Unemployment Labs rapporterar Blackwell-mönster i kinesiska AI-modeller

En analys från Unemployment Labs av Will DePue, publicerad den 12 november 2026, fann initieringsmönster som överensstämmer med exportkontrollerade Blackwell-GPU:er från NVIDIA i sex modeller med öppna vikter från DeepSeek, Moonshot AI, MiniMax och Ant Group.

Analysen kopplar DeepSeek-V4-Flash och MiniMax-M3 till initiering på B200- eller B300-chip, och DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro och Ling-3.1-flash till GB200- eller GB300-chip. Träffarna identifierar hårdvarulayouten bakom startvikterna; huruvida dessa chip också användes för träningen är en separat slutsats.

Efterföljande lanseringar visar när de skenbara förändringarna inträffade. DeepSeek-V3 gav utslag för Hopper i december 2024, följt av de två V4-modellerna som gav Blackwell-utslag i april 2026. Moonshot AI:s Kimi K2.5 gav Hopper-utslag i januari 2026 före K3 i juli 2026; MiniMax-M2.7 och M3 följde samma mönster i april 2026 respektive juni 2026; Ant Groups Ling-3.0-flash och Ling-3.1-flash gjorde detsamma i augusti 2026 respektive oktober 2026.

Mönstret gällde inte alla modeller. De senaste modellerna från Alibaba, Zhipu, Tencent, Xiaomi och StepFun som gick att avläsa gav Hopper-utslag i stället för Blackwell-utslag.

Så avslöjar initiering en hårdvarulayout

Metoden utgår från vikter, de numeriska parametrar som justeras under träningen. Före träningen använder den undersökta PyTorch/cuRAND-konfigurationen generatorn Philox för att skapa upprepbara värden från ett frö. GPU-trådar fördelar dessa värden mellan viktpositioner, och en tillräckligt stor initiering använder 2 048 trådar per strömmande multiprocessor (SM). Om antalet SM-enheter ändras hamnar därför samma genererade tal på andra positioner.

I de testade konfigurationerna har Hopper H100 SXM-, H200– och H800-chip 132 SM-enheter och 270 336 trådar; B200- och B300-chip har 148 SM-enheter och 303 104 trådar; GB200- och GB300-chip har 152 SM-enheter och 311 296 trådar. En avläsning identifierar en av dessa grupper, inte ett specifikt chip inom gruppen.

Vikter som reserverats för ord eller symboler som saknas i träningsmaterialet kan bevara sina ursprungliga värden nästan exakt, medan tränade vikter kan behålla ett svagare statistiskt samband med dessa värden. Forskarna väljer ett frö och en layout för en uppsättning vikter och testar sedan samma oförändrade kombination på en separat uppsättning som inte ingick i sökningen.

Enligt den statistiska modellen uppskattar rapporten att ungefär 6 biljoner kombinationer av frön och layouter skulle ge en förväntad starkaste slumpmässiga träff på cirka 8 sigma, ett statistiskt mått på avståndet från slumpmässig variation. De starkaste resultaten för de identifierade modellerna sträcker sig från 49 till 1 385 sigma, och varje enskilt test som ingår når minst 20 sigma.

Fysiska verifieringar och uppskattningar av träningsskalan

DePues reproduktioner med fysiska chip gav ytterligare en kontroll. Med DeepSeeks återvunna frö återskapade en H100 DeepSeek-V3:s bevarade värden, men inte V4-Flash-modellens, medan en B300 gav motsatt resultat. På B300 återskapade oförändrad PyTorch 461 av 469 utvalda V4-Flash-rader med korrelationer över 0,99, däribland 445 fullständiga radmatchningar bit för bit. En hyrd GB200 återskapade alla 13 bevarade Kimi K3-rader med Moonshots frö; när något av de återvunna fröna ändrades med ett steg blev det inga matchande rader.

Rapporten uppger att metoden stämde överens med alla 24 fall där en utvecklare offentligt namngav den specifika modellens hårdvara, men påpekar att 11 av fallen gäller kontrollpunkter vid steg noll och att relaterade modeller inte är oberoende. Jämförelsen är därför en konsekvenskontroll, inte en uppmätt träffsäkerhet.

Kimi K3.1-Pro använder K3:s frö och kan vara en K3-kontrollpunkt som genomgått ytterligare efterträning. Om man antar att hårdvaran som användes för initieringen också användes för träningen uppskattar DePue att fem separata slutliga träningskörningar använde ungefär 500 till 3 000 Blackwell-GPU:er vardera, vanligtvis under två till tre månader. Beräkningen dividerar träningsberäkningarna med chipens genomströmning vid 35 procents utnyttjandegrad och använder DeepSeeks offentliggjorda tokenantal samt tokenuppskattningar baserade på vikterna för de övriga modellerna. Samma beräkning för DeepSeek-V3 gav 2 000 till 2 500 chip, jämfört med DeepSeeks offentliggjorda uppgift om 2 048.

Begränsningar för tillsyn av exportkontroller

En träff gäller enbart initieringen; den kan inte kartlägga alla processorer som används under den senare träningen. Ett laboratorium kan skapa initialvärden på ett system och överföra dem, blandade kluster kan lämna spår från endast viss hårdvara och ett Hopper-resultat utesluter inte senare träning på Blackwell. Vikterna kan inte heller fastställa vem som äger chipen, var de finns eller hur de har anskaffats. DePues rapport noterar att Blackwell-system kan hyras utanför Kina och säger att dessa belägg i sig varken visar på smuggling eller på en överträdelse av exportkontroller.

MI300X från AMD är det identifierade hårdvarualternativet. Det använder normalt 304 beräkningsenheter, men kan delas upp i två grupper om 152 eller konfigureras för att använda 148, vilket återskapar layouterna i fysiska tester. Av de 377 bevarade värdena för DeepSeek-V4-Flash som skiljer sig mellan leverantörerna matchade 363 NVIDIA, medan inget matchade AMD. Det numeriska testet gav inget definitivt svar för de övriga fem modellerna, även om rapporten bedömer att ett särskilt konfigurerat AMD-kluster är mycket osannolikt.

Rapporten uppger att export av B200, B300, GB200 och GB300 till Kina kräver amerikansk licens och att inga sådana licenser har rapporterats. Den säger också att MI300X omfattas av exportkontroller. Metoden kräver i sig offentligt tillgängliga vikter och ett igenkännbart initieringsmönster som beror på hårdvaran. Initiering på en processor lämnar inget GPU-layoutmönster, och Baidus PaddlePaddle-generator innehåller inte den undersökta chiplayouten.

Analysen ger beslutsfattare tekniska belägg för åtkomst till hårdvara utan att dra någon slutsats om efterlevnaden: offentligt tillgängliga vikter kan avslöja ett initieringsmönster, men för att avgöra om exportkontroller har överträtts krävs fortfarande belägg för var hårdvaran användes, vem som ägde den och hur åtkomsten erhölls.