Unemployment Labs, Çin Yapay Zekâ Modellerinde Blackwell İzleri Bildirdi

Will DePue’nun 12 Kasım 2026’da yayımlanan Unemployment Labs analizi, DeepSeek, Moonshot AI, MiniMax ve Ant Group’un açık ağırlıklı altı modelinde, NVIDIA’nın ihracat denetimine tabi Blackwell GPU’larıyla tutarlı başlatma örüntüleri buldu.

Analiz, DeepSeek-V4-Flash ve MiniMax-M3 modellerinin B200 veya B300 çiplerinde; DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro ve Ling-3.1-flash modellerinin ise GB200 veya GB300 çiplerinde başlatıldığını gösteriyor. Eşleşmeler, başlangıç ağırlıklarının ardındaki donanım yerleşimini belirliyor; bu çiplerin eğitimi de gerçekleştirip gerçekleştirmediği ise ayrı bir çıkarım konusu.

Ardışık sürümler, görünürdeki değişikliklerin zaman içindeki seyrini ortaya koyuyor. DeepSeek-V3, Aralık 2024’te Hopper eşleşmesi verdi; Nisan 2026’da yayımlanan iki V4 modeli ise Blackwell eşleşmesi verdi. Moonshot AI’ın Kimi K2.5 modeli Ocak 2026’da Hopper eşleşmesi verirken, Temmuz 2026’da yayımlanan K3 Blackwell eşleşmesi verdi. MiniMax-M2.7 ve M3 de sırasıyla Nisan 2026 ve Haziran 2026’da aynı örüntüyü izledi; Ant Group’un Ling-3.0-flash ve Ling-3.1-flash modelleri de sırasıyla Ağustos 2026 ve Ekim 2026’da bu örüntüyü gösterdi.

Bu örüntü tüm modellerde görülmedi. Alibaba, Zhipu, Tencent, Xiaomi ve StepFun’ın okunabilen en yeni modelleri Blackwell yerine Hopper eşleşmesi verdi.

Başlatma İşlemi Donanım Yerleşimini Nasıl Ortaya Çıkarıyor?

Yöntem, eğitimin ayarladığı sayısal parametreler olan ağırlıklarla başlıyor. İncelenen PyTorch/cuRAND kurulumunda, eğitimden önce Philox üreteci bir tohumdan tekrarlanabilir değerler üretiyor. GPU iş parçacıkları bu değerleri ağırlık konumlarına dağıtıyor; yeterince büyük bir başlatma işleminde her akış çoklu işlemcisi (SM) başına 2.048 iş parçacığı kullanılıyor. Dolayısıyla SM sayısı değiştiğinde, aynı üretilmiş sayıların yerleştiği konumlar da değişiyor.

Test edilen yapılandırmalarda Hopper H100 SXM, H200 ve H800 çiplerinde 132 SM ve 270.336 iş parçacığı; B200 ve B300 çiplerinde 148 SM ve 303.104 iş parçacığı; GB200 ve GB300 çiplerinde ise 152 SM ve 311.296 iş parçacığı bulunuyor. Elde edilen sonuç, bu gruplardan hangisine ait olunduğunu belirliyor; grubun içindeki belirli bir çipi değil.

Eğitim sırasında hiç kullanılmayan sözcük veya simgeler için ayrılmış ağırlıklar, başlangıç değerlerini neredeyse aynen koruyabilirken eğitilmiş ağırlıklar bu değerlerle daha zayıf bir istatistiksel ilişki sürdürebiliyor. Araştırmacılar bir ağırlık kümesinde tohum ve yerleşim belirliyor, ardından arama sürecinin dışında tutulan ayrı bir kümede bu ikiliyi değiştirmeden test ediyor.

Rapor, istatistiksel modeline dayanarak yaklaşık 6 trilyon tohum ve yerleşim kombinasyonunun, rastgele değişimden uzaklığın istatistiksel ölçüsü olan yaklaşık 8 sigma düzeyinde bir beklenen en güçlü tesadüfi eşleşme olasılığı yaratacağını tahmin ediyor. Belirlenen modellerdeki en güçlü sonuçlar 49 ile 1.385 sigma arasında değişiyor ve dahil edilen her bir test en az 20 sigma değerine ulaşıyor.

Fiziksel Doğrulamalar ve Eğitim Ölçeği Tahminleri

DePue’nun fiziksel çiplerle yaptığı yeniden üretimler de ek bir doğrulama sağladı. DeepSeek’in kurtarılan tohumunu kullanan H100, DeepSeek-V3’ün korunmuş değerlerini yeniden üretirken V4-Flash’ın değerlerini üretemedi; B300’de ise bunun tersi görüldü. B300 üzerinde, değiştirilmemiş PyTorch seçilen 469 V4-Flash satırının 461’ini 0,99’un üzerinde korelasyonla yeniden üretti; bunların 445’i bit düzeyinde tamamen eşleşen satırlardı. Kiralanan bir GB200, Moonshot’ın tohumuyla korunmuş 13 Kimi K3 satırının tamamını yeniden üretti; kurtarılan tohumlardan herhangi birinin bir artırılmasıysa hiçbir eşleşen satır üretmedi.

Rapora göre yöntem, geliştiricinin belirli bir modelin donanımını kamuya açık biçimde açıkladığı 24 vakanın tümüyle uyum gösterdi. Ancak rapor, bu vakaların 11’inin sıfırıncı adım kontrol noktaları olduğunu ve birbiriyle ilişkili modellerin bağımsız sayılamayacağını belirtiyor. Bu nedenle karşılaştırma, ölçülmüş bir doğruluk oranı değil, tutarlılık denetimi niteliği taşıyor.

Kimi K3.1-Pro, K3’ün tohumunu kullanıyor ve daha fazla eğitim sonrası işlem uygulanmış bir K3 kontrol noktası olabilir. Başlatma işlemini yapan donanımın eğitimi de gerçekleştirdiği varsayımıyla DePue, her biri yaklaşık 500 ila 3.000 Blackwell GPU’su kullanan beş ayrı nihai çalışmanın genellikle iki ila üç ay sürdüğünü tahmin ediyor. Hesaplama, eğitim işlem miktarını çiplerin yüzde 35 kullanım oranındaki işlem hacmine bölüyor; DeepSeek’in açıkladığı belirteç sayılarını, diğer modeller içinse ağırlık sayısına dayalı belirteç tahminlerini kullanıyor. Aynı hesaplama DeepSeek-V3’e uygulandığında 2.000 ila 2.500 çip sonucu çıkıyor; DeepSeek’in açıkladığı sayı ise 2.048.

İhracat Denetiminin Uygulanmasına İlişkin Sınırlar

Bir eşleşme yalnızca başlatma işlemiyle ilgilidir; sonraki eğitim aşamalarında kullanılan tüm işlemcilerin envanterini çıkaramaz. Bir laboratuvar başlangıç değerlerini bir sistemde oluşturup başka bir sisteme aktarabilir, karma kümeler donanım izlerinin yalnızca bir kısmını bırakabilir ve Hopper sonucu, sonradan Blackwell ile eğitim yapıldığını dışlamaz. Ağırlıklar ayrıca çiplerin kime ait olduğunu, nerede bulunduğunu veya nasıl edinildiğini gösteremez. DePue’nun raporu, Blackwell sistemlerinin Çin dışında kiralanabildiğini belirtiyor ve bu kanıtların tek başına ne kaçakçılığı ne de ihracat denetimi ihlalini ortaya koyduğunu söylüyor.

Belirlenen alternatif donanım AMD’nin MI300X modelidir. Bu model normalde 304 işlem birimi kullanıyor; ancak 152’şer birimden oluşan iki gruba ayrılabiliyor veya 148 birim kullanacak şekilde yapılandırılabiliyor ve fiziksel testlerde söz konusu yerleşimleri yeniden üretebiliyor. DeepSeek-V4-Flash için, üreticiler arasında farklılık gösteren korunmuş 377 değerin 363’ü NVIDIA ile eşleşirken AMD ile eşleşen hiçbir değer olmadı. Bu sayısal test diğer beş model konusunda kesin bir sonuca varmadı; ancak rapor, özel olarak yapılandırılmış bir AMD kümesinin kullanılmış olmasını son derece düşük bir olasılık olarak değerlendiriyor.

Raporda, B200, B300, GB200 ve GB300’ün Çin’e ihracatının ABD lisansı gerektirdiği ve bu tür lisansların verildiğine ilişkin herhangi bir bildirim olmadığı belirtiliyor; MI300X’in de ihracat kontrollerine tabi olduğu ifade ediliyor. Yöntemin kendisi, kamuya açık ağırlıkları ve donanıma bağlı, ayırt edilebilir bir başlatma örüntüsünü gerektiriyor. CPU ile başlatma, GPU yerleşim düzenine dair bir iz bırakmıyor; Baidu’nun PaddlePaddle üreticisi de incelenen çipin yerleşim düzenini taşımıyor.

Analiz, yaptırım uygulamasına ilişkin bir sonuca varmadan politika yapıcılara donanıma erişim konusunda teknik kanıt sunuyor: kamuya açık ağırlıklar bir başlatma örüntüsünü açığa çıkarabilir, ancak ihracat kontrollerinin ihlal edilip edilmediğini belirlemek için donanımın nerede kullanıldığı, kime ait olduğu ve ona nasıl erişildiği konusunda yine de kanıt gerekir.