Unemployment Labs Melaporkan Pola Blackwell pada Model AI Tiongkok

Analisis Unemployment Labs oleh Will DePue, yang diterbitkan pada 12 November 2026, menemukan pola inisialisasi yang konsisten dengan penggunaan GPU Blackwell NVIDIA yang tunduk pada kontrol ekspor dalam enam model berbobot terbuka dari DeepSeek, Moonshot AI, MiniMax, dan Ant Group.

Analisis tersebut mengaitkan DeepSeek-V4-Flash dan MiniMax-M3 dengan inisialisasi pada chip B200 atau B300, serta DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro, dan Ling-3.1-flash dengan chip GB200 atau GB300. Kecocokan tersebut mengidentifikasi tata letak perangkat keras di balik bobot awal; apakah chip-chip itu juga digunakan untuk pelatihan merupakan dugaan terpisah.

Rilis yang berurutan menunjukkan kapan perubahan yang tampak itu terjadi. DeepSeek-V3 menunjukkan hasil identifikasi Hopper pada Desember 2024, disusul dua model V4 yang menunjukkan hasil identifikasi Blackwell pada April 2026. Kimi K2.5 dari Moonshot AI terbaca sebagai Hopper pada Januari 2026, sebelum K3 pada Juli 2026; MiniMax-M2.7 dan M3 mengikuti pola yang sama masing-masing pada April 2026 dan Juni 2026; Ling-3.0-flash dan Ling-3.1-flash dari Ant Group mengalami hal serupa masing-masing pada Agustus 2026 dan Oktober 2026.

Pola ini tidak berlaku secara universal. Model terbaru yang dapat dianalisis dari Alibaba, Zhipu, Tencent, Xiaomi, dan StepFun menunjukkan hasil identifikasi Hopper, bukan Blackwell.

Bagaimana Inisialisasi Mengungkap Tata Letak Perangkat Keras

Teknik ini berawal dari bobot, yakni parameter numerik yang disesuaikan selama pelatihan. Sebelum pelatihan, konfigurasi PyTorch/cuRAND yang diteliti menggunakan generator Philox untuk menghasilkan nilai yang dapat direproduksi dari sebuah seed. Thread GPU menyebarkan nilai-nilai tersebut ke berbagai posisi bobot, dan inisialisasi yang cukup besar menggunakan 2.048 thread per multiprosesor streaming (SM). Karena itu, perubahan jumlah SM mengubah lokasi penempatan angka-angka yang dihasilkan sama.

Dalam konfigurasi yang diuji, chip Hopper H100 SXM, H200, dan H800 memiliki 132 SM dan 270.336 thread; chip B200 dan B300 memiliki 148 SM dan 303.104 thread; sedangkan chip GB200 dan GB300 memiliki 152 SM dan 311.296 thread. Hasil identifikasi menunjukkan salah satu kelompok ini, bukan chip tertentu di dalamnya.

Bobot yang disediakan untuk kata atau simbol yang tidak ada dalam data pelatihan dapat mempertahankan nilai awalnya hampir persis, sedangkan bobot yang dilatih mungkin masih memiliki hubungan statistik yang lebih lemah dengan nilai-nilai tersebut. Para peneliti memilih seed dan tata letak berdasarkan satu kumpulan bobot, lalu menguji kombinasi yang sama tanpa perubahan pada kumpulan terpisah yang tidak disertakan dalam pencarian.

Berdasarkan model statistiknya, laporan tersebut memperkirakan bahwa sekitar 6 triliun kombinasi seed dan tata letak akan menghasilkan kecocokan kebetulan terkuat yang diperkirakan mencapai sekitar 8 sigma, ukuran statistik untuk jarak dari variasi acak. Hasil terkuat untuk model-model yang teridentifikasi berkisar antara 49 hingga 1.385 sigma, dan setiap pengujian individual yang disertakan mencapai setidaknya 20 sigma.

Verifikasi Fisik dan Perkiraan Skala Pelatihan

Reproduksi DePue pada chip fisik memberikan pemeriksaan tambahan. Dengan menggunakan seed DeepSeek yang berhasil dipulihkan, H100 mereproduksi nilai-nilai DeepSeek-V3 yang tersimpan, tetapi tidak mereproduksi nilai V4-Flash; B300 menghasilkan kebalikannya. Pada B300, PyTorch tanpa modifikasi mereproduksi 461 dari 469 baris V4-Flash yang dipilih, dengan korelasi di atas 0,99, termasuk 445 baris yang sepenuhnya cocok bit demi bit. GB200 sewaan mereproduksi seluruh 13 baris Kimi K3 yang tersimpan dengan seed Moonshot; mengubah salah satu seed yang berhasil dipulihkan sebesar satu menghasilkan nol baris yang cocok.

Laporan tersebut menyatakan bahwa metode ini sesuai dengan semua 24 kasus ketika pengembang secara terbuka menyebutkan perangkat keras untuk model tertentu, sembari mengingatkan bahwa 11 kasus melibatkan checkpoint langkah-nol dan model-model terkait tidak independen. Karena itu, perbandingan tersebut merupakan pemeriksaan konsistensi, bukan angka akurasi hasil pengukuran.

Kimi K3.1-Pro menggunakan seed K3 dan mungkin merupakan checkpoint K3 yang menjalani pelatihan lanjutan lebih lanjut. Dengan asumsi bahwa perangkat keras yang digunakan untuk inisialisasi juga digunakan untuk pelatihan, DePue memperkirakan ada lima pelatihan akhir yang berbeda, masing-masing menggunakan sekitar 500 hingga 3.000 GPU Blackwell dan umumnya berlangsung selama dua hingga tiga bulan. Perhitungan tersebut membagi komputasi pelatihan dengan kapasitas pemrosesan chip pada tingkat pemanfaatan 35%, menggunakan jumlah token yang diungkapkan DeepSeek dan perkiraan token berdasarkan jumlah bobot untuk model lainnya. Dengan menerapkan perhitungan yang sama pada DeepSeek-V3, hasilnya adalah 2.000 hingga 2.500 chip, dibandingkan dengan 2.048 chip yang diungkapkan DeepSeek.

Batasan Penegakan Kontrol Ekspor

Kecocokan hanya berkaitan dengan inisialisasi; metode ini tidak dapat menginventarisasi setiap prosesor yang digunakan selama pelatihan selanjutnya. Laboratorium dapat membuat nilai awal pada satu sistem lalu memindahkannya; klaster campuran mungkin hanya meninggalkan jejak sebagian perangkat keras; dan hasil Hopper tidak meniadakan kemungkinan pelatihan Blackwell setelahnya. Bobot juga tidak dapat membuktikan kepemilikan, lokasi, atau cara memperoleh chip. Laporan DePue mencatat bahwa sistem Blackwell dapat disewa di luar Tiongkok dan menyatakan bahwa bukti ini saja tidak membuktikan penyelundupan ataupun pelanggaran kontrol ekspor.

MI300X dari AMD merupakan alternatif perangkat keras yang teridentifikasi. Chip ini biasanya menggunakan 304 unit pemrosesan, tetapi dapat dibagi menjadi dua kelompok yang masing-masing berisi 152 unit atau dikonfigurasi agar menggunakan 148 unit, sehingga mampu mereproduksi tata letak dalam pengujian fisik. Dari 377 nilai tersimpan yang berbeda antara vendor untuk DeepSeek-V4-Flash, 363 cocok dengan NVIDIA dan tidak satu pun cocok dengan AMD. Pengujian numerik itu tidak memastikan hasil untuk lima model lainnya, meskipun laporan tersebut menilai bahwa penggunaan klaster AMD yang dikonfigurasi secara khusus sangat tidak mungkin.

Laporan tersebut menyatakan bahwa ekspor B200, B300, GB200, dan GB300 ke China memerlukan lisensi AS dan belum ada lisensi semacam itu yang dilaporkan; laporan itu juga menyebutkan bahwa MI300X berada di bawah kendali ekspor. Metode itu sendiri membutuhkan bobot yang tersedia untuk publik dan pola inisialisasi yang dapat dikenali serta bergantung pada perangkat keras. Inisialisasi CPU tidak menghasilkan tata letak GPU, dan generator PaddlePaddle milik Baidu tidak memuat tata letak cip yang diperiksa.

Analisis tersebut memberikan bukti teknis kepada para pembuat kebijakan tentang akses ke perangkat keras tanpa menyimpulkan apakah aturan telah ditegakkan: bobot yang tersedia untuk publik dapat mengungkap pola inisialisasi, tetapi untuk menentukan apakah kontrol ekspor telah dilanggar, tetap diperlukan bukti tentang lokasi penggunaan perangkat keras, siapa pemiliknya, dan bagaimana akses diperoleh.