Distillazione: OpenAI dice di aver ridotto l'estrazione del ragionamento allo 0,2%, nel giorno in cui un rapporto del Congresso prende di mira i modelli aperti cinesi
Il 20 novembre OpenAI ha descritto le sue difese contro la «distillazione avversaria», cioè l'addestramento di un modello concorrente sulle risposte del proprio: il tasso di successo di un attacco testato scende dal 54% allo 0,2% su GPT-6.2 Astra. Lo stesso giorno, due presidenti di commissione della Camera dei rappresentanti hanno pubblicato un rapporto di 50 pagine che raccomanda di escludere i modelli cinesi dai sistemi federali, basandosi sui casi di Airbnb, Cursor e DoorDash.

Due pubblicazioni sono uscite lo stesso giorno, venerdì 20 novembre, a Washington e a San Francisco. Raccontano la stessa storia. OpenAI ha spiegato come si difende dalla «distillazione avversaria»: un concorrente addestra il proprio modello sulle risposte di GPT e ne ricava le capacità senza le protezioni. Lo stesso giorno, due presidenti di commissione della Camera dei rappresentanti hanno pubblicato un rapporto d’inchiesta di 50 pagine. Chiede di escludere i modelli di IA cinesi a pesi aperti dai sistemi federali e sostiene che gran parte dei loro progressi derivi proprio da questa distillazione.
Che cosa protegge OpenAI: il ragionamento nascosto
L’obiettivo principale è il ragionamento protetto, cioè i passaggi intermedi che un modello come GPT-6.2 Astra produce prima di rispondere, senza che l’utente li veda. Secondo OpenAI queste tracce contengono informazioni che la risposta finale omette, e sono quindi dati di addestramento particolarmente preziosi per un modello «studente».
OpenAI pubblica uno studio interno per dimostrarlo. Un modello studente è stato addestrato su attività di programmazione e di cybersicurezza difensiva risolte da un modello di livello Astra. Dopo l’addestramento supervisionato, lo studente nutrito con le tracce esatte ha in genere ottenuto risultati migliori di quello nutrito con i riassunti del ragionamento visibili all’utente. Dopo una fase di apprendimento per rinforzo, il vantaggio restava solo con il budget di calcolo più alto testato.
I risultati dei test di attacco, misurati da OpenAI con sei modelli attaccanti automatizzati:
| Tasso di successo dell’attacco (valutazione interna) | GPT-6 Astra, protezioni originali | GPT-6.2 Astra, protezioni rafforzate |
|---|---|---|
| Estrarre il ragionamento di una richiesta precedente | 54,0% | 0,2% |
| Estrarre il ragionamento della richiesta in corso | 22,9% | 0,9% |
Sul fronte dell’API, il ragionamento è ora legato alla cronologia che lo ha prodotto: se uno sviluppatore riscrive un messaggio precedente, l’API scarta il ragionamento successivo. A settembre OpenAI aveva descritto attacchi che spostavano un ragionamento cifrato in un’altra conversazione per farlo rivelare; afferma di aver poi rafforzato le separazioni tra utenti, spazi di lavoro e organizzazioni. Le famiglie di modelli più vecchie, meno protette, non possono più leggere quello di GPT-6.2. OpenAI dice inoltre di intervenire ogni settimana contro reti che vanno da alcune migliaia a diverse decine di migliaia di account. Ricorda di aver informato il Congresso a febbraio di tentativi di distillazione attribuiti a DeepSeek, e di aver attribuito a settembre parte di una campagna a persone legate a Moonshot AI, lo sviluppatore di Kimi.
Il rapporto del Congresso: Airbnb, Cursor e DoorDash come esempi
Il rapporto è firmato da Andrew Garbarino, presidente della commissione Sicurezza interna, e da John Moolenaar, presidente della commissione speciale sulla Cina, entrambi repubblicani. L’inchiesta è stata aperta ad aprile e si basa su tre aziende statunitensi:
| Azienda | Modelli cinesi citati | Uso descritto nel rapporto |
|---|---|---|
| Airbnb | Qwen 2.5, 3 e 3.5 (Alibaba) | Assistente clienti (circa 80.000 interazioni al giorno) e riassunto di circa 250.000 pratiche e chiamate al giorno |
| Anysphere (Cursor) | Kimi K2.5 (Moonshot AI) | Base di Composer 2, il modello proprietario di Cursor, un fatto diventato pubblico dopo che uno sviluppatore indipendente aveva identificato il modello di base |
| DoorDash | Qwen, DeepSeek, Kimi, GLM, MiniMax, ByteDance | 25 famiglie di modelli autorizzate e impiegate in modo significativo (almeno 5.000 dollari di calcolo); sostituirne una potrebbe richiedere fino a sei mesi |
Il rapporto quantifica il fenomeno a partire da fonti pubbliche. Su OpenRouter, la quota dei modelli a pesi aperti nei token delle richieste provenienti dagli Stati Uniti sarebbe passata dal 26% di settembre 2025 al 60% di agosto 2026, soprattutto a vantaggio dei modelli cinesi. I modelli cinesi avrebbero rappresentato il 41% dei download su Hugging Face in un anno, e la famiglia Qwen conterebbe oltre 151.000 modelli derivati. Secondo il rapporto, il miglior modello americano a pesi aperti è solo 10° nell’indice più recente di Artificial Analysis, dietro sei modelli cinesi. Nella classifica di settembre, il miglior modello americano a pesi aperti era Inkling di Thinking Machines Lab, il cui addestramento iniziale ha usato dati sintetici generati anche da Kimi K2.5, secondo il laboratorio citato dal rapporto. Lo stesso laboratorio ha appena pubblicato Inkling 2 Mini.
Le 12 raccomandazioni vanno oltre il semplice divieto. Il rapporto chiede di vietare i modelli cinesi nei sistemi e negli appalti federali, di rimuoverli dalle funzioni ad alto rischio delle infrastrutture critiche e di impedire che i fondi federali per la cybersicurezza servano ad acquistarli. Propone anche un’iniziativa nazionale di modelli americani a pesi aperti, uno standard di provenienza dei modelli con una «distinta dei componenti», sanzioni contro chi distilla e un esame delle vendite di dati di addestramento americani ai laboratori cinesi.
La nostra lettura
I due testi si rispondono: OpenAI fornisce l’argomento tecnico, il Congresso ne trae le conseguenze politiche. Vanno però letti per quello che sono. I tassi di attacco di OpenAI sono misurati da OpenAI, e le attribuzioni di distillazione si basano su dichiarazioni di aziende e agenzie che non si possono verificare pubblicamente. Il rapporto, dal canto suo, non ha forza di legge: sono raccomandazioni di due presidenti di commissione della maggioranza, che riguardano solo gli Stati Uniti. Il rapporto riconosce anche il vero motore dell’adozione: le aziende scelgono questi modelli perché costano poco, sono modificabili e non esiste un equivalente americano allo stesso prezzo. Per un’azienda europea che usa Qwen o Kimi, nel breve periodo non cambia nulla. La richiesta di tracciabilità, cioè sapere quale modello gira dove e da dove viene, potrebbe invece imporsi nei contratti con clienti americani.
Fonti
- OpenAI — Combatting adversarial distillation (20 novembre 2026) Fonte primaria
- Commissione Sicurezza interna della Camera dei rappresentanti — comunicato sul rapporto congiunto (20 novembre 2026) Fonte primaria
- Rapporto congiunto delle commissioni della Camera sui modelli di IA cinesi (PDF, 20 novembre 2026) Fonte primaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.


