisticata per condurre distillazione su larga scala contro i modelli statunitensi», alternando più canali di accesso per eludere i sistemi di rilevamento. È la prima volta che un alto funzionario americano accusa in modo diretto un laboratorio cinese specifico di aver copiato un modello americano specifico.

Il bersaglio dà la misura della posta in gioco. Kimi K3 è il modello da 2.800 miliardi di parametri lanciato il 16 luglio, capace di conquistare la vetta del Frontend Code Arena con un tasso di vittoria del 76 % proprio contro Claude Fable 5, e destinato a diventare il più grande rilascio open-weight della storia con la pubblicazione dei pesi fissata per il 27 luglio. L’accusa arriva a ridosso di quella data e un giorno dopo le parole del segretario al Tesoro Scott Bessent, che ha annunciato un’indagine sui modelli cinesi e ha evocato sanzioni per chi avesse condotto «attacchi di distillazione su scala industriale».

Le prove sul tavolo e i loro limiti

Il fascicolo tecnico poggia su due elementi. Il primo è aneddotico: Kimi K3 è stato documentato mentre si presentava come «Claude, un assistente AI di Anthropic» in almeno una conversazione condivisa. Il secondo è statistico e pesa di più: Ryan Greenblatt, chief scientist di Redwood Research, ha pubblicato un’analisi di cross-entropy che confronta le risposte grezze di numerosi modelli e rileva che K3 si identifica come Claude con frequenza sproporzionata, secondo una distribuzione difficile da spiegare come rumore casuale.

Gli stessi ricercatori segnalano i limiti dell’evidenza. Un modello che sbaglia la propria identità ha diverse spiegazioni innocenti: dati di addestramento contaminati da output di Claude raccolti sul web aperto, residui di system prompt, esempi copiati da dataset pubblici. Le trascrizioni di Claude circolano ovunque in rete, e qualunque modello addestrato su dati web ne ingerisce una parte. Diversi esperti sentiti da TechCrunch aggiungono un’obiezione di calendario: Fable 5 è accessibile al pubblico da poche settimane, un intervallo stretto per spiegare da solo le capacità di un modello della taglia di K3.

La distillazione, tecnica legittima quando un laboratorio la applica ai propri modelli, diventa controversa se condotta sui modelli altrui via API, perché consente di catturare il valore di miliardi di dollari di addestramento interrogando un endpoint. Dimostrarla resta però un esercizio di forensica comportamentale, fatto di indizi convergenti più che di prove documentali: i pesi di un modello distillato hanno un aspetto del tutto diverso da quelli del maestro. Chi rivendica certezze, in una direzione o nell’altra, corre più veloce dell’evidenza disponibile.

Il fronte più concreto: chip GB300 dalla Thailandia

Accanto alla distillazione, Kratsios ha mosso un’accusa dal perimetro legale più definito: Moonshot avrebbe acquisito server equipaggiati con Nvidia GB300 e avrebbe avuto accesso a GB300 in Thailandia, verosimilmente per addestrare i propri modelli. Il GB300 è fra gli acceleratori più avanzati sul mercato ed è soggetto alle restrizioni all’export statunitensi verso le entità cinesi: lo scenario descritto è quello dell’instradamento attraverso un Paese terzo.

Se la distillazione abita una zona grigia fra contratto e termini di servizio, l’elusione dei controlli export è una violazione regolatoria specifica, con meccanismi di enforcement consolidati e responsabilità che possono estendersi a fornitori, intermediari e cloud provider. L’allegazione risponde anche a un interrogativo circolato al lancio di K3: addestrare un modello da 2.800 miliardi di parametri richiede una potenza di calcolo enorme, e la provenienza di quella capacità sotto regime di restrizioni era rimasta opaca. La risposta di policy più probabile è un giro di vite sull’accesso cloud: requisiti know-your-customer per il noleggio di capacità di calcolo, estesi a operatori di data center e provider finora trattati come infrastruttura neutrale.

Cosa significa per chi valuta i modelli open-weight

Per le imprese europee e italiane che stanno valutando modelli open-weight cinesi, la settimana introduce un livello di incertezza nuovo, da gestire con metodo più che con riflessi. Le tre domande da tenere separate sono: il modello funziona, la sua storia di addestramento è legittima, il suo utilizzo espone l’organizzazione a rischi. Hanno risposte diverse e standard di evidenza diversi.

Sulla prima, i numeri di K3 sono stati misurati da valutatori indipendenti e restano validi qualunque sia l’esito della disputa. Sulla seconda, oggi esistono un’accusa politica circostanziata, un’analisi statistica suggestiva e una replica di Moonshot ancora attesa: l’accertamento legale è più avanti. Sulla terza, la postura dipende dal profilo dell’organizzazione: una startup che ottimizza su costi e prestazioni ha margini ampi, mentre un’impresa regolata o con contratti pubblici troverà la provenienza contestata fra i rilievi di ogni due diligence. La copertura architetturale resta quella consigliata da tempo per altri motivi: progettare model-agnostic, con un layer di astrazione che consenta di sostituire il fornitore quando il quadro cambia, per prezzo, per capacità o, come questa settimana insegna, per una questione di provenienza.

Le prossime scadenze

Il calendario dei prossimi giorni farà da banco di prova. Il 24 luglio arriva il rilascio stabile di DeepSeek V4, il 27 luglio i pesi aperti di Kimi K3, ed entro il 1° agosto è attesa la cornice della Casa Bianca sui modelli di frontiera, che potrebbe trasformare la revisione pre-rilascio di 30 giorni da indiscrezione a policy. Ognuno dei tre appuntamenti può spostare le scelte di spesa AI delle imprese per il trimestre.

Due risposte peseranno più di ogni evento in agenda: se e come Moonshot replicherà nel merito alle accuse di distillazione e di elusione export, e quanta parte del mercato enterprise deciderà di attendere chiarezza prima di scaricare pesi contestati. La lezione di fondo è già chiara: la partita fra i laboratori si è spostata dalla classifica dei benchmark alla catena di custodia, ovvero chi ha costruito un modello, con quali dati, su quali chip e sotto quali regole. Su quel terreno si misurerà la seconda metà del 2026.

Autore

Pablo Liuzzi

Founder, Synthos Logic