Unemployment Labs informa sobre patrones Blackwell en modelos de IA chinos

Un análisis de Unemployment Labs realizado por Will DePue y publicado el 12 de noviembre de 2026 encontró patrones de inicialización compatibles con las GPU Blackwell de NVIDIA sujetas a controles de exportación en seis modelos de pesos abiertos de DeepSeek, Moonshot AI, MiniMax y Ant Group.

El análisis asocia DeepSeek-V4-Flash y MiniMax-M3 con la inicialización en chips B200 o B300, y DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro y Ling-3.1-flash con chips GB200 o GB300. Las coincidencias identifican la arquitectura de hardware que dio lugar a los pesos iniciales; determinar si esos chips también se utilizaron para el entrenamiento es una inferencia aparte.

Las versiones sucesivas permiten situar en el tiempo los aparentes cambios. DeepSeek-V3 arrojó una lectura Hopper en diciembre de 2024; después, los dos modelos V4 arrojaron lecturas Blackwell en abril de 2026. Kimi K2.5, de Moonshot AI, arrojó una lectura Hopper en enero de 2026, antes de K3, en julio de 2026; MiniMax-M2.7 y M3 siguieron el mismo patrón en abril de 2026 y junio de 2026, respectivamente; Ling-3.0-flash y Ling-3.1-flash, de Ant Group, lo hicieron en agosto de 2026 y octubre de 2026.

El patrón no fue universal. Los modelos más recientes de Alibaba, Zhipu, Tencent, Xiaomi y StepFun cuyos datos podían analizarse arrojaron lecturas Hopper, no Blackwell.

Cómo revela la inicialización la arquitectura de hardware

La técnica comienza con los pesos, los parámetros numéricos que se ajustan durante el entrenamiento. Antes del entrenamiento, la configuración de PyTorch/cuRAND examinada utiliza el generador Philox para producir valores reproducibles a partir de una semilla. Los hilos de la GPU distribuyen esos valores entre las posiciones de los pesos y, en una inicialización de tamaño suficiente, se utilizan 2.048 hilos por multiprocesador de streaming (SM). Por tanto, cambiar la cantidad de SM modifica dónde quedan asignados los mismos números generados.

En las configuraciones probadas, los chips Hopper H100 SXM, H200 y H800 tienen 132 SM y 270.336 hilos; los chips B200 y B300, 148 SM y 303.104 hilos; y los chips GB200 y GB300, 152 SM y 311.296 hilos. Una lectura identifica uno de estos grupos, no un chip específico dentro del grupo.

Los pesos reservados para palabras o símbolos que no aparecen en los datos de entrenamiento pueden conservar sus valores iniciales casi exactamente, mientras que los pesos entrenados quizá mantengan una relación estadística más débil con esos valores. Los investigadores seleccionan una semilla y una arquitectura a partir de un conjunto de pesos y luego prueban esa misma combinación, sin modificarla, en otro conjunto que se excluyó de la búsqueda.

Según su modelo estadístico, el informe estima que alrededor de 6 billones de combinaciones de semilla y arquitectura producirían una coincidencia máxima esperada de aproximadamente 8 sigmas, una medida estadística de la distancia con respecto a la variación aleatoria. Los resultados más sólidos de los modelos identificados oscilan entre 49 y 1.385 sigmas, y todas las pruebas individuales incluidas alcanzan al menos 20 sigmas.

Comprobaciones físicas y estimaciones de escala de entrenamiento

Las reproducciones de DePue con chips físicos aportaron otra comprobación. Al utilizar la semilla recuperada de DeepSeek, una H100 reprodujo los valores conservados de DeepSeek-V3, pero no los de V4-Flash; una B300 obtuvo el resultado inverso. En la B300, una versión de PyTorch sin modificaciones reprodujo 461 de las 469 filas seleccionadas de V4-Flash con correlaciones superiores a 0,99, incluidas 445 filas completas idénticas bit a bit. Una GB200 alquilada reprodujo las 13 filas conservadas de Kimi K3 con la semilla de Moonshot; al cambiar en una unidad cualquiera de las semillas recuperadas, no se obtuvo ninguna fila coincidente.

El informe señala que el método coincidió en los 24 casos en que un desarrollador había identificado públicamente el hardware de un modelo específico, aunque advierte que 11 de esos casos corresponden a puntos de control del paso cero y que los modelos relacionados no son independientes. Por eso, la comparación sirve como comprobación de coherencia, no como una tasa de precisión medida.

Kimi K3.1-Pro utiliza la semilla de K3 y podría ser un punto de control de K3 con un entrenamiento posterior adicional. Suponiendo que el hardware utilizado para la inicialización también se empleó en el entrenamiento, DePue estima que hubo cinco ejecuciones finales distintas, cada una con aproximadamente entre 500 y 3.000 GPU Blackwell, generalmente durante dos o tres meses. El cálculo divide el cómputo de entrenamiento por el rendimiento del chip con una utilización del 35 %; para ello, utiliza las cantidades de tokens divulgadas por DeepSeek y estimaciones de tokens basadas en los pesos para los demás modelos. Al aplicar el mismo cálculo a DeepSeek-V3, el resultado fue de entre 2.000 y 2.500 chips, frente a los 2.048 divulgados por DeepSeek.

Límites de la aplicación de los controles de exportación

Una coincidencia se refiere únicamente a la inicialización; no permite determinar el inventario completo de procesadores utilizados durante el entrenamiento posterior. Un laboratorio podría generar los valores iniciales en un sistema y transferirlos; los clústeres mixtos podrían dejar rastros de solo parte del hardware; y un resultado Hopper no descarta un entrenamiento posterior con Blackwell. Los pesos tampoco permiten establecer quién posee los chips, dónde están ni cómo se adquirieron. El informe de DePue señala que los sistemas Blackwell pueden alquilarse fuera de China y afirma que estas pruebas, por sí solas, no demuestran ni contrabando ni una infracción de los controles de exportación.

La alternativa de hardware identificada es la MI300X de AMD. Normalmente utiliza 304 unidades de procesamiento, pero puede dividirse en dos grupos de 152 o configurarse para utilizar 148, lo que permite reproducir las arquitecturas en pruebas físicas. En DeepSeek-V4-Flash, 363 de los 377 valores conservados que difieren entre proveedores coincidieron con NVIDIA y ninguno con AMD. Esa prueba numérica no permitió llegar a una conclusión sobre los otros cinco modelos, aunque el informe considera muy improbable que se utilice un clúster AMD configurado especialmente.

El informe señala que las exportaciones de B200, B300, GB200 y GB300 a China requieren una licencia estadounidense y que no se ha informado de ninguna licencia de ese tipo; también indica que el MI300X está sujeto a controles. El método en sí requiere pesos públicos y un patrón de inicialización reconocible que dependa del hardware. La inicialización en la CPU no deja una disposición de GPU, y el generador PaddlePaddle de Baidu no reproduce la disposición del chip examinado.

El análisis proporciona a los responsables políticos pruebas técnicas de acceso al hardware, pero no determina si hubo una infracción: los pesos públicos pueden revelar un patrón de inicialización, pero para determinar si se incumplieron los controles de exportación seguirían haciendo falta pruebas sobre dónde se utilizó el hardware, quién era su propietario y cómo se obtuvo el acceso.