The tech news cycle moves fast, but this week felt different. Artificial intelligence is no longer just a product release or a research paper. It has become a bargaining chip in foreign policy. Governments are starting to treat model weights like enriched uranium: concentrated, dangerous if misused, and impossible to ignore if a rival stockpiles them. The fight is no longer about which model scores higher on a benchmark. It is about who gets to build them, who controls the materials needed to train them, and who owns the data they learned from.
The Distillation Accusation
This week, a US official accused Moonshot AI of stealing Anthropic’s Fable model. The specific claim is that Moonshot used distillation to build its Kimi K3 system. For readers who do not follow training methods closely, distillation is the practice of using a large, capable model to teach a smaller or newer one. It is legal and common when done with permission. It becomes theft when a company extracts knowledge from a competitor’s proprietary system without authorization.
The evidence, according to the accusation, is behavioral. Researchers have noticed that Kimi K3 identifies itself as Claude, Anthropic’s assistant, far too often. A model with its own training pedigree should know its own name. When it repeatedly claims to be a rival product, it looks less like coincidence and more like a student who has memorized the teacher’s exam answers verbatim. If Moonshot did in fact siphon outputs from Anthropic’s model to train Kimi K3, the intellectual property implications stretch well beyond Silicon Valley courtrooms. They reach into export controls and national security briefings.
The Rise of Cheap Models
While the distillation fight simmers, Chinese labs are shipping frontier models at a pace and price that unsettles the American establishment. DeepSeek V4 and Kimi K3 arrived within days of each other. Both claim capabilities that sit near the top of public leaderboards, yet they run at a fraction of the cost of their US counterparts.
This pattern is not new, but it is accelerating. Earlier shocks from Chinese labs already forced Wall Street to question whether training a frontier model truly requires ten billion dollars. DeepSeek V4 and Kimi K3 renew that pressure. They suggest that engineering efficiency, clever data curation, and hardware workarounds can substitute for raw capital expenditure. For American labs banking on a scaling moat, the message is clear: high performance is getting cheaper, and the window for premium pricing is closing.
The Enterprise Agent War
Not every headline this week was about geopolitics. OpenAI launched Presence, a product aimed at helping businesses deploy AI agents. The move places OpenAI in direct competition with Google, Meta, and NVIDIA. Each of these companies sees the same opportunity: the model itself is becoming a commodity, but the platform that automates actual workflows is invaluable.
Agents are the logical next step after chatbots. A chatbot answers questions. An agent books flights, files expense reports, or rebalances a warehouse inventory. The race to automate these tasks is heating up because that is where recurring enterprise revenue lives. OpenAI does not want to sell only the engine; it wants to sell the whole car. Google wants Workspace to run your meetings. Meta wants agents inside its social graph. NVIDIA wants to power the infrastructure layer underneath all of them. The winner will not necessarily be the lab with the best model, but the one that convinces IT departments to hand over the keys to internal systems.
When Concrete Becomes the Bottleneck
All of these software ambitions still depend on physical stuff. OpenAI made that plain when it started Project Camellia, a thirty billion dollar data center campus in Georgia. Thirty billion dollars is not a facilities budget. It is a statement that the main limits for AI are no longer algorithms or even GPUs. They are electricity and concrete.
Je kunt geen frontier model trainen in een serverkast. Je hebt duizenden versnellers nodig die in harmonie zoemen en meer stroom verbruiken dan een middelgrote stad. Je hebt glasvezel nodig, water voor koeling, staal en jaren aan vergunningstrajecten. Daarom steken vermogensbeheerders zoals BlackRock en MGX miljarden in datacentrumprojecten. Ze speculeren niet op een app. Ze kopen de spoorwegen en kolenmijnen van het AI-tijdperk. Als de toeleveringsketen voor energieopwekking en constructie de snelheid niet kan bijhouden, verschuift de hele roadmap voor grotere modellen, ongeacht hoe elegant de wiskunde ook wordt.
Rechtbanken, auteursrecht en kapitaal
Ook het rechtssysteem kwam deze week in de schijnwerpers te staan. Een rechter heeft goedkeuring gegeven aan de schikking van $1,5 miljard van Anthropic met auteurs die het bedrijf beschuldigden van het gebruik van hun boeken om Claude te trainen zonder toestemming. De schikking lost een van de grootste auteursrechtclaims in de AI-geschiedenis op.
De omvang van de cheque is even belangrijk als het vonnis. Het vertelt elk ander lab dat trainingsdata geen gratis hulpbron is die van het open internet is geschraapt. Het is een voorwaardelijke verplichting die uiteindelijk op de balans kan verschijnen. Een post van $1,5 miljard verandert de manier waarop financiële teams denken over budgetten voor pre-training. Het bewapent auteurs en uitgevers ook met een duidelijk precedent voor toekomstige rechtszaken. Als je vandaag een model bouwt, kun je er niet langer van uitgaan dat je trainingscorpus een audit zal ontlopen.
AI voorbij het scherm
Tot slot herinnerden twee financieringstotalen van deze week iedereen eraan dat AI niet beperkt is tot chatvensters. De financiering voor defensie-AI bereikte deze maand $3 miljard, terwijl de investeringen in AI-gestuurde medicijnontwikkeling $2 miljard bereikten.
In de defensiesector stroomt het geld naar systemen die satellietbeelden kunnen analyseren, droneswarms kunnen coördineren en besluitvormingscycli op het slagveld kunnen verkorten. In de farmaceutische sector verkorten nieuwe AI-tools de tijdlijnen voor medicijnontwikkeling van jaren naar maanden. Onderzoekers kunnen nu kandidaat-moleculen genereren en screenen in silico voordat ze ooit een nat lab aanraken. Het dual-use karakter van de technologie is duidelijk zichtbaar. Dezelfde onderliggende methoden die een klantenservicebot verbeteren, versnellen ook raketaanvalstargeting en het ontwerp van antilichamen. Naarmate het geld binnenstroomt, vervagen de ethische en regelgevende grenzen tussen commerciële en strategische AI.
De gesprekken in september en het nieuwe scorebord
Al deze lijnen komen samen in één afspraak: de Verenigde Staten en China zullen in september formele AI-gesprekken voeren. Ze zijn van plan om militaire AI en toegang tot chips te bespreken. Deze twee agendapunten alleen al laten zien hoe ver we verwijderd zijn van het tijdperk van open onderzoek.
De oude competitie was simpel. Jij bracht een model uit, ik bracht een model uit, en de betere score op MMLU of HumanEval won de week. Dat spel loopt ten einde. De nieuwe vragen zijn moeilijker te kwantificeren en onmogelijk op te lossen met een software-update:
- Op welke data is er getraind, en is daarvoor betaald?
- Wie kan welke chips kopen, en wie wordt uitgesloten van de toeleveringsketen?
- Wie controleert de stroomvoorziening die de datacentra draaiende houdt?
Benchmarks komen samen. Capaciteiten convergeren. Maar de politiek splitst de boel. Er vormen zich twee parallelle ecosystemen, gescheiden door exportlicenties, energienetten en juridische regimes.
De belangrijkste les
Als je een ontwikkelaar, oprichter of zakelijke koper bent, stop dan met het beoordelen van AI puur op basis van leaderboard-scores. Begin toeleveringsketen- en politieke risico's te behandelen als technische beperkingen. Het model dat je vandaag integreert, kan morgen vastlopen in een exportrestrictie. De trainingsdata erachter kan een juridische rekening van miljarden dollars met zich meebrengen. Het datacentrum dat het draait, kan beperkt worden door het lokale elektriciteitsnet, en niet door het genie van de onderzoekers die het hebben gebouwd. Bouw je architectuur alsof de tools waarop je vertrouwt onder een embargo kunnen vallen, onderwerp van een rechtszaak kunnen worden of van stroom beroofd kunnen worden — want deze week heeft duidelijk gemaakt dat alle drie nu reële mogelijkheden zijn.