Бывший исследователь OpenAI заявил, что нашёл следы Blackwell в шести китайских ИИ-моделях
Уилл ДеПью утверждает, что статистический отпечаток начальной настройки весов указывает на использование чипов Nvidia Blackwell. По его оценке, пять изученных запусков обучения потребовали около 12 тысяч таких ускорителей.

Отпечаток в начальных значениях весов
Бывший исследователь OpenAI Уилл ДеПью сообщил, что обнаружил характерные статистические следы графических процессоров Nvidia Blackwell в шести китайских ИИ-моделях, выпущенных с апреля 2026 года. Как пишет The Decoder, ДеПью также утверждает, что старшие исследователи OpenAI и Anthropic независимо проверили его выводы. Ранее сообщения об использовании Blackwell компаниями DeepSeek и Moonshot AI появлялись без опубликованных технических доказательств.
Метод основан на том, как при запуске обучения PyTorch заполняет веса модели случайными числами. По объяснению ДеПью, распределение этих чисел зависит от числа вычислительных ядер графического процессора: у чипов Hopper H100 и H800 — 132 ядра, у Blackwell — 148 или 152, в зависимости от модели. Обучение меняет веса, но часть начальных значений сохраняется, а в других остаётся статистический след.
ДеПью говорит, что воспроизвёл результаты для DeepSeek-V4-Flash и Kimi K3 на реальных чипах Blackwell. Код для проверки он опубликовал в GitHub. По его словам, метод также правильно определил оборудование для всех 24 контрольных моделей с известным оборудованием, включая Meta* Llama 3.1, обученную на H100.
Какие модели связали с Blackwell
Согласно анализу, DeepSeek-V4-Flash и MiniMax-M3 соответствуют 148-ядерному профилю B200 или B300. У DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro и Ling-3.1-flash от Ant Group, как утверждает ДеПью, обнаружен 152-ядерный профиль систем GB200 или GB300 с жидкостным охлаждением. Более ранние DeepSeek-V3 и Kimi K2.5, по его данным, показывают следы поколения Hopper.
В отчёте оцениваются пять запусков обучения: вместе им потребовалось около 12 тысяч ускорителей Blackwell — вычислительная мощность, сопоставимая примерно с 30 тысячами H100. Для обучения Kimi K3, по оценке ДеПью, использовали 4 500 чипов около 70 дней, а для DeepSeek-V4-Pro — около 3 000. При цене примерно $70 000 за ускоритель каждый из этих кластеров обошёлся бы в $200–300 млн; стоимость всех пяти систем, согласно отчёту, превышает полмиллиарда долларов.
Что отпечаток не доказывает
Анализ указывает на оборудование, которое использовали для первоначальной настройки весов, но сам по себе не устанавливает, где находятся ускорители и кому они принадлежат. ДеПью считает, что обучение, вероятнее всего, шло на тех же системах. При этом китайские компании могут арендовать вычислительные мощности в дата-центрах за пределами Китая, поэтому выводы не доказывают физическую контрабанду чипов или нарушение экспортных ограничений США.
В отчёте говорится, что похожий отпечаток теоретически мог бы оставить и AMD MI300X, если искусственно ограничить его производительность. ДеПью утверждает, что исключил эту версию для DeepSeek-V4-Flash, сравнив небольшие различия в округлении чисел. Это вывод самого исследователя, а не независимое подтверждение происхождения ускорителей.
Продолжить чтение
В ленте материалов: 1


