2025年初から現在に至るまで、DeepSeekを「蒸留」で告発するリストは増え続けている。OpenAI、ホワイトハウスの高官、Anthropicが相次いで参戦し、数字はどれもますます具体的になっている。しかしこれらの告発を並べると、常識に反する事実が浮かび上がる。1年が経過した今も、第三者による検証が可能な証拠を提示した当事者は皆無であり、訴訟は一件も起きておらず、最初に告発の口火を切ったOpenAIでさえ、訴訟の意思がないことを公式に表明している。告発の精度と証拠の不在が、この論争の真の姿を形作っているのだ。
まず、しばしば曖昧にされがちな概念を整理しておこう。蒸留（distillation）とはモデル圧縮技術の一つであり、2015年にGeoffrey Hintonらが提唱したもので、大規模モデル（教師）の出力を用いて小規模モデル（学生）を訓練する手法だ。学術界・産業界で広く使われており、技術自体は完全に合法である。論争の焦点は「蒸留」という技術にあるのではなく、ある具体的な告発にある。すなわち、DeepSeekが許可なく利用規約に違反する形で、OpenAIやAnthropicのモデルの出力を自社モデルの訓練に使用したかどうかという問題だ。これは「入力データの出所」に関する事実の問題であり、技術の正当性をめぐる問題ではない。
ここで「告発の全体像」を改めて整理してみよう。
2025年1月、DeepSeekがR1で爆発的な注目を集めると、OpenAIは直ちに『フィナンシャル・タイムズ』を通じて、DeepSeekが蒸留によって自社のGPTモデルを利用した形跡があると示唆した。マイクロソフトは2024年秋に不審なAPIデータの流出を発見したと報じられた。ホワイトハウスのDavid Sacksはテレビ番組で「実質的な証拠がある」と発言したが、その証拠は一度も公開されることはなかった。2025年2月初め、OpenAIのCEOは東京で記者団に対し、現時点でDeepSeekを提訴する予定はないと述べた。それから1年後の2026年2月、OpenAIは米国下院の対中特別委員会に覚書を提出し、DeepSeekがOpenAIなどの米国先端研究所の開発した能力を「タダ乗り」したと告発するとともに、「新たな難読化された手法」が検出されたと主張した。
同月、Anthropicが参戦し、これまでで最も具体的な数字を提示した。2026年2月23日付の公式報告書において、AnthropicはDeepSeek・Moonshot・MiniMaxの3つの中国系研究所が、約2万4,000の不正アカウントと1,600万回超のインタラクションを通じて、「産業規模で」Claudeの能力を抽出したと告発した。内訳は、DeepSeekが15万回超、Moonshotが340万回超、MiniMaxが1,300万回超とされている。報告書によれば、DeepSeekの手口は技術的に最も巧妙であり、Claudeに対してすでに完成した回答の裏にある内部推論を段階的に書き出させるよう誘導することで、実質的にチェーン・オブ・ソート（Chain-of-Thought）の訓練データを大規模に生成していたという。その4ヵ月後、Anthropicは米国上院への書簡において、アリババが約2万5,000アカウントと2,880万回のインタラクションを用いた「これまでに確認された最大規模の蒸留攻撃」を仕掛けたとして、別途告発を行った。
これらの告発は確かに具体的だ。しかし、すべてに共通する性質がある。いずれも一方的な主張にすぎず、被告発の中国系3研究所はコメント要請に応じておらず、アリババは否定している。AnthropicもOpenAIも、独立した第三者が検証可能な法的証拠（アカウント帰属の完全な連鎖、抽出されたコンテンツと対象モデルの能力向上の因果関係の証明など）を公開していない。さらに重要な反証として、最初に告発したOpenAIが明確に提訴しないと表明している点がある。「実質的な証拠」を持つ原告が、証拠を法廷に提出して反対尋問を受ける機会を自ら手放すことは、通常ありえない。
一方、「証拠の空間」において、被告発側が提示したものを見てみよう。答えはほぼ一つに限られており、しかもその範囲は極めて狭い。
2025年9月、梁文鋒を責任著者とするDeepSeek-R1の論文が『Nature』の表紙を飾った。その83ページにわたる補足資料の中で、DeepSeekは訓練データの出所について正面から回答している。
DeepSeek-V3-Baseの訓練データは一般的なウェブページと電子書籍のみから構成され、合成データは一切含まない。また、一部のウェブページにはOpenAIのモデルが生成した回答が大量に含まれており、基盤モデルが他の強力なモデルの知識を間接的に学習した可能性があると認めている。ただし、事前学習のクールダウン段階において、OpenAIが生成した合成データを「意図的に組み込んだことはない」としている。
この否定は正確に読み解く必要がある。第一に、この否定が対象とするのはV3-Baseの事前学習段階のみであり、ポストトレーニング、強化学習、SFT段階においてサードパーティのモデル出力を使用したかどうかについては、一切否定していない。第二に、「意図的に組み込んだことはない」という限定的な表現は、ウェブ上に受動的に混入したOpenAI生成コンテンツの可能性を排除していない。これは慎重に措辞された否定であり、「一切使用していない」という断言ではない。
こうして、この論争の真の姿が浮かび上がる。告発は極めて具体的だが、すべて一方的な主張であり、第三者による検証もなく、訴訟もない。否定は確かに存在するが、範囲が極めて狭く、表現にも余地が残されている。その間の空白を、1年が経過した今も、いずれの当事者も埋めていない。この空白を特に反証困難にしているのは、DeepSeekが完全な訓練データセットを一向に公開していないという事実だ。モデルの重みや多数のツールライブラリはオープンソース化されているが、最も重要なデータの出所は依然としてブラックボックスのままだ。これは「蒸留した」という証拠にはならないが、「蒸留していない」という命題を外部から検証できなくしていることも確かだ。
第三者による定量化を試みた研究も存在する。中国科学院深圳先進技術研究院・清華大学などの機関による論文（ACL 2025採録済み）は、モデルの「蒸留度」を測定するフレームワークを提案しており、その結論は次の通りだ。著名なオープンソース・クローズドソースモデルの大多数は高い蒸留度を示しているが、Claude、Doubao、Geminiは例外であり、基盤モデルはアライメント後のモデルより蒸留度が高い傾向がある。こうした研究は方向性を示す傍証を提供してはいるが、測定しているのはモデル出力分布の類似度にすぎず、「誰が誰を蒸留したか」を特定することはできず、帰属の決定的証拠にはなりえない。
ここで提示しなければならない、より重要な対立軸がある。告発側自身の入力データもまた、ガラス張りの家の中にあるということだ。Anthropicは海賊版書籍を訓練データに使用したとして、15億ドルの和解を成立させたばかりだ（Bartz対Anthropic訴訟、2026年7月に最終承認）。『ニューヨーク・タイムズ』対OpenAIの著作権訴訟も依然として進行中だ。かつてこれらの研究所が著作権で保護されたテキストをモデルに学習させた際も、権利者の同意を得てはいなかった。DeepSeek陣営が投げ返す最も有力な反論はまさにここにある。「他者の成果物を使ってモデルを訓練することが問題なのであれば、その基準は告発者自身にも等しく適用されるべきではないか」ということだ。（なお、「本当に盗んだのなら、どこから盗んだというのか」という反問がDeepSeek側の発言として広く流布しているが、これは具名の一次情報源が確認できておらず、最も近い出典自体に矛盾があるため、公式な回答としてではなく、流通している言説の一つとして扱うべきだ。）
以上を総合すると、一つの誠実な結論が導かれる。現時点において、「DeepSeekが米国のモデルを蒸留した」という主張は、信頼性が低くはない疑惑の段階にあり、公表可能な事実ではない。方向性を示す傍証は存在するが、帰属を確定する決定的証拠はなく、司法上の認定はゼロだ。この論争において本当に問い直すべきは、「蒸留は盗用にあたるか」ではなく、おそらく次の問いだろう。データを握るすべての当事者が、独立した検証が可能な場に証拠を持ち込もうとせず、舆論の場での告発を繰り返すことを選ぶのはなぜなのか。
証拠一覧
一方的告発（一方の主張であり、第三者による裁定なし）
- Anthropic報告書（2026-02-23）：3社合計で約2万4,000アカウント、1,600万回超のインタラクション。内訳はDeepSeekが15万回超、Moonshotが340万回超、MiniMaxが1,300万回超。3社はいずれもコメントに応じていない。
- Anthropicの上院への書簡（2026-06-10）：アリババが約2万5,000アカウント、2,880万回のインタラクション、「これまでに確認された最大規模」。アリババは否定。（アリババの数字と3社の数字は別の事案であり、混同しないこと）
- OpenAIの下院への覚書（2026-02-12、Bloombergが入手）：DeepSeekによる「タダ乗り」、「新たな難読化された手法」。
- OpenAI 2025年1月（FT経由）：蒸留の「形跡」。
確認済み（一次情報）
- Altman 2025-02-03（東京）：DeepSeekを提訴する計画はない。
- Nature掲載R1論文（DOI 10.1038/s41586-025-09422-z、梁文鋒が責任著者）補足資料：V3-Baseはウェブページと電子書籍のみ使用、合成データは含まない。OpenAIの合成データを「意図的に組み込んだことはない」。範囲はV3-Baseの事前学習段階のみに限定。
- 蒸留定量化論文（arXiv:2501.12619、ACL 2025）：オープンソース・クローズドソースの大多数のモデルで蒸留度が高く、Claude・Doubao・Geminiは例外。
- Bartz対Anthropic訴訟：15億ドルの和解、2026-07-20に最終承認（告発側の入力データもガラス張りであることを示す事例）。
- David Sacksの「実質的な証拠」（Fox News）：証拠は一度も公開されておらず、「確認済み」として記述することは不可。
- 「本当に盗んだなら、どこから盗んだというのか」：チタンメディア経由で伝えられたとされるが具名の一次情報源が未確認のため、限定を付した上でsteelman論として扱うこと。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接