OpenAI hat beschrieben, wie es verhindert, dass andere Firmen die internen Denkschritte seiner Modelle abschöpfen. Die Zahlen sehen nach einem Sieg aus. Sie kommen aus dem eigenen Testlabor.
Was OpenAI unter adversarial distillation versteht
Der Begriff klingt nach einem Angriff aus dem Labor, gemeint ist etwas Alltägliches. Destillation ist in der KI ein normales Verfahren: Ein kleineres Modell lernt von den Ausgaben eines größeren und wird dadurch schneller und billiger. Adversarial distillation nennt OpenAI die Variante, in der jemand die Ausgaben eines Frontier-Modells ohne Erlaubnis einsammelt, ein eigenes Modell darauf trainiert und dieses Modell ohne vergleichbare Schutzmaßnahmen betreibt.
Der Unterschied liegt also nicht im Verfahren, sondern in der Erlaubnis und im Ziel. Wer ein Modell auf öffentlichen Antworten nachtrainiert, macht dasselbe wie jemand, der gezielt Schwachstellen ausnutzt, um an internes Material zu kommen. OpenAI veröffentlichte die Beschreibung am 20. November als Bericht über laufende Abwehr, nicht als Abschlussmeldung.
Warum die chain-of-thought mehr wert ist als die Antwort
Der wertvolle Teil ist nicht der letzte Satz, sondern der Weg dorthin. Eine chain-of-thought enthält Zwischenschritte, die in der Antwort fehlen: welche Möglichkeiten verworfen wurden, welche Annahme geprüft wurde, wo der erste Ansatz scheiterte. Wer diese Spur hat, kann ein Modell trainieren, das nicht nur das Ergebnis kennt, sondern den Lösungsweg.
OpenAI hat das in einer eigenen Studie zum Cyber-Bereich geprüft. Ein Schüler-Modell, das mit exakten Spuren trainiert wurde, schnitt nach dem überwachten Feintuning im Schnitt besser ab als eines, das nur Zusammenfassungen gesehen hatte. Nach einer leichten Runde Reinforcement Learning lag es auch beim größten Inferenzbudget noch vorn, während das Modell mit den Zusammenfassungen bei kleineren Budgets führte. Kurz: Die Spur trägt mehr, und dieser Vorsprung verschwindet nicht sofort.
Die vier Verteidigungslinien von OpenAI
OpenAI beschreibt den Schutz in der Reihenfolge, in der er greift. Zuerst das Training: Das Modell soll Extraktionsversuche erkennen und ablehnen, und zwar bevor eine Antwort entsteht, damit der Versuch nicht erst nachträglich gefiltert werden muss. Dann Eingabe-Klassifikatoren, die verdächtige Anfragen markieren, und Ausgabe-Klassifikatoren, die sowohl Assistenten-Antworten als auch die Argumente von Werkzeugaufrufen prüfen, in gestreamten wie in normalen Antworten.
Die dritte Ebene ist die API. Geschützte Denkspuren werden an den Gesprächsverlauf gebunden, der sie hervorgebracht hat. Wird eine frühere Nachricht umgeschrieben, verwirft das System die Reasoning-Spur, die darauf folgte. Ältere Modellfamilien mit schwächeren Schutzmaßnahmen können die Spuren von GPT-6.2 Astra und Sol nicht mehr lesen.
Die vierte Ebene ist die Kampagne. OpenAI untersucht Konten hinter koordinierten Versuchen, sperrt ganze Netzwerke, teilt Indikatoren mit anderen Anbietern und nennt als Größenordnung Sperren von einigen Tausend bis zu Zehntausenden Konten pro Woche. Die Rate sei seit dem Sommer deutlich gestiegen.
reasoning extraction in großem Stil: Tausende Konten pro Woche
Diese Größenordnung ist der eigentliche Beleg dafür, dass es nicht um Einzelfälle geht. Wer Tausende Konten pro Woche sperrt, hat es mit organisierten Versuchen zu tun, nicht mit neugierigen Entwicklern. OpenAI sagt nicht, wie viele dieser Konten zu welchem Anbieter gehören, und nennt keine Namen von Kunden der gesperrten Netzwerke.
Für Unternehmen, die auf einem US-Modell ein eigenes Produkt bauen, hat die Geschichte eine unangenehme Pointe. Die Denkspur des Modells ist Teil der Lieferkette geworden. Wer sie weiterverarbeitet, arbeitet mit Material, dessen Herkunft der Anbieter jetzt prüft.
Was die 54 auf 0,2 Prozent bei GPT-6.2 Astra nicht beweisen
Die Zahlen sind eindrucksvoll und eng begrenzt. OpenAI nennt eine interne adaptive Black-Box-Evaluation, aggregiert über sechs Angreifermodelle. Für das Abgreifen geschützter Denkspuren aus einer früheren Anfrage fiel die Erfolgsquote von 54,0 Prozent gegen GPT-6 Astra mit den alten Schutzmaßnahmen auf 0,2 Prozent gegen GPT-6.2 Astra mit den neuen.
Für die Extraktion aus der laufenden Anfrage sank der Wert von 22,9 auf 0,9 Prozent. Beide Raten lägen mit den neuen Schutzmaßnahmen unter einem Prozent pro Angriffstyp, schreibt OpenAI. Ein Teil der Verbesserungen soll auch GPT-6 Astra erhalten.
Das ist ein Testwert, kein Diebstahlsregister. Eine Erfolgsquote von 0,2 Prozent sagt, wie oft ein Angreifermodell in diesem Aufbau zum Ziel kam. Sie sagt nicht, wie viel Reasoning in der realen Welt kopiert wurde, und sie stammt von der Firma, die das Modell verkauft. Eine unabhängige Prüfung gibt es nicht.
Nur eigene Zahlen.
DeepSeek, Moonshot und die Sicherheitsfrage
OpenAI rahmt den Bericht als nationale Sicherheitsfrage, und das ist der politische Teil. Im Februar habe man den Kongress über Aktivitäten informiert, die darauf hindeuteten, dass DeepSeek amerikanische Frontier-Modelle destillieren wollte. Im September habe man eine Kampagne zur Extraktion geschützter Denkspuren gestört und einen Kernanteil Personen zugeordnet, die mit Moonshot AI in Verbindung stehen, dem Entwickler von Kimi.
Moonshot selbst wurde nicht sanktioniert und nicht angeklagt. OpenAI unterstützt nach eigenen Angaben den Chip Security Act, den AI OVERWATCH Act und den MATCH Act. Gesetze sind das nicht, sondern Entwürfe, für die die Firma wirbt.
Was andere Entwickler von OpenAI übernehmen sollen
Der Bericht endet nicht mit der eigenen Bilanz, sondern mit einer Empfehlung an die Branche. Geschützte Denkspuren sollten über die gesamte Interaktion abgesichert werden, einschließlich der Argumente von Werkzeugaufrufen. Erfolgreiche Angriffe sollten als Regressionstests archiviert werden, damit ein Update keinen alten Weg wieder öffnet. Maßnahmen pro Anfrage reichten nicht, wenn die Kampagne dahinter weiterläuft.
Das deckt sich mit dem, was Anthropic nach Angaben von The Decoder tut. Auch dort werden Zehntausende Konten gesperrt, mit Erfolgsquoten zwischen 90 und 99 Prozent, und auch dort fordert man eine gemeinsame Antwort von Industrie und Politik. Zwei Wettbewerber, dieselbe Klage.
Für Entwickler hierzulande ist der Punkt praktisch. Wer in Deutschland ein offenes Modell mit den Ausgaben eines größeren Modells nachtrainiert, macht im Kleinen genau das, was OpenAI als Angriff beschreibt, und bewegt sich dabei in einer Rechtslage, die davon abhängt, ob die Ausgaben rechtmäßig erworben wurden. Warum sollten Teams außerhalb der USA das anders sehen als OpenAI?
Was bei adversarial distillation offen bleibt
Am Ende bleiben drei Lücken. Die erste ist methodisch: Sechs Angreifermodelle in einem Testaufbau sind keine Nachbildung der Welt, und die Zahl der Versuche nennt OpenAI nicht vollständig. Die zweite ist strukturell: Solange ein Anbieter seine Denkspur über eine API ausliefert, bleibt sie angreifbar, und jeder neue Abwehrschritt verschiebt den Aufwand nur.
Die dritte ist die wichtigste. OpenAI beschreibt eine laufende Abwehr, keinen Endstand: Die Sperren gehen weiter, die Rate ist seit dem Sommer gestiegen, und jede neue Modellgeneration verschiebt die Grenze zwischen geschützter und offener Denkspur. Wer heute ein Modell auf fremden Spuren trainiert, hat es mit einem Gegner zu tun, der jede Woche nachjustiert.






