Y Combinator pide a EE.UU. destilar sus propios modelos de IA

Garry Tan contra Anthropic: por qué el CEO de YC defiende la destilación "a la americana"

El CEO de Y Combinator, Garry Tan, rompió esta semana el consenso de Silicon Valley sobre la destilación de modelos de IA. Mientras Anthropic y la Agencia de Seguridad Nacional de EE.UU. (NSA) acusan a laboratorios chinos de extraer conocimiento de modelos estadounidenses de forma ilícita, Tan pidió en el Demo Day del acelerador que el regulador haga exactamente lo contrario: permitir que los laboratorios open-weight estadounidenses destilen libremente los modelos frontera de su propio país. Tan, según reportó CNBC, respondió con un escueto "haría nada" cuando le preguntaron qué debería hacer el regulador con la destilación china, y agregó: "podríamos argumentar que debería existir un régimen de destilación a la americana".

La postura importa porque Y Combinator es una de las maquinarias de inversión más grandes del ecosistema tech: su cartera tiene una valoración combinada de US$1,3 billones según Business Insider, y de las 196 startups que presentaron en el Demo Day del 10 de septiembre, 149 son proyectos de machine learning o IA (76% del batch).

Qué dice exactamente la propuesta de Tan

La destilación es una técnica en la que un modelo aprende a imitar el comportamiento y razonamiento de otro más grande, normalmente alimentando su entrenamiento con las salidas del modelo "maestro". Tan no defiende el uso de cuentas falsas ni credenciales robadas — el método que Anthropic denuncia en su informe. Lo que pide es que los laboratorios open-weight estadounidenses puedan hacerlo "por la puerta de entrada": con acceso legítimo vía API, sin restricciones contractuales que les impidan usar lo que el modelo les devuelve.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Su argumento, según TechCrunch, es doble:

Es un exceso regulatorio que los laboratorios propietarios dicten qué pueden hacer los clientes con la información que sus modelos comparten a través de la API.
La misma regla no se aplicó antes: los grandes modelos frontera absorbieron masivamente conocimiento humano con derechos de autor para entrenarse, sin pedir permiso a autores ni editores. El caso de The New York Times contra OpenAI y Microsoft, o el acuerdo extrajudicial de un consorcio de autores con Anthropic en 2025, son la prueba, recordó Tan a CNBC.

Tan resumió su filosofía así: "controlar lo que los usuarios hacen con llamadas a la API de modelos cerrados se siente restrictivo. Hay un rol que el gobierno puede jugar para normalizar que el acceso a inteligencia entrenada sobre datos de acceso público amplio sea también una forma de bien público, y no algo encerrado detrás de términos de servicio restrictivos".

El reporte de Anthropic que desató el debate

El jueves, Anthropic publicó un informe de inteligencia de amenazas acusando a cinco empresas chinas — Alibaba, Moonshot AI, DeepSeek, Xiaomi y Zhipu — de "ataques de destilación ilícita". Según Yahoo News y Business Insider, entre mayo y julio de 2026 Anthropic registró cerca de 190 millones de intercambios vinculados a estas campañas, distribuidos así:

Alibaba: más de 151 millones de intercambios con Claude entre mayo y julio, distribuidos a través de unas 3.500 cuentas fraudulentas, con picos diarios cercanos a 3 millones de interacciones. Los transcripts se habrían usado para entrenar los modelos Qwen.
Moonshot AI: unos 23 millones de intercambios en el período mayo–julio, con 300.000 solicitudes de clientes redirigidas a Claude en apenas 10 días a través de 5.380 cuentas falsas.
DeepSeek: más de 12 millones de intercambios en dos semanas de julio de 2026.
Xiaomi: Anthropic asegura que registró conversaciones de usuarios con sus modelos MiMo y las redirigió a Claude para generar datos de entrenamiento.
Zhipu / Z.ai: Anthropic también documentó una campaña similar, con menos detalle público.

El informe de Anthropic incluye un dato sensible que va más allá de la propiedad intelectual: una solicitud atribuida a un usuario de Moonshot afiliado al Ejército Popular de Liberación pidió a Claude analizar grabaciones de CCTV de cientos de cámaras en Chengdu, y DeepSeek redirigió consultas que expusieron credenciales activas de una base de datos del gobierno ruso. Anthropic advierte que estas prácticas "probablemente son inconsistentes con leyes de privacidad y con los propios términos de servicio de los laboratorios".

En junio, Anthropic ya había escrito a senadores estadounidenses señalando que entidades vinculadas a Alibaba realizaron cerca de 28,8 millones de intercambios en unas seis semanas, usando unas 25.000 cuentas fraudulentas. La NSA, el FBI y CISA emitieron el martes una advertencia conjunta de ciberseguridad contra seis firmas chinas, y el secretario del Tesoro, Scott Bessent, dijo que sanciones y designaciones en la Entity List estaban "sobre la mesa".

Por qué la postura de Tan choca con Anthropic y OpenAI

Tan no está solo en su diagnóstico: críticos de Anthropic y OpenAI llevan meses señalando que los modelos frontera se entrenaron con material con copyright sin permisos, por lo que resulta difícil sostener que la salida del modelo sea propiedad exclusiva del laboratorio. Pero su propuesta concreta —abrir la destilación a laboratorios estadounidenses— va un paso más allá del debate ético y entra en territorio regulatorio.

Para Tan, el verdadero riesgo no es la competencia china sino la concentración: "el escenario de pesadilla, el escenario doomer, es que haya una sola empresa. Que tenga el mejor acceso a capital, los mejores investigadores de IA, y se escape adelante hasta volverse monolítica. Y eso sería malo", dijo a CNBC. El contrapeso, para él, es exactamente un ecosistema open-weight robusto en EE.UU.

No todos en YC piensan igual. Esta semana el investigador de Anthropic Jacob Coxon renunció públicamente acusando a Anthropic y OpenAI de "jugar con nuestras vidas" en la carrera hacia sistemas que se auto-mejoran; Evan Hubinger, líder de alineación en Anthropic, reiteró su estimación de una probabilidad superior al 10% de que la IA provoque una extinción. Tan respondió a esos titulares con una frase: "necesitamos enfocarnos en ciencia, no en ciencia ficción. Vi Terminator 2 también. Es una gran película".

Qué significa esto para tu startup

La propuesta de Tan no es todavía política pública, pero sí marca una línea divisoria entre dos visiones del futuro de la IA que直接影响 cómo construir tu producto. Si el regulador sigue a Anthropic, el acceso a los modelos frontera vía API vendrá con términos más restrictivos: menos control sobre qué haces con las salidas, verificación de identidad obligatoria en regiones sensibles (Anthropic ya la aplica para usuarios en China, Rusia e Irán) y respuestas con menos detalle de razonamiento para evitar destilación. Si el regulador sigue a Tan, ese grifo se abrirá y将会会有 más modelos abiertos estadounidenses compitiendo con Llama, Mistral y los Qwen chinos.

Acciones concretas que podés tomar hoy:

Diversificá tu stack de modelos antes de que las reglas cambien. Si dependes exclusivamente de una API cerrada para una función crítica (resumen, generación de código, agentes), empezá a probar al menos un modelo open-weight como fallback: ya hay evidencia de que esa capa es la que Tan quiere engrosar.
Si estás en YC o apuntás a invertir en EE.UU., seguí el pulso del Demo Day. El 76% de las startups del último batch son IA — el fondo está claramente apostando a que el valor se construirá sobre la frontera, no junto a ella.
Atendé al riesgo regulatorio en tu vertical. Anthropic reportó esta semana que bloqueó a cinco científicos que usaban Claude para investigar patógenos peligrosos. Si tu producto toca salud, biotech, defensa o vigilancia, la presión regulatoria sobre el uso final de los outputs crecerá antes que el resto.

La destilación dejó de ser un detalle técnico: en 2026 es el campo de batalla donde se decide si la frontera de la IA será una fortaleza patentada o una infraestructura compartida.