---
title: "У шести китайських ШІ-моделях знайшли числові відбитки заборонених прискорювачів Nvidia Blackwell"
description: "Колишній дослідник OpenAI виявив у шести китайських ШІ-моделях числові відбитки прискорювачів Nvidia Blackwell, що вказує на доступ розробників до експортно обмеженої техніки."
date: 2026-11-13T15:49:20.230Z
lang: uk
url: https://xab.info/uk/posts/kitajski-shii-modeli-vidbytky-nvidia-blackwell
tags: [nvidia-blackwell, chinese-ai, deepseek, gpu-fingerprinting, export-controls, moonshot-ai, neural-networks]
author: "Олександр Буран"
publisher: "XAB.info"
---

# У шести китайських ШІ-моделях знайшли числові відбитки заборонених прискорювачів Nvidia Blackwell

![Графічний процесор Nvidia Blackwell та цифрова сітка з числовими відбитками ШІ-моделей](https://xab.info/media/2026/11/13/kitajskie-ii-modeli-otpechatki-nvidia-blackwell/kitajskie-ii-modeli-otpechatki-nvidia-blackwell-1.webp)

## Ключові тези

- У шести китайських ШІ-моделях (DeepSeek-V4, Kimi K3, MiniMax-M3, Ling-3.1-flash) знайдено числові відбитки, що відповідають прискорювачам Nvidia Blackwell B200/B300 та GB200/GB300.
- Метод базується на аналізі збережених значень початкової ініціалізації вагів, які залежать від генератора Philox та кількості обчислювальних блоків SM конкретного GPU.
- Перевірка на фізичному B300 відтворила 445 із 469 рядків вагів DeepSeek-V4-Flash біт у біт; метод підтверджено на 24 моделях із публічно відомим обладнанням.
- Розрахункова оцінка передбачає близько 12 000 прискорювачів Blackwell для п'яти найбільших запусків та сукупну вартість обладнання понад $500 млн.
- Автори наголошують, що аналіз не доводить використання цих GPU впродовж усього навчання і не підтверджує сам факт порушення експортних обмежень.

Колишній дослідник OpenAI Вілл Депью опублікував результати криміналістичного аналізу вагів шести нових китайських нейромережевих моделей, у яких, за його даними, збереглися числові відбитки, що відповідають графічним прискорювачам Nvidia покоління Blackwell. Йдеться про DeepSeek-V4-Flash і DeepSeek-V4-Pro, а також про Kimi K3 і Kimi K3.1-Pro від Moonshot AI, MiniMax-M3 та Ling-3.1-flash від Ant Group. За словами дослідника, ранніші моделі цих самих компаній відповідали попередньому поколінню Nvidia Hopper, тоді як встановлені відбитки вказують на конфігурації Blackwell B200/B300 зі 148 обчислювальними блоками SM або GB200/GB300 зі 152 такими блоками. Таким чином, технічний аналіз дає свідчення того, що китайські розробники мали доступ до прискорювачів, які підпадають під експортні обмеження США.

### Як працює метод «цифрових відбитків»

Метод базується на особливостях первинної ініціалізації вагів нейромережі — присвоєння мільярдам параметрів стартових числових значень перед навчанням. Генератор псевдовипадкових чисел Philox, який використовується в PyTorch, створює послідовність значень на основі заданого початкового числа (seed). При цьому GPU розподіляє обчислення між потоками, а їхня кількість залежить від кількості обчислювальних блоків SM. У результаті та сама послідовність чисел розміщується в різних позиціях тензора на різних прискорювачах. Частина вихідних значень зберігається в опублікованих вагах навіть після навчання — наприклад, у нейронів, що відповідають за слова та символи, які модель не зустрічала в навчальних даних. За цими збереженими значеннями, як стверджують автори, можна відновити як початкове число, так і конфігурацію конкретного GPU.

### Перевірка на реальному обладнанні

Для перевірки DeepSeek-V4-Flash дослідники використали фізичний прискорювач Nvidia B300 і відтворили 445 із 469 вибраних рядків вагів із точністю до кожного біта; ще 16 рядків показали високу кореляцію, а 8 були частково змінені в процесі навчання. На прискорювачі Nvidia H100 таких збігів для цієї моделі виявлено не було. Для ранньої DeepSeek-V3 картина виявилася протилежною: H100 відтворив усі 57 344 збережені вихідні значення, тоді як B300 зробити цього не зміг. Аналогічну перевірку Kimi K3 провели на орендованому GB200 — усі 13 збережених рядків збіглися з вихідними значеннями. Метод додатково протестували на 24 моделях, для яких розробники публічно розкривали використане обладнання, і в усіх випадках результати збіглися з відомими даними.

### Оцінка масштабу обчислювальних кластерів

Автори також оцінили можливий масштаб обчислювальних ресурсів. За припущенням, що моделі навчалися на тих самих прискорювачах, на яких створювалися їхні вихідні ваги, для п'яти найбільших запусків могло знадобитися близько 12 000 прискорювачів Blackwell: оцінка для Kimi K3 становить приблизно 4 500 GPU, для DeepSeek-V4-Pro — близько 3 000. Два такі обчислювальні кластери могли коштувати $200–300 млн кожен, а сукупна вартість обладнання для п'яти запусків, за розрахунками, перевищує $500 млн. При цьому дослідники наголошують, що це розрахункові оцінки, а не підтверджені дані: вони залежать від тривалості навчання, ефективності використання прискорювачів та обсягу навчальних даних.

### Обмеження методу та альтернативні версії

Метод має суттєві обмеження. Він показує, на якому обладнанні створювалися початкові ваги, але не доводить, що саме ці GPU використовувалися впродовж усього навчання. Неможливо встановити і місцеперебування прискорювачів, їхніх власників, а також спосіб отримання доступу до них. Дослідники також перевірили альтернативне пояснення з використанням AMD MI300X, який можна налаштувати на конфігурацію зі 148 або 152 обчислювальними блоками, що відтворює характерний малюнок Blackwell. Для DeepSeek-V4-Flash цю версію вдалося виключити за додатковими числовими ознаками, а для решти п'яти моделей автори вважають її вкрай малоймовірною. У підсумку аналіз дає технічні свідчення доступу китайських розробників до експортно обмежених прискорювачів Nvidia, проте сам по собі не доводить порушення американських експортних обмежень.

## Перевірка фактів і джерела

- [В китайских ИИ-моделях нашли отпечатки запрещённых Nvidia Blackwell: DeepSeek воспроизвела 445 строк весов бит в бит](https://www.ixbt.com/news/2026/11/13/v-6-kitaiskix-ii-modeliax-nasli-otpecatki-zapreshhennyx-nvidia-blackwell-deepseek-vosproizvela-445-strok-vesov-bit-v-bit.html) - Першоджерело: повний текст криміналістичного аналізу В. Депью. Усі цифри (445/469, 57 344, 13 рядків, 24 моделі, ~12 000 GPU, $200–300 млн, >$500 млн) перенесені без змін. Застереження: метод не доводить використання GPU на всьому навчанні та не підтверджує порушення експортних обмежень; версія AMD MI300X виключена для однієї моделі та визнана малоймовірною для решти.

## Часті запитання

### Які саме моделі були проаналізовані?

Шість моделей: DeepSeek-V4-Flash і DeepSeek-V4-Pro, Kimi K3 та Kimi K3.1-Pro від Moonshot AI, MiniMax-M3 і Ling-3.1-flash від Ant Group.

### На чому базується метод виявлення відбитків?

На аналізі збережених значень початкової ініціалізації вагів, які залежать від генератора псевдовипадкових чисел Philox у PyTorch та від кількості обчислювальних блоків SM конкретного прискорювача.

### Наскільки точна перевірка на реальному обладнанні?

Для DeepSeek-V4-Flash на фізичному B300 відтворено 445 із 469 рядків вагів біт у біт, ще 16 рядків показали високу кореляцію, 8 були частково змінені навчанням. Метод також підтверджено на 24 моделях із публічно відомим обладнанням.

### Чи доводить аналіз порушення експортних обмежень США?

Ні. Автори прямо вказують, що аналіз дає технічні свідчення доступу до експортно обмежених прискорювачів Nvidia, але сам по собі не доводить порушення експортних обмежень, а також не встановлює місцеперебування та власників обладнання.