Elon Musk admite que a xAI usou modelos da OpenAI para treinar e melhorar o Grok

Durante as audiências de seu processo contra a OpenAI, Elon Musk confirmou que a xAI usou modelos da OpenAI para melhorar o Grok. No tribunal, ele chamou isso de prática apenas "parcial", mas foi o bastante para trazer a público um dos métodos mais controversos de treinamento de sistemas de IA modernos.

O que Musk admitiu

Em uma sessão do tribunal federal da Califórnia, perguntaram a Musk se ele sabia o que é destilação de modelos e se a xAI havia aplicado essa abordagem às tecnologias da OpenAI. De início, ele respondeu de forma evasiva e observou que, de um jeito ou de outro, algo parecido é feito por "todas as empresas de IA em geral". Quando os advogados perguntaram se isso significava "sim", Musk respondeu de forma curta: "em parte".

A admissão é importante não só por causa da xAI. Ela ocorreu em um processo no qual Musk tenta provar que a OpenAI se afastou da missão original e age contra aquilo para o qual ele ajudou a criar a empresa. Nesse cenário, admitir o uso de modelos de uma concorrente é politicamente e juridicamente sensível. Na prática, é o reconhecimento de uma prática que os próprios players do mercado citam cada vez mais em queixas públicas uns contra os outros.

Como funciona a destilação

A destilação de modelos é um esquema em que um sistema maior e mais forte atua como "professor" e um modelo mais compacto como "aluno". Em vez de treinar um novo modelo apenas com dados brutos, os desenvolvedores usam respostas, avaliações ou padrões de comportamento do modelo mais poderoso e os repassam ao aluno. Isso ajuda a elevar a qualidade mais rápido e a economizar recursos computacionais.

"Usar outras IAs para verificar a própria IA é prática padrão".

Dentro de uma mesma empresa, essa abordagem é considerada normal há muito tempo: os laboratórios reduzem regularmente seus próprios modelos de ponta para lançar versões mais baratas e rápidas. O problema começa quando o "professor" é o modelo de uma concorrente. A questão deixa de ser só técnica e passa a ser também jurídica: é otimização legítima ou tentativa de copiar barato as capacidades alheias? É aqui que passa a principal linha de tensão entre a velocidade de desenvolvimento e a proteção da vantagem intelectual.

Por que a disputa cresce

Por isso a destilação virou um dos temas mais delicados do mercado de IA. Formalmente, o método em si não é proibido, mas os limites do aceitável muitas vezes dependem dos termos de uso, das políticas internas e da forma exata como os dados de treinamento foram coletados. Por causa dessa zona cinzenta, as empresas acusam umas às outras cada vez mais não de copiar código diretamente, mas de transferir o comportamento dos modelos. Ainda há poucos precedentes judiciais, então as regras do jogo nessa área estão, na prática, sendo escritas em tempo real.

• A destilação reduz o custo de treinamento e acelera o lançamento de novos modelos.
• Ela permite que laboratórios menores alcancem mais rápido os líderes do mercado.
• Usar um modelo externo pode contrariar os termos de serviço de seu dono.
• É muito difícil provar onde termina a "validação" e começa a cópia de capacidades.

A OpenAI já havia manifestado publicamente preocupação com a possibilidade de seus modelos serem usados para esse fim, e a Anthropic citou separadamente DeepSeek, Moonshot e MiniMax entre as empresas que lhe geram dúvidas. O Google também tenta se proteger do que chama de "ataques de destilação" e de violações de seus termos de uso. Agora se descobre que até os protagonistas dos conflitos judiciais mais barulhentos do setor não ficam de fora dessa prática.

O que isso significa

O caso da xAI mostra que a destilação virou de vez norma de mercado, ainda que as empresas a critiquem em público quando feita por concorrentes. Para o setor, é um sinal: as disputas em torno da IA envolverão cada vez mais não só dados e direitos autorais, mas também a possibilidade de "aprender" com o modelo de outra empresa sem violar as regras. E processos assim podem definir onde, nos próximos anos, ficará a fronteira entre inteligência competitiva, otimização de engenharia e violação das regras de uma plataforma.