✨︎ Resumen (TL;DR):
- Will DePue analizó los pesos publicados de seis modelos de DeepSeek, Moonshot AI, MiniMax y Ant Group.
- DePue vincula las señales de DeepSeek-V4-Flash y MiniMax-M3 con B200 o B300, y las de los otros cuatro modelos con GB200 o GB300.
- El método apunta al hardware que generó los valores iniciales, pero no prueba dónde estaban los chips ni si se incumplieron los controles de exportación.
Un análisis de los pesos publicados por DeepSeek, Moonshot AI, MiniMax y Ant Group encontró patrones compatibles con chips Nvidia Blackwell en seis modelos de inteligencia artificial. El investigador Will DePue sostiene que las señales apuntan al hardware usado para generar sus valores iniciales y sugieren su uso en el entrenamiento, pero no revelan dónde estaban los equipos ni si se incumplieron los controles de exportación.
El informe, publicado el 12 de noviembre por Unemployment Labs, no parte de registros de compra ni de testimonios internos. DePue examinó valores incluidos en modelos con pesos abiertos, cuyos parámetros están disponibles para que terceros los inspeccionen.
Las huellas aparecen en los valores iniciales
Los pesos de un modelo son valores numéricos que el modelo ajusta durante el entrenamiento y que influyen en sus respuestas. Antes de ese proceso, necesitan valores iniciales.
Una semilla es un número que permite reproducir una secuencia. El software puede usarla para generar los valores iniciales y repartir el trabajo entre las unidades de una GPU.
DePue comparó los pesos publicados con patrones que podrían haberse generado con distintas semillas y configuraciones de hardware. Algunos valores permanecen casi sin cambios durante el entrenamiento; en otros, buscó una relación estadística más débil con sus valores iniciales.
Las seis versiones con patrones compatibles son:
- DeepSeek: DeepSeek-V4-Flash y DeepSeek-V4-Pro.
- Moonshot AI: Kimi K3 y Kimi K3.1-Pro.
- MiniMax: MiniMax-M3.
- Ant Group: Ling-3.1-flash.
DePue asocia las señales de DeepSeek-V4-Flash y MiniMax-M3 con la configuración de los chips B200 o B300. Las señales de los otros cuatro modelos coinciden con la de GB200 o GB300. El método no distingue entre los dos procesadores de cada pareja, así que no permite identificar cuál de los dos estaría detrás de cada señal.
Kimi K3.1-Pro parte de la misma semilla que Kimi K3. DePue plantea que podría ser una versión de K3 con entrenamiento adicional, por lo que las seis versiones no equivalen necesariamente a seis entrenamientos independientes.
La evidencia no fija la ubicación de los chips
El investigador afirma que reprodujo las señales de DeepSeek-V4-Flash en una Nvidia B300 y las de Kimi K3 en una GB200. También contrastó su método con 24 casos en los que los desarrolladores habían divulgado el hardware utilizado y obtuvo resultados compatibles en todos ellos.
Son pruebas realizadas por DePue, no una validación independiente de sus conclusiones.
Hay una alternativa técnica. DePue comprobó que una GPU AMD MI300X, configurada de determinadas maneras, puede generar patrones similares. Para DeepSeek-V4-Flash, una comparación adicional de los valores favoreció a Nvidia frente a AMD. En los otros cinco modelos, el informe considera poco probable la explicación de AMD, aunque no la descarta con esa misma prueba.
La señal corresponde a la inicialización de los valores. Un desarrollador podría generarlos en un sistema y después entrenar el modelo en otro, o continuar el entrenamiento con procesadores distintos.
Por eso, la coincidencia favorece la hipótesis de que Blackwell pudo usarse durante el entrenamiento, pero no demuestra que esos chips se utilizaran en esa fase ni, en caso de que sí, en qué parte.
Lo que los pesos no pueden demostrar
El método requiere que el modelo publique sus pesos y que la inicialización deje un patrón reconocible. El informe no consiguió identificar una huella de hardware para DeepSeek-V4.1-Flash. Esa ausencia no demuestra qué procesadores se usaron o dejaron de usar para entrenarlo.
Por separado, un repositorio de inclusionAI, vinculado a Ant Group, incluye resultados de una prueba de rendimiento que identifica una GPU GB300. Ese resultado no establece dónde se encontraba el equipo ni qué hardware se utilizó para entrenar Ling-3.1-flash.
La pregunta pendiente: cómo llegaron los chips
El informe llega en medio de las restricciones de Estados Unidos a la exportación de chips avanzados hacia China. Estados Unidos exige licencias para exportar determinadas GPU avanzadas, incluidas las Blackwell mencionadas en el informe.
Reuters informó el 12 de noviembre que compañías chinas buscaban alquilar capacidad de cómputo con chips Nvidia en centros de datos fuera de China ante posibles restricciones adicionales al acceso remoto. El análisis de DePue no identifica si alguno de sus casos utilizó esa vía.
En una investigación distinta, Bloomberg examinó documentos que vinculaban a Moonshot con un servicio de cómputo respaldado por servidores con chips B300 en China. Moonshot cuestionó la exactitud de esos documentos y dijo que no mantenía una relación comercial actual con la propietaria de los equipos.
Bloomberg no pudo determinar si se había obtenido una licencia para los chips ni estableció que esos servidores fueran los utilizados para los modelos examinados por DePue.
Durante la revisión de esta nota no se localizaron respuestas públicas de las cuatro empresas al análisis de DePue. El análisis permite examinar el origen de los valores iniciales, pero todavía no identifica la cadena de acceso a los equipos ni el hardware utilizado en cada fase posterior.
