Unemployment Labs raportează tipare Blackwell în modelele AI chinezești

O analiză realizată de Unemployment Labs de Will DePue, publicată la 12 noiembrie 2026, a identificat în șase modele cu ponderi deschise de la DeepSeek, Moonshot AI, MiniMax și Ant Group tipare de inițializare compatibile cu GPU-urile Blackwell de la NVIDIA, supuse controalelor la export.

Analiza asociază DeepSeek-V4-Flash și MiniMax-M3 cu inițializarea pe cipuri B200 sau B300, iar DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro și Ling-3.1-flash cu cipuri GB200 sau GB300. Potrivirile identifică configurația hardware din spatele ponderilor inițiale; dacă aceste cipuri au fost folosite și la antrenare este o chestiune distinctă, care ține de inferență.

Lansările succesive permit plasarea în timp a schimbărilor aparente. DeepSeek-V3 a indicat Hopper în decembrie 2024, urmat de cele două modele V4 care au indicat Blackwell în aprilie 2026. Kimi K2.5 de la Moonshot AI a indicat Hopper în ianuarie 2026, înainte ca K3 să indice Blackwell în iulie 2026; MiniMax-M2.7 și M3 au urmat același tipar, în aprilie 2026, respectiv iunie 2026; Ling-3.0-flash și Ling-3.1-flash de la Ant Group au făcut la fel în august 2026 și, respectiv, octombrie 2026.

Tiparul nu s-a regăsit în toate cazurile. Cele mai noi modele lizibile de la Alibaba, Zhipu, Tencent, Xiaomi și StepFun au indicat Hopper, nu Blackwell.

Cum dezvăluie inițializarea configurația hardware

Tehnica pornește de la ponderi, parametrii numerici pe care îi ajustează antrenarea. Înainte de antrenare, configurația PyTorch/cuRAND examinată folosește generatorul Philox pentru a produce valori reproductibile pornind de la o sămânță. Firele de execuție ale GPU-ului distribuie aceste valori între pozițiile ponderilor, iar o inițializare suficient de mare folosește 2.048 de fire de execuție pentru fiecare multiprocesor de streaming (SM). Prin urmare, schimbarea numărului de SM-uri modifică locurile în care ajung aceleași numere generate.

În configurațiile testate, cipurile Hopper H100 SXM, H200 și H800 au 132 de SM-uri și 270.336 de fire de execuție; cipurile B200 și B300 au 148 de SM-uri și 303.104 fire de execuție; iar cipurile GB200 și GB300 au 152 de SM-uri și 311.296 de fire de execuție. Rezultatul identifică unul dintre aceste grupuri, nu un anumit cip din cadrul grupului.

Ponderile rezervate cuvintelor sau simbolurilor absente din datele de antrenare își pot păstra valorile inițiale aproape exact, în timp ce ponderile antrenate pot păstra o relație statistică mai slabă cu acele valori. Cercetătorii aleg o sămânță și o configurație pe un set de ponderi, apoi testează combinația neschimbată pe un set separat, exclus din căutare.

Potrivit modelului său statistic, raportul estimează că aproximativ 6.000 de miliarde de combinații de semințe și configurații ar produce, în medie, o potrivire întâmplătoare cu un scor de aproximativ 8 sigma, măsură statistică a distanței față de variația aleatorie. Cele mai puternice rezultate pentru modelele identificate variază între 49 și 1.385 sigma, iar fiecare test individual inclus în analiză atinge cel puțin 20 sigma.

Verificări pe cipuri fizice și estimări privind amploarea antrenării

Reproducerile realizate de DePue pe cipuri fizice au oferit o verificare suplimentară. Folosind sămânța recuperată de la DeepSeek, un H100 a reprodus valorile păstrate ale DeepSeek-V3, dar nu și pe cele ale V4-Flash, în timp ce un B300 a obținut rezultatul invers. Pe B300, PyTorch nemodificat a reprodus 461 dintre cele 469 de rânduri selectate din V4-Flash, cu corelații de peste 0,99, inclusiv 445 de rânduri reproduse integral, bit cu bit. Un GB200 închiriat a reprodus toate cele 13 rânduri păstrate din Kimi K3 folosind sămânța Moonshot; modificarea cu o unitate a oricăreia dintre semințele recuperate nu a produs niciun rând potrivit.

Raportul afirmă că metoda a fost în concordanță cu toate cele 24 de cazuri în care un dezvoltator a precizat public hardware-ul folosit pentru un anumit model, menționând totodată că 11 dintre cazuri implică puncte de control de la pasul zero și că modelele înrudite nu sunt independente. Prin urmare, comparația verifică dacă rezultatele sunt coerente, nu măsoară rata de acuratețe.

Kimi K3.1-Pro folosește sămânța lui K3 și ar putea fi un punct de control K3 supus unei etape suplimentare de post-antrenare. Presupunând că hardware-ul folosit la inițializare a fost utilizat și pentru antrenare, DePue estimează că au existat cinci rulări finale distincte, fiecare cu aproximativ 500–3.000 de GPU-uri Blackwell, desfășurate, în general, pe parcursul a două până la trei luni. Calculul împarte volumul de calcul al antrenării la debitul cipului la o utilizare de 35%, folosind numărul de tokenuri declarat de DeepSeek și estimări ale numărului de tokenuri bazate pe ponderi pentru celelalte modele. Aplicarea aceluiași calcul la DeepSeek-V3 a dus la o estimare de 2.000–2.500 de cipuri, față de cele 2.048 declarate de DeepSeek.

Limite în aplicarea controalelor la export

O potrivire privește doar inițializarea; ea nu poate inventaria toate procesoarele folosite ulterior la antrenare. Un laborator ar putea genera valorile inițiale pe un sistem și apoi să le transfere, clusterele mixte ar putea lăsa urme doar pentru o parte din hardware, iar un rezultat Hopper nu exclude o antrenare ulterioară pe Blackwell. Nici ponderile nu pot stabili cine deține cipurile, unde se află acestea sau cum au fost obținute. Raportul lui DePue precizează că sistemele Blackwell pot fi închiriate în afara Chinei și afirmă că aceste dovezi, singure, nu demonstrează nici contrabanda, nici încălcarea controalelor la export.

MI300X de la AMD este alternativa hardware identificată. În mod obișnuit, acesta folosește 304 unități de procesare, dar poate fi împărțit în două grupuri de câte 152 sau configurat să folosească 148, reproducând configurațiile din testele fizice. Dintre cele 377 de valori păstrate care diferă între furnizori, 363 s-au potrivit cu NVIDIA și niciuna cu AMD în cazul DeepSeek-V4-Flash. Acest test numeric nu a tranșat situația celorlalte cinci modele, deși raportul consideră foarte puțin probabilă existența unui cluster AMD configurat special.

Raportul afirmă că exporturile către China de B200, B300, GB200 și GB300 necesită o licență din SUA și că nu au fost raportate astfel de licențe; mai afirmă că MI300X este, de asemenea, supus controlului. Metoda în sine necesită ponderi publice și un tipar de inițializare recognoscibil, dependent de hardware. Inițializarea pe CPU nu lasă nicio configurație GPU, iar generatorul PaddlePaddle al Baidu nu include configurația cipului examinat.

Analiza oferă factorilor de decizie dovezi tehnice privind accesul la hardware, fără a formula o concluzie privind aplicarea măsurilor: ponderile publice pot dezvălui un tipar de inițializare, însă pentru a stabili dacă au fost încălcate controalele la export ar fi în continuare necesare dovezi despre locul în care a fost folosit hardware-ul, cine îl deținea și cum a fost obținut accesul la acesta.