Ben Thompson publica una propuesta de ley para Estados Unidos que deja por escrito una asimetría que se ha vuelto operativa. El texto pide dos cosas: declarar que recopilar datos públicos para entrenar modelos es fair use, y prohibir los términos de servicio que impiden la destilación, al menos para empresas estadounidenses.

La asimetría está a la vista de quien construye. OpenAI y Anthropic construyeron sus modelos con miles de millones de páginas web y libros sin pedir permiso a nadie. En sus términos de servicio, sin embargo, escriben que no puedes usar sus outputs para entrenar tu propio modelo. Quien evalúa entre modelos propietarios y abiertos lo siente cada día: puedes consumir la API, puedes construir encima, pero lo que aprendes sigue siendo suyo.

Como contábamos el 14 de julio, Satya Nadella ya había expresado la misma crítica en público, calificando la actitud de los labs como una posición insostenible. Thompson va más allá y convierte el malestar en una propuesta con dos mecanismos: dar a los labs certeza legal sobre el entrenamiento, para que dejen de pagar juicios por miles de millones, y garantizar que lo que aprendan alimente la innovación de todos.

La propuesta llega mientras Alibaba acaba de lanzar Qwen 3.8 Max como open weight, 2.4T parámetros. Thompson lee el movimiento como una alineación con el impulso de Xi Jinping hacia el código abierto. Si Estados Unidos cierra la destilación, China la abre.

En detalle

La destilación, en palabras simples, es el proceso mediante el cual usas las respuestas de un modelo grande y costoso para entrenar un modelo más pequeño que imita su comportamiento. Técnicamente se hace interrogando la API del modelo de partida sobre un conjunto de ejemplos, recopilando los pares pregunta-respuesta, y usando ese dataset para entrenar el modelo objetivo. Los términos de servicio de OpenAI y Anthropic prohíben explícitamente esta práctica: si descubren que estás usando sus outputs para entrenar un modelo, pueden cortarte el acceso.

El punto de Thompson es que detener la destilación es prácticamente imposible. Destilar un modelo significa interrogar su API, y distinguir a un usuario legítimo que hace muchas preguntas de alguien que está construyendo un dataset de entrenamiento es un problema de detección irresolvible sin espiar el comportamiento del usuario de formas que plantearían problemas legales aún mayores. La propuesta invierte la lógica: en lugar de prohibir algo que no se puede prohibir, legalizalo y aprovéchalo.

La estructura de la propuesta tiene dos partes que se sostienen mutuamente. La primera declara que recopilar datos públicos para el entrenamiento es fair use. Esto protege a los labs de demandas por derechos de autor, como el acuerdo de 1.500 millones que Anthropic acaba de firmar sobre libros pirateados usados para entrenar Claude. La segunda prohíbe los términos de servicio que impiden la destilación, garantizando que el conocimiento acumulado por los modelos frontier siga disponible para quien quiera construir alternativas.

El contexto chino es el que da urgencia a la propuesta. Alibaba lanzó Qwen 3.8 Max, 2.4T parámetros, como open weight, invirtiendo la decisión de mayo de no publicarlo. Thompson vincula la decisión a un discurso reciente de Xi Jinping que impulsa el código abierto, la colaboración y el intercambio. Si los modelos abiertos chinos siguen cerrando la brecha de calidad con los frontier estadounidenses y en Estados Unidos la destilación sigue prohibida, la ventaja competitiva se desplaza hacia quien tiene menos restricciones.

Los límites de la propuesta son concretos. Es una sugerencia de política, no un proyecto de ley presentado al Congreso. No aclara cómo se trazaría la línea entre fair use y violación de derechos de autor para datos que no son puramente públicos, como libros con copyright o archivos de pago. Y no aborda el riesgo de que legalizar el entrenamiento con cualquier dato público desincentive la producción de contenido de calidad, si los creadores no ven un retorno. Para quien construye productos de IA, sin embargo, la propuesta marca una dirección: la presión sobre esta asimetría está creciendo, y el movimiento de Alibaba sugiere que el mercado encontrará un camino de todas formas, con o sin una ley estadounidense.