Anthropic gjør modellkopiering til geopolitikk

Anthropic anklager Alibaba-tilknyttede aktører for å ha forsøkt å hente ut kapasitet fra selskapets modeller i stor skala. CNBC skriver at Anthropic har sendt et brev til amerikanske myndigheter der selskapet beskriver det som den største kjente distilleringskampanjen mot Anthropic til nå.

Tallene er store nok til at saken ikke bør leses som vanlig leverandørkrangling. Ifølge CNBC hevder Anthropic at operatører tilknyttet Alibaba og selskapets AI-lab gjennomførte 28,8 millioner utvekslinger med Anthropics modeller via rundt 25 000 falske kontoer mellom 22. april og 5. juni. Alibaba svarte ikke umiddelbart på CNBCs forespørsel om kommentar.

Distillering betyr i denne sammenhengen at en svakere eller mindre modell trenes på svar fra en sterkere modell. Det er en kjent teknikk. Den kan brukes legitimt i interne treningsløp. Den kan også brukes til å kopiere kapasitet, omgå lisensvilkår og hente ut konkurransefortrinn uten avtale.

For ledere er poenget enkelt: modellene er ikke bare programvare. De er immaterielle verdier, sikkerhetsobjekter og geopolitisk infrastruktur.

Hvorfor saken er større enn Anthropic og Alibaba

AI-leverandørene selger tilgang gjennom API-er, enterprise-avtaler og integrasjoner. Jo mer verdifull modellen er, desto mer attraktiv blir selve tilgangen. Risikoen ligger ikke bare i datalekkasje fra kunden til modellen. Den ligger også i at modellen kan tappes for atferd, metoder og kapasitet over tid.

Dette gir en annen type leverandørrisiko enn klassisk SaaS. En angriper trenger ikke nødvendigvis å bryte seg inn i datasenteret. Det kan være nok å opprette kontoer, automatisere kall, variere prompter og samle svar. Med nok volum kan mønstre, spesialkapasiteter og sikkerhetsgrenser kartlegges.

Det er derfor Anthropic tar saken til myndighetene. Selskapet argumenterer for at industriell distillering krever koordinert respons mellom stat og bransje. Det passer inn i den amerikanske linjen der avanserte modeller behandles som teknologi med nasjonal sikkerhetsverdi.

For europeiske og norske virksomheter er dette relevant selv om de ikke utvikler egne frontier-modeller. Mange bygger nå tjenester på toppen av amerikanske og kinesiske modeller. Hvis modellmarkedet blir mer politisert, kan tilgang, priser, funksjoner og kontraktsvilkår endres raskt.

Hva virksomheter bør lære

Første læring er at API-tilgang må behandles som en strategisk ressurs. Mange selskaper har god kontroll på skytilganger, men svakere styring på modelltilgang. Det holder ikke når AI-kall blir både produksjonsavhengighet og kunnskapskanal.

Andre læring er at unormal bruk må overvåkes. Volum, mønstre, kontoopprettelser, automatiserte kall og systematisk variasjon av spørsmål kan være tegn på misbruk. Dette gjelder også internt. En ansatt, konsulent eller integrasjon med for brede rettigheter kan bruke en modell på måter avtalen ikke dekker.

Tredje læring er at kontrakter må oppdateres. Spør eksplisitt hva leverandøren definerer som distillering, reverse engineering og uautorisert modelltrening. Spør hvordan brudd oppdages. Spør hva som skjer med tjenestetilgang hvis leverandøren mener misbruk har funnet sted.

Fjerde læring er at modellvalg ikke kan skilles fra geopolitikk. Dersom AI-leverandører møter eksportkontroll, distilleringsanklager og myndighetspress, må virksomheten ha en plan B. Det betyr ikke at alt må være multi-modell fra dag én. Det betyr at kritiske arbeidsflyter bør kunne flyttes, nedskaleres eller kjøres med alternative leverandører uten at virksomheten stopper.

CISO-vinkelen

For CISO er dette en identitets- og overvåkingssak. Hvem kan kalle hvilke modeller? Fra hvilke systemer? Med hvilke nøkler? Hvor lenge lever nøklene? Hvilke rate limits finnes? Hvilke logger lagres? Hvem ser etter mønstre som ikke ligner vanlig produktbruk?

Det er fristende å plassere dette hos utviklerne. Det er for smalt. Modelltilgang bør inn i samme regime som andre høyrisikotilganger: eier, formål, minste privilegium, rotasjon, logging, kostkontroll og revurdering.

For CIO er saken også et varsel om leverandørkonsentrasjon. Hvis virksomheten bygger kjerneprosesser tett på én modellfamilie, får den både teknisk og politisk avhengighet. Det kan være riktig valg, men det bør være et bevisst valg.

Anthropic-Alibaba-saken vil trolig ikke bli den siste. Når modellkapasitet blir dyrere å bygge og mer verdifull å eie, blir grensen mellom benchmarking, interoperabilitet, sikkerhetstesting og kopiering mer konfliktfylt.

Styrer bør derfor be ledelsen om en enkel oversikt: hvilke AI-leverandører brukes, hvilke forretningskritiske prosesser avhenger av dem, hvilke data sendes, hvilke kontraktsbegrensninger gjelder, og hvordan oppdages misbruk av egen tilgang.

Det er ikke byråkrati. Det er vanlig kontroll på en ny type kritisk leverandør.

Kilder og medier

Kilde: CNBC, https://www.cnbc.com/2026/06/24/anthropic-alibaba-distillation-campaign.html

Kildekreditering: CNBC omtaler brevet Anthropic sendte til amerikanske myndigheter, inkludert påstanden om 28,8 millioner modellutvekslinger via rundt 25 000 falske kontoer. CNBC skriver også at Alibaba ikke umiddelbart svarte på forespørsel om kommentar.

Thumbnail: OpenAI Image 2 / hogby.ai