Sei modelli cinesi mostrano tracce di Nvidia Blackwell nei loro pesi

Sei modelli di quattro laboratori cinesi presentano pattern numerici compatibili con le GPU Nvidia Blackwell, secondo un’analisi forense di Will DePue, fondatore di Unemployment Labs. La scoperta si basa sui pesi pubblicati di DeepSeek, Moonshot AI, MiniMax e Ant Group; indica un accesso a hardware soggetto ai controlli sulle esportazioni degli Stati Uniti, ma non dimostra dove si trovassero i chip né come sia stato ottenuto tale accesso.

Il segnale si trova nella disposizione dei valori iniziali dei modelli, non nei registri di acquisto né in testimonianze interne. DePue afferma che ricercatori senior di OpenAI e Anthropic hanno verificato il metodo in modo indipendente; Unemployment Labs dichiara inoltre di averlo convalidato su 24 modelli per i quali era stato reso pubblico l’hardware utilizzato.

Una traccia che sopravvive nei pesi

Prima dell’addestramento, un modello riceve miliardi di valori iniziali generati in modo pseudocasuale. Nel software analizzato, il framework PyTorch distribuisce questo compito tra lavoratori GPU paralleli tramite cuRAND e Philox. Con lo stesso seme e la stessa configurazione, il generatore produce gli stessi numeri, ma il numero di unità di elaborazione cambia le posizioni che questi occupano nella matrice dei pesi.

È qui che si trova l’indizio: le GPU Hopper esaminate hanno 132 unità SM; le Blackwell B200 e B300 ne hanno 148; le GB200 e GB300, 152. Alcune posizioni dei pesi — per esempio quelle associate a parole o simboli che non compaiono durante l’addestramento — conservano quasi intatti i valori iniziali. Altre mantengono un segnale statistico più tenue, anche se l’addestramento le ha modificate.

Unemployment Labs ha cercato combinazioni di seme e disposizione in grado di riprodurre questi pattern. Secondo DePue, il team ha riprodotto i risultati di DeepSeek-V4-Flash e Kimi K3 su chip Blackwell fisici. Il rapporto aggiunge che la ricerca ha esaminato circa sei trilioni di combinazioni e che i segnali più forti dei sei modelli variavano da 49 a 1.385 sigma; persino il test individuale più debole ha raggiunto 20 sigma.

La tecnica rileva la configurazione che ha inizializzato i pesi, non prova direttamente che ogni fase dell’addestramento sia stata eseguita sulla stessa GPU. DePue ritiene comunque probabile che l’addestramento abbia effettivamente utilizzato quei sistemi. Il rapporto indica come alternativa tecnica un hardware AMD MI300X configurato per riprodurre il pattern; afferma di aver escluso questa possibilità per DeepSeek-V4-Flash e di ritenerla molto improbabile per gli altri modelli.

Il passaggio da Hopper a Blackwell

La sequenza temporale delinea una transizione recente. I modelli precedenti di DeepSeek e Moonshot AI mostravano pattern Hopper; nelle versioni più recenti, l’analisi rileva configurazioni Blackwell. Per le corrispondenze Hopper, il metodo non può distinguere tra H800, H100 e H200: in questi casi, le identificazioni specifiche derivano da dichiarazioni dei laboratori, non dalla sola traccia.

La tabella non implica che tutti i modelli cinesi siano passati a Blackwell. I modelli più recenti analizzati di Alibaba, Zhipu, Tencent, Xiaomi e StepFun presentano ancora tracce Hopper. Unemployment Labs non ha inoltre rilevato una traccia Nvidia in LongCat-2.0, di Meituan; l’azienda afferma di averlo addestrato con superpod di ASIC per l’IA.

Ci sono casi intermedi che complicano una lettura binaria. Kimi K2.7-Code conserva pesi della generazione Hopper, pur contenendo una piccola parte che corrisponde a B200 o B300. Secondo il rapporto, Kimi K3.1-Pro condivide il seme con K3 e potrebbe essere un checkpoint di quel modello sottoposto a ulteriore post-addestramento.

Le dimensioni dei cluster, con cautela

Combinando le dimensioni dei modelli, il volume di dati stimato e ipotesi sulla durata e sull’efficienza, Unemployment Labs calcola che cinque esecuzioni abbiano utilizzato complessivamente circa 12.000 Blackwell, equivalenti, in termini di capacità di calcolo, a circa 30.000 H100. Si tratta di stime della ricerca, non di inventari confermati dai laboratori.

Il calcolo dipende da variabili che i pesi non rivelano: efficienza di utilizzo delle GPU, quantità di token elaborati e durata effettiva di ciascuna esecuzione. La durata ha un peso particolare: dimezzarla raddoppierebbe il numero stimato di chip. Il rapporto avverte inoltre che le cifre riguardano l’addestramento finale di ciascun modello, non gli esperimenti, le esecuzioni precedenti o l’inferenza.

Con un costo unitario approssimativo di 70.000 dollari per GPU, la ricerca stima che i cluster più grandi costino circa 200–300 milioni di dollari e che il totale delle cinque esecuzioni superi i 500 milioni. È una proiezione dei costi, non una fattura osservata; il rapporto stesso ha rivisto al rialzo le stime precedenti, ipotizzando un’efficienza inferiore, in linea con le esecuzioni di addestramento su Blackwell rese pubbliche.

Cosa si può concludere sui controlli

La distinzione fondamentale per le aziende e i responsabili della conformità è quella tra accesso tecnico e provenienza fisica. I pattern avvalorano l’ipotesi che questi modelli siano stati inizializzati con configurazioni Blackwell, ma non indicano se le GPU si trovassero in Cina, chi ne fosse il proprietario o se vi si sia acceduto tramite noleggio remoto in un centro dati di un altro Paese. La traccia, quindi, non dimostra né il contrabbando né una violazione della legislazione statunitense.

Per gli sviluppatori, il risultato mostra che i pesi pubblicati possono conservare dettagli dell’ambiente di calcolo utilizzato all’avvio di un modello. Un artefatto distribuito abitualmente per riutilizzare o valutare i sistemi diventa così una fonte di indizi sulla loro infrastruttura. Ma l’interpretazione ha dei limiti: una corrispondenza Hopper non identifica il modello esatto di chip e un’inizializzazione su CPU potrebbe non lasciare tracce di GPU.

La trasparenza comporta anche un costo pratico: pubblicare i pesi permette di esaminare la struttura del modello, ma non equivale a pubblicare un registro completo del suo addestramento. La ricerca può dedurre configurazioni e stimare la scala delle risorse di calcolo, ma gli intervalli indicano quanto rimanga al di fuori dell’osservazione diretta. Inoltre, un nuovo modello può interrompere la traccia: Unemployment Labs non ne ha rilevata una in DeepSeek-V4.1-Flash, la cui architettura è diversa.

Le prove tecniche precisano così una domanda che prima si basava sui sospetti: diversi modelli cinesi sembrano aver avuto accesso a Blackwell. La questione a cui i pesi non danno risposta è dove si trovassero le GPU e chi le controllasse.

Fonti: The Decoder, Wccftech, Engadget, Unemployment Labs, Moneycontrol