← 返回 AI 资讯更多 AI 资讯 →

六款中国大模型的权重里,读出了 Blackwell 的指纹

首页 › AI 资讯 › AI 资讯 · 2026-11-13 · Net.Coffee

从公开权重反推初始化硬件:DeepSeek、月之暗面、MiniMax、蚂蚁的新一代模型集体从 Hopper 换到 Blackwell

怎么回事:研究者 Will DePue 以 Unemployment Labs 名义发布报告称,DeepSeek、月之暗面、MiniMax、蚂蚁集团的六款开源模型,权重里残留着与英伟达 Blackwell 芯片吻合的初始化痕迹。报告强调,这能说明模型是在 Blackwell 上「起步」的,但不能证明芯片在哪、怎么拿到、是否违反出口管制。

权重怎么会「记住」芯片

大模型训练开始前,所有参数都要先用随机数填一遍,这一步叫初始化。报告的核心观察是:GPU 生成这批随机数时,会受到芯片计算单元(流式多处理器,SM)数量和并行布局的影响。B200、B300 有 148 个 SM,GB200、GB300 是 152 个,上一代 Hopper 又是另一组数字——不同硬件「掷骰子」的方式不一样,留下的数值模式也就不同。

训练会把大部分初始值改得面目全非,但总有一些行、一些位置几乎没被动过。研究者从公开权重里找出这些残留,再去穷举「种子 + 硬件布局」的组合,看哪一种能把它们重新生成出来。据报告,搜索空间约 6 万亿种组合,纯靠巧合能撞出的最强匹配约为 8 个西格玛;而这六款模型的最强证据在 49 到 1385 个西格玛之间,最弱的单项检验也有 20 个西格玛。

六款模型与一条时间线

报告把同一家公司的前后几代模型排在一起,切换点相当清楚:

为了说明方法靠得住,研究者拿 24 款公开披露过训练硬件的模型做了对照,结论全部吻合;英伟达自家 Nemotron-3 Ultra 的技术报告写明用过 GB200,读出来也是 152 个 SM。DeepSeek-V4-Flash 的结果在实体 B300 上复现,而 H100 复现不出来;Kimi K3 则在租用的 GB200 上得到验证。

报告同时列出了「没换」的一方:阿里通义千问、智谱 GLM、腾讯、小米、阶跃星辰能读到的最新模型仍是 Hopper 指纹;美团称 LongCat-2.0 完全在自研 AI ASIC 超节点上训练,报告也没在其权重里找到英伟达指纹。

证据的边界画在哪

这份报告最克制的地方,是反复强调自己证明不了什么。指纹说明的是权重在什么硬件上生成,「训练也在 Blackwell 上完成」只是推断;芯片位于哪个国家、通过购买还是租用云算力获得、是否构成违规,报告都明确表示无法判断。研究者还提到,经过特殊配置的 AMD 硬件是目前唯一想到的替代解释,对 V4-Flash 已经排除,对其余五款认为可能性很低。

算力规模上,报告按模型参数量和训练数据量粗估:如果训练与初始化用的是同一批硬件,Kimi K3 约需 4500 块、DeepSeek-V4-Pro 约需 3000 块 Blackwell GPU,各跑两到三个月;五款模型的最终训练合计约 1.2 万块。这是推算,不是采购记录。

在此之前,类似说法只来自官方表态和媒体转述:白宫科技顾问克拉西奥斯 7 月称月之暗面曾在泰国使用 GB300,路透社也援引美方官员说法报道过 DeepSeek 使用 Blackwell。这些指控此前都没有公开技术证据,这份报告第一次把可复核的数字摆上了桌。目前检索到的报道里,尚未看到四家公司对报告作出回应,报告本身也未经同行评审。

开源的另一面

耐人寻味的是,证据恰恰来自这些公司最受称道的做法——公开权重。闭源模型只能隔着 API 猜,开源模型则把每一个浮点数都交给了所有人检验。如果这套方法经得起复核,往后每一次开源发布都可能附带一份「硬件来历」,出口管制的执行方式也会因此多出一个技术抓手;当然,路透社此前引述的美方官员也说过,相关实验室可能会在发布前设法清除使用美国芯片的技术痕迹,猫鼠游戏未必就此结束。下一批开源权重里还能不能读出芯片型号,或许比这次的结论本身更值得观察。