Đây không phải lần đầu một công ty AI bị cáo buộc sao chép đối thủ. Nhưng có thể là lần đầu tiên một quan chức cấp cao của Chính phủ Mỹ công khai gọi AI distillation (chưng cất AI) là hành vi “đánh cắp” và để ngỏ khả năng trừng phạt ở cấp quốc gia.
Ngày 22–23/7/2026, Michael Kratsios, Giám đốc Văn phòng Chính sách Khoa học và Công nghệ Nhà Trắng (OSTP), tuyên bố Moonshot AI đã “chưng cất Anthropic Fable để phát triển mô hình K3”, đồng thời cáo buộc công ty này xây dựng hạ tầng nhằm “thực hiện distillation quy mô lớn chống lại các mô hình Mỹ, liên tục thay đổi phương thức truy cập để tránh bị phát hiện.”[1] Bộ Tài chính Mỹ cũng để ngỏ khả năng đưa Moonshot vào Entity List – danh sách hạn chế thương mại khiến các công ty Mỹ không được phép giao dịch với đơn vị bị nêu tên.
Nếu đây chỉ là một tranh chấp giữa hai công ty AI, câu chuyện sẽ không quá đặc biệt. Điều đáng chú ý là tuyên bố này có thể mở đường cho một cách nhìn hoàn toàn mới về distillation: từ một kỹ thuật phổ biến trong nghiên cứu AI trở thành hành vi có thể bị xử lý theo khuôn khổ sở hữu trí tuệ.
Theo ZTO, cuộc tranh luận này có hai vấn đề lớn: một là về kỹ thuật, hai là về nguyên tắc.
Distillation (chưng cất kiến thức) là gì?
Distillation là kỹ thuật giúp một mô hình AI học từ một mô hình mạnh hơn. Thay vì học trực tiếp từ dữ liệu gốc, mô hình mới học từ các câu trả lời do mô hình lớn tạo ra. Nhờ đó, nó có thể tái hiện nhiều khả năng của “teacher” nhưng với chi phí huấn luyện và vận hành thấp hơn. Đây là một kỹ thuật phổ biến trong cả nghiên cứu học thuật lẫn phát triển AI thương mại.
VẤN ĐỀ THỨ NHẤT: CÁO BUỘC KỸ THUẬT CÒN NHIỀU KHOẢNG TRỐNG
Khoảng cách 15 ngày
Anthropic tái ra mắt Fable 5 vào đầu tháng 7/2026. Chỉ khoảng 15 ngày sau, Moonshot công bố Kimi K3 với hiệu suất được nhiều bài đánh giá cho là xếp cùng nhóm các mô hình dẫn đầu. Điều này khiến nhiều nhà nghiên cứu độc lập đặt câu hỏi: liệu 15 ngày có đủ để thực hiện một chiến dịch distillation quy mô lớn và tạo ra một mô hình cạnh tranh hay không?[2]
Thông thường, để distillation tạo ra một mô hình có năng lực tương đương teacher, cần thu thập hàng triệu cặp prompt–response chất lượng cao, huấn luyện trên cụm GPU lớn trong nhiều tuần, sau đó tiếp tục tinh chỉnh và đánh giá qua nhiều vòng.
Vì vậy, nếu chỉ xét về mặt kỹ thuật, khoảng thời gian 15 ngày là rất khó để giải thích toàn bộ năng lực của Kimi K3.
“Distillation from a frontier model in 15 days cannot explain the full capabilities of K3. There must be substantial independent training underneath.”
(Tạm dịch: “Distillation từ một mô hình frontier chỉ trong 15 ngày không thể giải thích toàn bộ năng lực của K3. Chắc chắn còn phải có một quá trình huấn luyện độc lập đáng kể.”)
— Nhà nghiên cứu AI độc lập, trả lời The Register (2026)
Điều đó không đồng nghĩa Moonshot không sử dụng distillation. Nhưng nếu có sử dụng, rất khó để nói distillation là nguyên nhân tạo nên phần lớn năng lực của mô hình. Và nếu tiền đề kỹ thuật chưa đủ chắc chắn, thì khuôn khổ chính sách được xây dựng trên tiền đề đó cũng cần được xem xét cẩn trọng.
VẤN ĐỀ THỨ HAI: ĐIỀU GÌ XẢY RA NẾU DISTILLATION BỊ COI LÀ “ĐÁNH CẮP”
Distillation vốn là nền tảng của AI hiện đại
Distillation là kỹ thuật dùng một mô hình lớn hơn (teacher) để tạo dữ liệu huấn luyện cho một mô hình khác (student). Student sẽ học cách phản hồi tương tự teacher, nhưng có thể nhỏ hơn, rẻ hơn hoặc được tối ưu cho một nhiệm vụ cụ thể.
Kỹ thuật này được Geoffrey Hinton và cộng sự công bố năm 2015 và từ đó trở thành một trong những phương pháp nền tảng của AI hiện đại.[3]
Quan trọng hơn, distillation không phải ngoại lệ mà gần như là thông lệ.
Nhiều mô hình AI mạnh ngày nay, bao gồm cả các mô hình của Mỹ, đều ít nhiều sử dụng distillation trong quá trình phát triển. Hàng chục mô hình mã nguồn mở trong giới học thuật, như Alpaca của Stanford hay Vicuna, được huấn luyện trực tiếp trên output của ChatGPT.[4] Trong giới nghiên cứu, điều này thường được gọi đơn giản là “học từ mô hình mạnh hơn”.
Đây không phải là chuyện bí mật gì trong các phòng lab nghiên cứu AI.
Đây là cách AI đã tiến bộ trong nhiều năm qua.
| Mô hình | Có dùng distillation? | Nguồn |
|---|---|---|
| Llama 3.2 (Meta) | Có — các bản 1B và 3B được chưng cất từ Llama 3.1 lớn hơn, sử dụng logits của các bản 8B và 70B làm teacher. | Meta AI (2024) |
| Mistral 7B | Có — fine-tune trên dữ liệu tổng hợp (synthetic data) được tạo bởi mô hình lớn hơn. | Mistral AI (2023) |
| Alpaca (Stanford) | Có — toàn bộ bộ dữ liệu gồm 52.000 mẫu được tạo từ GPT-3.5. | Stanford CRFM (2023) |
| Distillation và dữ liệu tổng hợp từ mô hình AI khác đã trở thành thực hành phổ biến trong cả nghiên cứu học thuật lẫn phát triển AI thương mại. | ||
Ai được lợi khi distillation bị đưa vào khung pháp lý?
Nếu distillation được đưa vào khuôn khổ sở hữu trí tuệ theo hướng cấm hoặc trừng phạt ở quy mô quốc tế, bên hưởng lợi đầu tiên có lẽ không phải công chúng.
Đó là những công ty đang sở hữu các mô hình frontier.
Khi con đường nhanh nhất để học hỏi từ các mô hình dẫn đầu bị đóng lại, khoảng cách giữa nhóm dẫn đầu và phần còn lại sẽ trở nên khó san lấp hơn. Các startup, phòng thí nghiệm độc lập và giới học thuật sẽ phải đối mặt với chi phí nghiên cứu cao hơn đáng kể, trong khi những công ty đã có lợi thế từ trước lại ít chịu tác động.
Đây chính là logic quen thuộc trong nhiều lĩnh vực dựa trên luật sở hữu trí tuệ. Trong ngành dược hay hạt giống, người đi đầu xây dựng hàng rào pháp lý để bảo vệ thành quả nghiên cứu của mình; người đến sau phải trả phí hoặc tìm con đường khác.
Nếu AI đi theo quỹ đạo tương tự, hệ sinh thái AI mã nguồn mở có thể sẽ là bên chịu tác động lớn nhất.
Giới hạn của lập luận
Điều đó không có nghĩa mọi hình thức distillation đều giống nhau.
Nếu một công ty xây dựng hạ tầng để liên tục quét API của đối thủ, cố tình né tránh cơ chế phát hiện và tái tạo năng lực thương mại của mô hình ở quy mô công nghiệp, rõ ràng nó sẽ khác với việc một nhóm nghiên cứu sử dụng một lượng nhỏ dữ liệu từ ChatGPT để cải thiện mô hình của mình.
Quy mô và mục đích sử dụng tạo nên khác biệt.
Nếu cáo buộc của OSTP về việc Moonshot xây dựng hạ tầng phục vụ distillation quy mô lớn và liên tục thay đổi phương thức truy cập là chính xác, thì đây là một vấn đề đáng được xử lý.[1]
Nhưng ngay cả trong trường hợp đó, giải pháp có lẽ không phải là coi distillation tự thân là bất hợp pháp.
Điều hợp lý hơn là xây dựng điều khoản sử dụng API rõ ràng, cơ chế giám sát minh bạch và khuôn khổ pháp lý đủ tinh tế để phân biệt giữa nghiên cứu học thuật, sử dụng hợp lý và hành vi khai thác thương mại ở quy mô công nghiệp.
Câu hỏi quan trọng nhất
Phần lớn tranh luận tuần này xoay quanh những câu hỏi như: Moonshot có thực sự chưng cất Fable 5 hay không? Có đủ bằng chứng hay chưa? Kimi K3 có mạnh bằng Fable 5 không?
Đó đều là những câu hỏi quan trọng.
Nhưng có lẽ chưa phải câu hỏi quan trọng nhất.
Điều đáng quan tâm hơn là: nếu distillation dần bị coi là hành vi xâm phạm sở hữu trí tuệ, chúng ta đang xây dựng một hệ sinh thái AI như thế nào, và ai sẽ là bên hưởng lợi nhiều nhất từ hệ thống đó?
Mô hình AI nào cũng phải lấy kiến thức từ đâu đó. Chúng học từ dữ liệu của nhân loại, từ các nghiên cứu trước đó và, ngày càng nhiều, từ chính các mô hình AI khác. Ranh giới giữa học hỏi và đánh cắp vì thế chưa bao giờ là điều dễ xác định. Nếu ranh giới ấy được vẽ theo cách chỉ có lợi cho những người đang dẫn đầu, thứ duy nhất được bảo vệ có thể chỉ là vị thế dẫn đầu của các ông lớn trong ngành.
Phụ lục: Tài liệu tham khảo chính
[1] Michael Kratsios (OSTP) — “Treasury Threatens Sanctions After White House Claims Moonshot Distilled Anthropic’s Fable,” TechCrunch (2026). techcrunch.com/2026/07/22/treasury-threatens-sanctions…
[2] “Senior White House official claims China’s K3 model stolen from Anthropic,” The Register (2026). theregister.com/ai-and-ml/2026/07/23/…
[3] Geoffrey Hinton, Oriol Vinyals, Jeff Dean, “Distilling the Knowledge in a Neural Network,” arXiv:1503.02531 (2015). arxiv.org/abs/1503.02531
[4] “Alpaca: A Strong, Replicable Instruction-Following Model,” Stanford CRFM (2023). crfm.stanford.edu/2023/03/13/alpaca.html
❓ Câu hỏi thường gặp
AI distillation là gì? AI distillation (chưng cất kiến thức) là kỹ thuật dùng một mô hình AI mạnh hơn (teacher) để tạo dữ liệu huấn luyện cho một mô hình khác (student). Student sẽ học cách phản hồi tương tự teacher nhưng có thể nhỏ hơn, rẻ hơn hoặc được tối ưu cho một nhiệm vụ cụ thể. Kỹ thuật này được Geoffrey Hinton và cộng sự công bố năm 2015, và hiện là một trong những phương pháp nền tảng trong phát triển AI.
Moonshot AI có thực sự chưng cất Fable của Anthropic không? Hiện chưa có bằng chứng công khai xác nhận cáo buộc của Chính phủ Mỹ. Một số nhà nghiên cứu cũng đặt câu hỏi về tính khả thi về mặt kỹ thuật, bởi khoảng cách khoảng 15 ngày giữa thời điểm Anthropic ra mắt Fable 5 và Moonshot công bố Kimi K3 là quá ngắn để một chiến dịch distillation quy mô lớn có thể giải thích toàn bộ năng lực của mô hình. Moonshot đến nay cũng chưa đưa ra phản hồi chính thức về cáo buộc này.
Nếu distillation bị coi là vi phạm pháp lý, AI mã nguồn mở sẽ bị ảnh hưởng ra sao? Nhiều nghiên cứu học thuật và mô hình AI mã nguồn mở hiện nay sử dụng distillation hoặc dữ liệu tổng hợp từ các mô hình mạnh hơn trong quá trình phát triển. Nếu distillation bị hạn chế theo nghĩa rộng, chi phí và rào cản nghiên cứu có thể tăng lên, đặc biệt với các startup, trường đại học và cộng đồng AI mở, trong khi các công ty đã sở hữu mô hình frontier sẽ có lợi thế lớn hơn.
Có cách nào ngăn chặn distillation quy mô công nghiệp mà không cản trở nghiên cứu? Có. Thay vì cấm distillation như một kỹ thuật, các nhà phát triển có thể áp dụng điều khoản sử dụng API rõ ràng hơn, kết hợp giới hạn tần suất truy cập (rate limiting), cơ chế giám sát và các quy định phân biệt giữa nghiên cứu học thuật với hành vi khai thác thương mại ở quy mô công nghiệp. Cách tiếp cận này tập trung vào quy mô và mục đích sử dụng, thay vì bản thân kỹ thuật distillation.
Bài viết của đội ngũ ZTO Labs, chuyên đào tạo và nghiên cứu AI tại Việt Nam.
