Der Gründer des großen chinesischen Modells ist politisch sehr dumm.

Detaillierte Analyse: Die Vorwürfe von Anthropic gegen chinesische Großmodelle – Hintergrund von Kapital-, Politik- und Technikspielen

Hallo zusammen, ich bin euer Finanzjournalist. Heute sprechen wir über eine große Nachricht, die in der Tech- und Finanzwelt für Aufsehen gesorgt hat: Anthropic (Muttergesellschaft von Claude) wirft mehreren führenden chinesischen Großmodellunternehmen (wie Alibaba, DeepSeek, Yuezhi Anmian usw.) vor, die Fähigkeiten ihrer Modelle durch das sogenannte „Distillieren“ zu stehlen und sensible Daten zu veröffentlichen.

Der Artikel ist sehr lang und enthält eine große Menge an Informationen. Um es euch leichter zu machen, diesen „Rashomon“ zu verstehen, habe ich ihn in eine Kernzusammenfassung und eine detaillierte Analyse aus fünf Dimensionen aufgeteilt. Wir verwenden keine komplizierten Begriffe, sondern erklären die Hintergründe, die Interessenkonflikte und die möglichen Auswirkungen in verständlicher Sprache.

---

**Kernzusammenfassung**

Einfach ausgedrückt, hat Anthropic einen 154-seitigen Bericht veröffentlicht, in dem behauptet wird, chinesische Großmodellunternehmen würden durch den Kauf falscher Konten und die Nutzung von grauen Zwischenstationen die APIs von Claude in großem Umfang nutzen, um deren „Denkprozesse“ (CoT, also den Modellverarbeitungsablauf) für das Training ihrer eigenen Modelle zu erhalten und sogar sensible Daten echter Nutzer stillschweigend ins Ausland zu übertragen.

Aber es handelt sich nicht nur um technische Vorwürfe, sondern um eine sorgfältig geplante „Agenda-Falle“:

1. Unklare Definitionen: Anthropic kombiniert drei völlig unterschiedliche Handlungen – Vertragsverletzungen, Betrug (Erstellung falscher Konten) und Datenverluste (grenzüberschreitende Übertragungen) – unter dem Begriff „Distillationsangriff“.

2. Politischer Druck: Von der technischen Enthüllung über ein Memo des Weißen Hauses bis hin zu Anhörungen im Senat und Drohungen mit Sanktionen wird der Zeitplan perfekt abgestimmt, um US-Gesetze durchzusetzen, die das Training von Modellen mit Hilfe von Konkurrenzprodukten als illegal zu definieren und so den chinesischen AI-Entwicklungsfortschritt zu behindern.

3. Zweikriterien: Anthropic selbst musste bereits wegen Urheberrechtsverletzungen hohe Entschädigungen zahlen, und es gab bereits Fälle, in denen es zu Fehlern bei der Identifizierung von Nutzern kam. Dennoch versucht das Unternehmen, sich als „Opfer“ und „moralische Instanz“ darzustellen.

4. Veränderungen in der Branche: Dieses Ereignis beschleunigt die Trennung von „technischen Fähigkeiten“ und „Vertrauenswürdigkeit“. In Zukunft wird die Bewertung von Großmodellen nicht nur an den Rechenleistungswerten liegen, sondern auch an der Datenkonformität und der Fähigkeit zur Risikobewältigung.

5. Verlagerung der Preiskontrolle: Chinesische Großmodelle erhielten in der Vergangenheit einen hohen Wert aufgrund ihrer „geografischen Strategie“. Jetzt verschwindet dieser Preisvorteil. Der Markt beginnt, ihre technische Unabhängigkeit neu zu bewerten, und die Bewertungssysteme werden sich von der „globalen AGI-Vision“ auf „lokale AI-Infrastrukturanbieter“ verändern.

---

**Dimension eins: Anthropics „Agenda-Falle“ – Drei verschiedene Handlungen als eine einzige Angelegenheit darstellen**

Das Listigste an Anthropics Bericht ist nicht, ob die Vorwürfe zu 100 % wahr sind, sondern wie sie diese Handlungen definieren. Es handelt sich dabei um ein klassisches Beispiel für „Agenda-Setting“.

1. Begriffsklärung: Im Bericht werden drei verschiedene Dinge verwechselt:

• Erstens: Die Nutzung von API-Ausgaben zum Training von Konkurrenzmodellen – das ist rechtlich eine Vertragsverletzung. Die Dienstbedingungen von Anthropic verbieten es, deren Ausgaben zum Training von Konkurrenzmodellen zu verwenden. Das ist wie wenn man KFC-Frühstücke kauft und diese anschließend nicht weiterverkaufen darf. Es handelt sich um einen zivilrechtlichen Streit, der höchstens zu Geldstrafen oder Sperren führen kann.
• Zweitens: Die Erstellung falscher Konten und Umgehung von Beschränkungen – das ist Betrug. Die Nutzung gestohlener Kreditkarten und falscher Identitäten zur Erstellung tausender Konten ist illegal, aber das hat nichts mit der Technik des „Distillierens“ an sich zu tun.
• Drittens: Die stillschweigende Übertragung von Nutzerdaten – das ist Verbraucherbetrug und Datenverletzung. Die Übertragung privater Inhalte der Nutzer an andere Server oder Dritte ist ein schwerwiegendes Problem, das Privatsphäre und Sicherheit betrifft.

Wo liegt die Falle?

Anthropic verwendet den neutralen Begriff „Distillationsangriff“, um diese drei Handlungen zusammenzufassen.

• Wenn man argumentiert, dass „Distillieren“ eine gängige Praxis in der Branche sei, gibt man zu, dass diese Handlungen dasselbe sind, und akzeptiert damit auch, dass „Distillieren“ ein abwertender Begriff ist.
• Wenn man nur über die Technik spricht, übergeht man die ernsten rechtlichen und datenschutzrelevanten Probleme.
• Die kluge Antwort des chinesischen Handelsministeriums: Das chinesische Handelsministerium hat nicht darüber gestritten, ob es zu einer „Distillation“ gekommen ist, sondern über die Definition des Begriffs. Es wurde darauf hingewiesen, dass „Distillieren“ eine neutrale technische Methode ist, die weltweit verwendet wird, einschließlich von US-Unternehmen. Damit wurde Anthropics moralischer Vorteil zerstört – man kann keinen neutralen Begriff verwenden, um seine eigenen Vertragsverletzungen und die potenziellen Betrügereien des Gegners zu verbergen.

2. Der Zeitplan zeigt die wahren Absichten: Wenn man sich Anthropics Vorgehensweise ansieht:

• Februar: Veröffentlichung eines Blogs mit Namenn (technische Enthüllung).
• April: Memo des Weißen Hauses (politischer Eingriff).
• Juni: Brief an den Senat (Druck durch Gesetzgebung).
• Juli: Drohung mit Sanktionen durch den Finanzminister (wirtschaftlicher Druck).
• September: Veröffentlichung eines 154-seitigen detaillierten Berichts (Beweisführung).

Ein Unternehmen, das mit APIs Geld verdient, würde normalerweise nur mit einer Anwaltskanzlei reagieren. Dass Anthropic jedoch zum Kongress geht und behauptet, jemand habe seine Modelle gestohlen, dient einem anderen Zweck – es will, dass das US-Kongress Gesetze verabschiedet, die das Training von Modellen mit Hilfe amerikanischer Modelle als illegal definieren. Wenn diese Gesetze in Kraft treten, sind nicht nur die genannten Unternehmen betroffen, sondern alle Unternehmen, die auf Open-Source- und Distillationstechnologien angewiesen sind.

3. Die Peinlichkeit des Doppelstandards: Auch Anthropic selbst ist nicht unschuldig. Im Jahr 2025 musste das Unternehmen wegen des illegalen Downloads von Millionen von urheberrechtlich geschützten Büchern 1,5 Milliarden US-Dollar zahlen. In diesem Jahr gab es sogar einen Fehler bei seinem Claude-Modell, bei dem es angegeben wurde, es sei „Alibaba Tongyi Qianwen“. Selbst Elon Musk bezeichnete es als „den größten Dieb Nordamerikas“. Vor diesem Hintergrund ist es schwer zu glauben, dass Anthropic sich als „Opfer“ darstellen will.

---

**Dimension zwei: Die „politische Blindheit“ chinesischer Gründer** – Warum haben intelligente Menschen einen Fehler gemacht?

Viele Leser fragen sich: Verstehen Chinesen die Politik und Spiele nicht am besten? Warum sind so viele führende Technologiegenies bei einer so sensiblen Angelegenheit gescheitert?

1. Fähigkeitsunterschiede: Lokale Politik vs. transnationale Geopolitik

Wenn wir von „Politikverständnis“ sprechen, meinen wir die Koordination von Politik, Ressourcenverteilung und zwischenmenschlichen Beziehungen im chinesischen Inland. Dieses Mal war jedoch eine andere Fähigkeit erforderlich: Das Verständnis dafür, wie der US-Kongress, Geheimdienste und IPO-Prozesse zusammenwirken.

• In den USA kann ein Geschäftsstreit um APIs schnell zu einem „Nationale Sicherheitsproblem“ aufgewertet werden.
• Dieses Denkmuster der „Waffennutzung transnationaler Themen“ fehlt vielen chinesischen Großmodellentwicklern. Sie betrachten sich als Teil eines „globalen Technologiewettbewerbs“, aber die US-Konkurrenten haben sie bereits als Teil einer „nationalen Strategie“ eingestuft.

2. Mechanische Kurzsichtigkeit: KPIs unterdrücken das Risikobewusstsein

Es liegt nicht an einzelnen Personen, sondern an dem gesamten Marktmechanismus, der kurzfristige Risiken fördert:

• Kurze Laufzeiten von Venture-Capital-Fonds: VC-Fonds haben nur eine Laufzeit von 5–7 Jahren; sie achten auf die Rendite innerhalb von 3 Jahren. Langfristige geografische Risiken sind nicht in deren KPIs enthalten.
• Angst vor Rankings: In den Jahren 2023–2025 lag der Fokus des Großmodell-Wettbewerbs auf Rechenleistungswerten. Da Rechenleistung teuer und kostspielig ist, konzentrieren sich Investoren und Entwickler darauf, ihre Rechenleistung zu verbessern.
• Marginalisierung von Risikoteams: Unter diesem Druck werden Compliance- und Risikobewertungsteams in den Hintergrund gedrängt. Risiken mit geringer Wahrscheinlichkeit und hohem Schaden werden systematisch unterschätzt. Die meisten dachten, das Schlimmste wäre eine Sperre, aber es könnte zu einer Bedrohung für die nationale Sicherheit kommen.

3. Ingenieurische Blindheit: Die Entwickler konzentrierten sich auf die Ausgabe der Modelle und nicht auf die Eingaben. Sie prüften, ob die Konten funktionierten und ob die Zwischenstationen stabil waren, aber sie überprüften nicht, was die Nutzer übermittelten:

• Einige übermittelten Code, andere interne Geheimnisse, wieder andere Überwachungsbilder.
• Um Proben zu sammeln, wurden keine Vorabfilter eingesetzt, was dazu führte, dass hochriskante und sensible Daten mitübertragen wurden.
• Unverhältnis von Nutzen und Risiko: Um etwas Trainingsdaten zu erhalten, wurden Risiken im Bereich der nationalen Sicherheit in Kauf genommen. Das ist ein technisches Versäumnis, aber die Konsequenzen sind katastrophal.

4. Welche Lektionen müssen gelernt werden?

• Kompliance ist ein Architekturproblem, nicht nur ein Rechtsproblem: Es reicht nicht aus, einfach Verbotsschreiben zu veröffentlichen; die Risiken müssen auf der Codeebene beseitigt werden.
• Keine Abhängigkeit von grauen Zwischenstationen: Jede Ebene der Abhängigkeit (falsche Konten, Zwischenstationen, APIs) kann zu Beweismitteln für andere werden.
• Neue Definition von Risiken: Risiken bestehen nicht darin, „erwischt zu werden“, sondern darin, ob man sich im Falle einer Offenlegung rechtfertigen kann. Wenn nicht, sollte man solche Aktivitäten nicht durchführen.

---

**Dimension drei: Zhang Yiming’s „Lernschulung“ – Die Lehren aus TikTok**

In dieser Krise war ByteDance mit seiner klaren Haltung der „Einzelgänger“. Zhang Yiming äußerte sich in internen Meetings deutlich dagegen, selbst wenn es vorübergehend zu Rückständen kommt.

1. Warum ist ByteDance nicht in die Falle getappt?

Es liegt nicht daran, dass Zhang Yiming klüger ist als andere, sondern daran, dass TikTok bereits einen hohen Preis dafür gezahlt hat:

• TikTok hat bereits Erfahrungen mit einer kompletten Reihe von Maßnahmen gemacht: Lokalisierung von Daten, Neutraining von Algorithmen, Lokalisierung des Boards, Sicherheitsaudits.
• ByteDance ist daher vorsichtig in Bezug auf die Übertragung von Daten ins Ausland und die Sicherheit von Algorithmen.
• Als ByteDance anfing, Großmodelle zu entwickeln, erkannte es sofort, dass die Übertragung von Modellen über APIs und die grenzüberschreitende Nutzung von APIs eine Wiederholung von TikToks Strategie wäre.
• Die Erfahrungen aus TikTok sind für ByteDance eine starke Grundlage; es ist bereit, Risiken in Kauf zu nehmen, um langfristige technologische Fortschritte zu erzielen.

2. Der Wert von organisatorischer Erfahrung: Andere Unternehmen haben keine solchen Erfahrungen und können sich nur vorstellen, was passieren könnte. Aber die Konsequenzen solcher Vorstellungen sind weniger einschränkend als tatsächliche Erfahrungen.

• Bei ByteDance ist das Verbot von Distillieren streng durchgesetzt; sogar die Nutzung von APIs wird kontrolliert.
• Zhang Yiming glaubt, dass Distillieren die langfristigen technologischen Fortschritte stört. Im Vergleich zu TikToks Milliarden von Nutzern ist ein Rückstand auf den inländischen Rankings es nicht wert, das eigene Vermögen zu riskieren.

3. Kosten und Vorteile:

• Kosten: ByteDances Großsprachmodelle (LLMs) liegen in der Bewertung zurück; Seed 2.0 erzielte nur durchschnittliche Ergebnisse. Es gibt auch Beschwerden unter den Mitarbeitern, dass das Fehlen von Distillierung zu Rückständen führt.
• Vorteile: Das Videoerzeugungsmodell Seedance ist weltweit führend; das Geschäft mit dem Volcano Engine-Modell ist sehr profitabel.
• Fazit: Wenn man nicht den einfachen Weg geht, kann man trotzdem führend sein. Dieses „Verzögerte-Zufriedenheitsgefühl“ ist eine Lektion, die ByteDance aus der TikTok-Krise gelernt hat.

---

**Dimension vier: Die „stille Zwischenstation“ – Der schmutzigste und am leichtesten übersehene Teil**

In der gesamten Kette ist die Zwischenstation der schmutzigste und am leichtesten übersehene Teil.

1. Was sind Zwischenstationen?

Es handelt sich um graue Mittelsmänner:

• Chinesische Großmodellunternehmen können nicht genügend Anthropic-APIs erwerben oder fürchten, verfolgt zu werden.
• Daher nutzen sie Zwischenstationen, die mit falschen Identitäten und gestohlenen Kreditkarten tausende Konten erstellen und so geografische Beschränkungen umgehen.
• Anschließend speichern sie die Dialoge der Nutzer mit Claude und verkaufen diese an Labore.

2. Ironische technische Details: Die Zwischenstationen haben die Macht, die Datenwege zu steuern.

• Claude ist teuer, während inländische Open-Source-Modelle und Llama günstiger sind.
• Aus Kostengründen leiten die Zwischenstationen einen Teil des Datenverkehrs auf günstigere Modelle um.
• Resultat: Die Kunden erhalten zwar den Anschein von Claude-Modellen, aber die Datensätze enthalten oft Inhalte anderer Modelle.
• Konsequenzen: Die trainierten Modelle verhalten sich unerwartet, die Benchmark-Tests sind instabil, und es ist schwierig, Fehler zu finden. Man investiert Geld, nimmt Risiken in Kauf und hinterlässt Beweise – am Ende erhält man möglicherweise ein „falsches“ Modell.

3. Das Schicksal der Daten:

• Entweder werden die Daten nicht falsch übertragen, oder die sensiblen Informationen der Nutzer gelangen an ausländische Server.
• In jedem Fall verstößt