В начале июля платформа Hugging Face — главный хаб open-source моделей в мире — подверглась кибератаке с использованием AI-агентов. Когда команда безопасности попыталась проанализировать вредоносные команды и эксплойт-пайлоады через коммерческие API frontier-моделей, guardrails Anthropic и OpenAI заблокировали запросы: система не смогла отличить инцидент-респондера от атакующего. Выход нашёлся неожиданный: forensic-анализ провели на GLM 5.2 — китайской open-source модели от Zhipu AI, запущенной на собственной инфраструктуре. Данные не покинули периметр компании, а ограничения сняты не были. Этот эпизод — не просто технический казус. Это наглядная иллюстрация того, во что превращается геополитика ИИ прямо сейчас.

Как мы дошли до этой точки

Генеративный ИИ и большие языковые модели родились в Кремниевой долине, и несколько лет аксиомой было: передовой ИИ — это американский ИИ. Первые модели создавались с идеалистическим посылом «открытой технологии», но экономика быстро расставила приоритеты: миллиарды долларов на обучение требовали возврата инвестиций, а инвесторы не хотели делиться результатом бесплатно. Так индустрия стала закрытой — GPT, Claude, Gemini остались чёрными ящиками на серверах корпораций, а доступ продавался через API с посимвольной оплатой.

В начале 2025 года Китай выбросил на стол туз, которого никто не ждал. Компания DeepSeek, о которой мало кто слышал, выпустила модель R1 — не передовую, на поколение позади OpenAI и Anthropic, но по-настоящему полезную. И обученную, как утверждалось, радикально дешевле. Более того, DeepSeek применил технику дистилляции: маленькая модель обучалась на выходах большой, впитывая большинство её способностей за fraction от стоимости. Результатом стали компактные модели, которые помещались на смартфоне — без подписки, без отправки данных в чужой дата-центр, без зависимости от корпоративного милосердия.

Одновременно выяснилось (или по крайней мере так утверждает OpenAI), что большие модели DeepSeek, возможно, были дообучены на выводах ChatGPT — то есть та самая дистилляция работала в обе стороны, независимо от условий использования. Это стало отправной точкой для главной драмы 2026 года.

Китайские модели больше не «неплохо для Китая»

Если в 2025 году китайские ИИ были достойной альтернативой, то летом 2026-го они — полноценные конкуренты. ZAI выпустила GLM 5.2, Moonshot — Kimi 3, Alibaba — Qwen 3.8 Max. Все три модели, по оценкам экспертов, отстают от передовых американских релизов буквально на несколько месяцев, а в отдельных бенчмарках догоняют или обходят их. И все три — open weights: любой может скачать, адаптировать, запустить локально.

Это совпало с ростом чувствительности клиентов к цене. Reasoning-режимы (многократный «перебор» вариантов перед ответом) увеличивают потребление токенов экспоненциально, а значит, и расходы. В этих условиях аргумент «вот модель за копейки, работающая почти так же» становится решающим для бизнеса — особенно вне США и Евросоюза, где выбор провайдера ИИ превращается в вопрос цифрового суверенитета.

Парадокс кибербезопасности: guardrails как уязвимость

Эпизод с Hugging Face обнажил проблему, о которой давно говорили, но которая редко проявлялась так наглядно. Современные frontier-модели — не только помощники, но и оружие: они отлично находят уязвимости в коде и эксплуатируют их. Это полезно и защитникам (находить дыры до атакующих), и нападающим. Чтобы сбалансировать риск, OpenAI и Anthropic вшивают в модели мощные guardrails — фильтры, блокирующие потенциально опасные запросы.

Проблема в том, что фильтры не различают контекст. Команда «объясни работу этого эксплойт-пайлоада для forensic-анализа» и команда «помоги мне атаковать сервер» для модели выглядят одинаково. В результате защитники оказываются в ситуации, когда коммерческая модель отказывается помогать им анализировать атаку, которой они подверглись. Именно это случилось с Hugging Face: frontier-модели за коммерческими API «не сработали», потому что провайдеры не смогли отличить инцидент-респондера от злоумышленника. Китайская open-source модель, запущенная локально, подобных ограничений не имела — и позволила разобрать атаку без потери контроля над данными.

Этот случай уже цитируют в дебатах о регуляции. Аналитик Бен Томпсон на своём блоге Stratechery на прошлой неделе аргументировал, что вместо того, чтобы прислушиваться к требованиям Anthropic и OpenAI криминализировать дистилляцию, правительству США стоило бы запретить самим компаниям запрещать дистилляцию в условиях использования. По его логике, абсурдно, что американский стартап, желающий обучить собственную модель, вынужден обращаться к китайской — но это прямое следствие того, что западные лаборатории закрыли свои выводы и заблокировали производные работы.

Дипломатия FUD: «AI-коммунизм» как риторическое оружие

Риторика вокруг open-source ИИ за последние недели стала заметно агрессивнее. Дин Бейкер, сегодня — глава стратегического прогнозирования в OpenAI (и бывший чиновник администрации Трампа), заявил, что «один вероятный исход мира, доминируемого open-weight моделями, — это полный AI-коммунизм, именно то, что предлагает Китай: ИИ как общественное благо, цифровая инфраструктура, предоставляемая государством». Он назвал это «антиутопическим адом». Бывший венчурный капиталист и до недавнего времени AI-царь администрации Дэвид Сакс отреагировал сухо: «Я не уверен, признаётся ли Дин в стратегии regulatory capture или просто предсказывает, что это произойдёт. В любом случае, weaponization регуляторной неуверенности как конкурентного инструмента должна быть абсолютно неприемлема».

Сакс прав в одном: Бейкер описал реально обсуждаемый сценарий — не запрещать open source напрямую (это «одна из глупейших мантр AI-политики», по выражению Бейкера), а направить каждое ведомство издавать soft law, создающую FUD — fear, uncertainty, doubt. Не нужно формального запрета; достаточно, чтобы каждый регулятор намекнул, что использование китайских open-weight моделей может повлечь проблемы с комплаенсом. Рынок сам заморозит adoption.

Ирония в том, что администрация пока не определилась. Сакс ушёл в отставку, его место не занято; директор Центра инноваций и стандартов ИИ Крис Фолл тоже покинул пост. Формально главный голос Вашингтона по вопросу открытых моделей сейчас отсутствует.

Китайская дилемма: оружие мягкой силы или утечка мозгов в весах

Пекин перед лицом зеркальной дилеммы. С одной стороны, открытые китайские модели — это колоссальный инструмент мягкой силы. На прошлой неделе в Шанхае была объявлена Всемирная организация сотрудничества в области ИИ (World AI Cooperation Organization), в которую вошли несколько десятков развивающихся стран. Си Цзиньпин в программной речи призвал «придерживаться принципа открытости и взаимного выигрыша» и «воспользоваться редкой исторической возможностью» для развития открытого ИИ. Это прямой ответ на американскую стратегию закрытых frontier-моделей: Китай позиционирует себя как альтернативного хаб для стран, не желающих зависеть от Кремниевой долины.

С другой стороны, Financial Times на той же неделе сообщил, что Министерство коммерции КНР проводит консультации с китайскими AI-компаниями о возможном запрете для иностранцев скачивать open-weight модели. Логика простая: если Китай действительно догнал США, зачем продолжать раздавать исходники? Запрет превратит модели в сервис — доступ по сети, а не файл для скачивания. Это сохраняет контроль, но одновременно подрывает весь нарратив открытости и привлекательность Шанхайской организации.

Вопрос без хорошего ответа. Открытая модель, скачанная и адаптированная, — это независимость для пользователя. Та же модель, доступная только через API, — это ещё одна зависимость, просто с другим флагом на сервере.

Дистилляция в обе стороны: Thinking Machines Lab и Inkling

Показательный штрих — история Thinking Machines Lab, американского стартапа, основанного бывшим топ-менеджером OpenAI Мириам Морасти. На прошлой неделе компания выпустила свою первую модель — Inkling, небольшую open-weight модель для корпоративной адаптации и локального запуска. Сам по себе факт примечателен: редкий случай американской открытой модели в эпоху, когда западные лаборатории бегут от open source. Но интересна деталь обучения: Inkling частично дообучена на выводах китайской Kimi 2.5.

Дистилляция работает в обе стороны, и границы здесь давно размыты. Американский стартап, основанный выходцем из OpenAI, обучает модель на выводах китайской лаборатории — и это не саботаж, а рациональная инженерия. Вопрос о том, должна ли такая практика быть легальной, теперь лежит на столе у регуляторов.

Что это значит для тех, кто не в США и не в Китае

Для всего остального мира текущий момент — это, возможно, единственное окно, когда по-настоящему мощные модели доступны для скачивания и адаптации. Сегодня любой разработчик в Бразилии, Нигерии или Вьетнаме может взять GLM 5.2 или Qwen 3.8 Max, дообучить под локальные задачи и запустить без зависимости от американских API. Завтра это может стать невозможным — либо из-за китайского запрета на экспорт весов, либо из-за американских «мягких» регуляторных сигналов, делающих использование китайских моделей токсичным для комплаенса.

Если Трамп пойдёт на поводу у Anthropic и OpenAI и запретит китайские открытые модели, одновременно позвовав западным компаниям блокировать дистилляцию в условиях использования, — пострадают не только китайские лаборатории. Пострадают новички вроде Thinking Machines Lab, европейские стартапы и любые команды, которые не могут позволить себе обучение frontier-модели с нуля. Если же Трамп не пойдёт на этот шаг, — пострадают финансово Anthropic и OpenAI, чьи долги вшиты в мировую финансовую систему. Оба сценария имеют последствия за пределами Вашингтона.

Сентябрьские переговоры США и Китая по ИИ, анонсированные Reuters, едва ли приведут к прорыву: стороны слишком далеко разошлись в видении регуляции. Но решения, которые примут Вашингтон и Пекин в ближайшие месяцы, определят архитектуру мирового ИИ на годы вперёд. Для разработчика, бизнеса или политика за пределами двух сверхдержав сейчас — момент, чтобы понять, чьи веса он скачал, и задуматься, успеет ли скачать их ещё раз до того, как двери закроются.

Часто задаваемые вопросы

Что такое дистилляция моделей и почему вокруг неё спор?

Дистилляция — это техника, при которой маленькая модель обучается на выходах большой, наследуя её способности за fraction стоимости. Спор идёт о том, должны ли компании иметь право запрещать дистилляцию в условиях использования, или это должно быть запрещено законом. OpenAI и Anthropic лоббируют первое, аналитики вроде Бена Томпсона аргументируют второе.

Почему Hugging Face использовала китайскую модель для защиты?

Потому что коммерческие API frontier-моделей заблокировали forensic-анализ: guardrails не смогли отличить инцидент-респондера от атакующего и отклонили запросы с реальными эксплойт-пайлоадами. Китайская open-source модель GLM 5.2, запущенная локально, не имела подобных фильтров и позволила разобрать атаку без утечки данных.

Могут ли обычные разработчики использовать китайские открытые модели?

Да, на момент июля 2026 года GLM 5.2, Kimi 3 и Qwen 3.8 Max доступны для скачивания. Однако Китай рассматривает запрет на экспорт весов для иностранцев, а США могут создать регуляторный FUD, делающий использование этих моделей токсичным для корпоративного комплаенса. Окно возможностей открыто, но сжимается.