Qué ha dicho Jiahao Shao
La publicación atribuida a Jiahao Shao sostiene que no destiló Claude y que sus rollouts salían de un modelo open source potente; según ese mensaje, Claude solo se habría usado para enviar trabajos y ejecutar análisis. En el mismo texto afirma que, pese a ello, fue etiquetado por “entrenar a un competidor” y que, a partir de ahí, cualquier actividad relacionada con RFT, SFT o con entrenar modelos de mayor tamaño le queda bloqueada. Esa formulación es una denuncia pública del usuario, no una verificación independiente.
El material disponible no incluye por ahora una respuesta directa de Anthropic ni documentación técnica del bloqueo concreto. Lo que sí existe es la política general de la compañía contra la destilación industrial y su trabajo reciente para dificultar ese uso de Claude. Anthropic ha explicado que considera la destilación una vía para copiar capacidades de modelos punteros sin replicar los mismos mecanismos de seguridad, y ha dicho que identifica y bloquea cuentas que usan sus modelos con ese fin.
Por qué importa para quienes entrenan modelos
El caso toca una línea especialmente sensible en la industria: distinguir entre usar un modelo como herramienta de trabajo y usarlo para generar datos con los que entrenar otro modelo. Anthropic describe la destilación como un proceso que permite copiar capacidades de un modelo de frontera y señala que trabaja con defensas en capas para detectar y bloquear ese uso.
Ese contexto hace que un bloqueo automatizado o una mala clasificación pueda tener impacto práctico para investigadores y desarrolladores. Si una cuenta usa Claude para ayudar en análisis, orquestación de trabajos o generación de datos intermedios, el proveedor puede interpretar ese patrón como destilación o como preparación de datos para un competidor, aunque el usuario sostenga que el modelo no fue la fuente real de entrenamiento. Esa tensión es precisamente la que queda visible en la acusación publicada por Shao.
Lo que está confirmado y lo que no
Confirmado, por ahora, hay poco más que el propio mensaje público de Shao y la existencia de una política de Anthropic contra la destilación. No está confirmado en las fuentes accesibles si el bloqueo vino de una revisión manual, de un sistema automático, de una combinación de señales o de una infracción previa distinta. Tampoco hay evidencia independiente de que el modelo usado por Shao fuera, como él afirma, un modelo open source y no Claude como fuente principal de entrenamiento.
Anthropic sí ha documentado en meses recientes casos en los que terceros habrían usado Claude para mejorar pipelines de I+D, limpiar trazas de razonamiento o generar datos para SFT y RL, lo que demuestra que la compañía vigila de cerca estos patrones. Pero esa vigilancia no prueba por sí sola que el caso de Shao sea equivalente; solo muestra por qué la empresa tiene incentivos para aplicar restricciones amplias cuando detecta señales parecidas.
El punto de choque: uso legítimo frente a uso para copia
La discusión de fondo no es solo técnica. En modelos cerrados, el proveedor controla el acceso, el ritmo de uso y la lectura de los patrones que considera sospechosos. Para un usuario, una secuencia de prompts, análisis y rollouts puede parecer un flujo normal de trabajo; para la empresa, puede ser la antesala de un conjunto de datos sintéticos que acabe alimentando otro modelo. Anthropic ha dicho explícitamente que quiere hacer tan difícil destilar Claude como usarlo para usos dañinos en ciberseguridad o biología, lo que explica la dureza de su postura.
Por eso este episodio importa más allá del nombre propio. Si la industria refuerza sus defensas contra la destilación, los investigadores y equipos de producto pueden encontrarse con más revisiones, más bloqueos preventivos y más opacidad sobre qué comportamiento exacto dispara una sanción. El siguiente paso relevante será saber si Anthropic responde al caso con una aclaración pública o si el bloqueo queda como una penalización sin explicación detallada.
