Waarom experts twijfelen aan de Kimi K3-beschuldiging

De Amerikaanse regering beschuldigt de Chinese start-up Moonshot ervan dat het zijn nieuwe model Kimi K3 grotendeels bouwde door Anthropics Fable af te tappen. Michael Kratsios, wetenschappelijk adviseur van president Trump en hoofd van het OSTP, schreef dat op 22 juli op X. Toch plaatsen meerdere AI-onderzoekers stevige vraagtekens bij die lezing. Volgens hen verklaart distillatie niet waarom Kimi K3 zo goed presteert.

De kern van de beschuldiging

Kratsios stelt dat Moonshot een intern platform bouwde om op grote schaal “industriële distillatie” uit te voeren tegen Amerikaanse modellen, waarbij het steeds wisselde van toegangsmethode om detectie te ontlopen. Daar koppelde hij een tweede claim aan: Moonshot zou via Thailand toegang hebben gekregen tot Nvidia GB300-servers, die onder Amerikaanse exportbeperkingen vallen. CNBC en Seeking Alpha berichtten dat het de eerste keer is dat een hoge Amerikaanse functionaris een specifiek Chinees lab aanwijst voor het kopiëren van een specifiek Amerikaans model. Hard bewijs legde Kratsios niet op tafel, Moonshot heeft niets toegegeven en een juridische uitspraak ontbreekt. De inhoud van de beschuldiging van het Witte Huis gaf ik eerder al weer.

Waarom de tijdlijn wringt

Braden Hancock van het Laude Institute, medeoprichter van Snorkel AI, wijst tegenover TechCrunch op de kalender. Fable kwam pas op 1 juli uit, Kimi K3 verscheen ongeveer twee weken later. “Ik denk niet dat je zo snel een model bouwt dat zo sterk is, in het kielzog van Fable, met puur distillatie”, zei hij. In die korte periode moet je genoeg trainingsdata onttrekken, een nieuw model van 2,8 biljoen parameters trainen en dat ook nog uitrollen. Hancock wijst er verder op dat de oprichters van Moonshot een serieuze onderzoeksachtergrond hebben, met onder meer een gepromoveerde van Carnegie Mellon.

Distillatie botst tegen een plafond

Nathan Lambert van het Allen Institute for AI legt een technische grens bloot. Een leerlingmodel dat leert van de uitvoer van een leraarmodel komt zelden veel verder dan die leraar. Wie echt naar de frontier wil, heeft reinforcement learning nodig, en dat vraagt om enorme reken-infrastructuur, mogelijk tientallen miljoenen agents die de output beoordelen. Dat via de API van een topbedrijf doen zou volgens Lambert “waanzinnig duur” zijn en vastlopen op de traagheid van zulke modellen. Ryan Greenblatt van Redwood Research zit er tussenin. Hij schat op basis van forward-pass-berekeningen dat de pretraining van K3 ergens tussen Opus 4 en Opus 4.5 ligt, terwijl de post-training deels wél op distillatie lijkt te leunen. Dat Kimi K3 zichzelf soms als Claude identificeert, noemt hij opvallend, al bewijst het niet hoe groot de bijdrage van gekopieerde data was.

Wat betekent dit

Het gaat om meer dan één model. Distillatie is een gangbare praktijk in de sector, Elon Musk verklaarde onder ede dat zijn AI-tak OpenAI-modellen aftapte. De volledige gewichten van Kimi K3 komen op 27 juli vrij, wat onderzoekers voor het eerst de kans geeft om onder de motorkap te kijken. Tot die tijd blijft de beschuldiging vooral een politiek signaal in het bredere gevecht tussen Washington en Beijing over chips en modeltoegang. Voor de Chinese open modellen die deze zomer de een na de ander verschijnen, van Kimi K3 tot het nieuwe DeepSeek V4, verandert de onderliggende vraag niet: hoe dicht zitten ze echt op de frontier, en hoe kwamen ze daar. Met een nieuwe Claude Opus in aantocht wordt die afstand de komende weken opnieuw gemeten.