Destillation: OpenAI senkt die Extraktion von Denkschritten nach eigenen Angaben auf 0,2 Prozent, am Tag eines Kongressberichts gegen offene chinesische Modelle
Am 20. November hat OpenAI seine Abwehr gegen „adversariale Destillation“ erläutert, also das Training eines Konkurrenzmodells mit den Antworten des eigenen: Die Erfolgsquote eines getesteten Angriffs sinkt bei GPT-6.2 Astra von 54 auf 0,2 Prozent. Am selben Tag veröffentlichten zwei Ausschussvorsitzende des Repräsentantenhauses einen 50-seitigen Bericht, der empfiehlt, chinesische Modelle aus Bundessystemen fernzuhalten, und sich dabei auf Airbnb, Cursor und DoorDash stützt.

Zwei Veröffentlichungen erschienen am selben Tag, Freitag, dem 20. November, in Washington und San Francisco. Sie erzählen dieselbe Geschichte. OpenAI erläuterte, wie es sich gegen „adversariale Destillation“ wehrt: Ein Konkurrent trainiert sein eigenes Modell mit den Antworten von GPT und übernimmt dessen Fähigkeiten ohne die Schutzmechanismen. Am selben Tag veröffentlichten zwei Ausschussvorsitzende des Repräsentantenhauses einen 50-seitigen Untersuchungsbericht. Er fordert, chinesische KI-Modelle mit offenen Gewichten aus Bundessystemen fernzuhalten, und behauptet, dass ein großer Teil ihrer Fortschritte gerade auf solcher Destillation beruht.
Was OpenAI schützt: die verborgenen Denkschritte
Hauptziel sind die geschützten Denkschritte, also die Zwischenschritte, die ein Modell wie GPT-6.2 Astra vor seiner Antwort erzeugt, ohne dass der Nutzer sie sieht. Laut OpenAI enthalten diese Spuren Informationen, die in der endgültigen Antwort fehlen, und sind deshalb besonders wertvolle Trainingsdaten für ein „Schülermodell“.
OpenAI legt dazu eine interne Studie vor. Ein Schülermodell wurde mit Programmier- und defensiven Cybersicherheitsaufgaben trainiert, die ein Modell auf Astra-Niveau gelöst hatte. Nach dem überwachten Training schnitt der Schüler, der mit den exakten Spuren trainiert wurde, in der Regel besser ab als der mit den für Nutzer sichtbaren Zusammenfassungen. Nach einer Phase verstärkenden Lernens blieb der Vorteil nur beim größten getesteten Rechenbudget bestehen.
Die Ergebnisse der Angriffstests, von OpenAI mit sechs automatisierten Angreifermodellen gemessen:
| Erfolgsquote des Angriffs (interne Bewertung) | GPT-6 Astra, ursprüngliche Schutzmechanismen | GPT-6.2 Astra, verstärkte Schutzmechanismen |
|---|---|---|
| Denkschritte einer früheren Anfrage extrahieren | 54,0 % | 0,2 % |
| Denkschritte der aktuellen Anfrage extrahieren | 22,9 % | 0,9 % |
Auf API-Seite sind die Denkschritte nun an den Verlauf gebunden, der sie erzeugt hat: Schreibt ein Entwickler eine frühere Nachricht um, verwirft die API die nachfolgenden Denkschritte. Im September hatte OpenAI Angriffe beschrieben, bei denen verschlüsselte Denkschritte in ein anderes Gespräch verschoben wurden, um sie dort offenlegen zu lassen; seitdem seien die Trennwände zwischen Nutzern, Arbeitsbereichen und Organisationen verstärkt worden. Ältere, weniger geschützte Modellfamilien können die Denkschritte von GPT-6.2 nicht mehr lesen. OpenAI gibt außerdem an, jede Woche gegen Netzwerke von einigen Tausend bis mehreren Zehntausend Konten vorzugehen. Das Unternehmen erinnert daran, dass es den Kongress im Februar über DeepSeek zugeschriebene Destillationsversuche unterrichtet und im September einen Teil einer Kampagne Personen aus dem Umfeld von Moonshot AI, dem Entwickler von Kimi, zugeschrieben hat.
Der Kongressbericht: Airbnb, Cursor und DoorDash als Beispiele
Unterzeichnet ist der Bericht von Andrew Garbarino, Vorsitzender des Heimatschutzausschusses, und John Moolenaar, Vorsitzender des Sonderausschusses zu China, beide Republikaner. Die Untersuchung begann im April und stützt sich auf drei US-Unternehmen:
| Unternehmen | Genannte chinesische Modelle | Im Bericht beschriebene Nutzung |
|---|---|---|
| Airbnb | Qwen 2.5, 3 und 3.5 (Alibaba) | Kundenassistent (rund 80.000 Kontakte pro Tag) und Zusammenfassung von rund 250.000 Fällen und Anrufen pro Tag |
| Anysphere (Cursor) | Kimi K2.5 (Moonshot AI) | Basis von Composer 2, dem Hausmodell von Cursor; öffentlich wurde das erst, nachdem ein unabhängiger Entwickler das Basismodell erkannt hatte |
| DoorDash | Qwen, DeepSeek, Kimi, GLM, MiniMax, ByteDance | 25 Modellfamilien, in nennenswertem Umfang zugelassen und eingesetzt (mindestens 5.000 Dollar Rechenkosten); der Ersatz eines davon könnte bis zu sechs Monate dauern |
Der Bericht beziffert das Ausmaß anhand öffentlicher Quellen. Auf OpenRouter sei der Anteil offener Modelle an den Token aus US-Anfragen von 26 Prozent im September 2025 auf 60 Prozent im August 2026 gestiegen, überwiegend zugunsten chinesischer Modelle. Chinesische Modelle hätten binnen eines Jahres 41 Prozent der Downloads auf Hugging Face ausgemacht, und die Qwen-Familie zähle mehr als 151.000 abgeleitete Modelle. Laut Bericht liegt das beste US-Modell mit offenen Gewichten im jüngsten Index von Artificial Analysis nur auf Platz 10, hinter sechs chinesischen Modellen. In der Rangliste vom September war das beste US-Modell mit offenen Gewichten Inkling von Thinking Machines Lab, dessen erstes Training laut dem im Bericht zitierten Labor synthetische Daten nutzte, die unter anderem von Kimi K2.5 erzeugt wurden. Dasselbe Labor hat gerade Inkling 2 Mini veröffentlicht.
Die 12 Empfehlungen gehen über ein Verbot hinaus. Der Bericht fordert, chinesische Modelle in Bundessystemen und Bundesaufträgen zu verbieten, sie aus Hochrisikofunktionen kritischer Infrastrukturen zu entfernen und Bundesmittel für Cybersicherheit nicht für ihren Kauf freizugeben. Er schlägt zudem eine nationale Initiative für US-Modelle mit offenen Gewichten vor, einen Herkunftsstandard für Modelle mit einer „Stückliste“ ihrer Bestandteile, Sanktionen gegen Destillierer und eine Prüfung der Verkäufe US-amerikanischer Trainingsdaten an chinesische Labore.
Unsere Einschätzung
Die beiden Texte antworten aufeinander: OpenAI liefert das technische Argument, der Kongress zieht politische Konsequenzen. Man muss sie dennoch als das lesen, was sie sind. Die Angriffsquoten von OpenAI misst OpenAI selbst, und die Zuordnung von Destillation beruht auf Angaben von Unternehmen und Behörden, die öffentlich nicht überprüfbar sind. Der Bericht wiederum hat keine Gesetzeskraft: Es handelt sich um Empfehlungen zweier Ausschussvorsitzender der Mehrheit, die nur die USA betreffen. Der Bericht erkennt auch den eigentlichen Treiber der Verbreitung an: Unternehmen wählen diese Modelle, weil sie günstig und anpassbar sind und es kein US-Pendant zum selben Preis gibt. Für ein europäisches Unternehmen, das Qwen oder Kimi nutzt, ändert sich kurzfristig nichts. Die Forderung nach Nachvollziehbarkeit, also zu wissen, welches Modell wo läuft und woher es stammt, könnte sich jedoch in Verträgen mit US-Kunden durchsetzen.
Quellen
- OpenAI — Combatting adversarial distillation (20. November 2026) Primärquelle
- Heimatschutzausschuss des Repräsentantenhauses — Pressemitteilung zum gemeinsamen Bericht (20. November 2026) Primärquelle
- Gemeinsamer Bericht der Ausschüsse des Repräsentantenhauses zu chinesischen KI-Modellen (PDF, 20. November 2026) Primärquelle
Eine Primärquelle stammt direkt von dem betreffenden Unternehmen, Labor oder der Organisation. Eine Sekundärquelle gibt die Information wieder, ohne ihr Urheber zu sein: Wir kennzeichnen sie als solche. Einen Fehler entdeckt? Lesen Sie unsere Korrekturrichtlinie.


