Un análisis forense de Unemployment Labs revela que seis modelos de DeepSeek, Moonshot AI, MiniMax y Ant Group presentan firmas numéricas que coinciden con los chips Blackwell de Nvidia, cuya exportación a China está restringida por Estados Unidos. El método solo lee los archivos de modelos publicados, por lo que no puede demostrar quién era dueño de los chips ni que se hayan violado las normas de exportación.

Seis modelos de IA de cuatro desarrolladores chinos presentan firmas numéricas que coinciden con los chips Blackwell de Nvidia, según un análisis forense que sugiere que las empresas han entrenado con hardware que Estados Unidos restringe para su exportación a China.

¿Cómo identificaron los investigadores los chips detrás de estos modelos?

El informe, publicado por Unemployment Labs bajo el nombre del investigador Will DePue, examinó los pesos publicados de los modelos de DeepSeek, Moonshot AI, MiniMax y Ant Group. Los pesos son los miles de millones de números ajustables que determinan cómo un modelo procesa la información. Antes de que comience el entrenamiento, esos números necesitan valores iniciales, y el software que los genera deja un rastro del hardware en el que se ejecutó. El equipo de DePue encontró que los modelos más recientes presentan el patrón Blackwell, mientras que los modelos anteriores de las mismas empresas coinciden con la generación Hopper, más antigua.

¿Qué modelos chinos de IA muestran indicios de entrenamiento con chips Blackwell?

Los seis modelos son DeepSeek-V4-Flash y DeepSeek-V4-Pro, Kimi K3 y Kimi K3.1-Pro de Moonshot, MiniMax-M3, y Ling-3.1-flash de Ant Group. Los modelos de DeepSeek presentan firmas de la era Hopper hasta V3, lanzado en diciembre de 2024, y luego firmas Blackwell desde V4, en abril. Los modelos de Moonshot cambiaron con K3 en julio. Los de MiniMax cambiaron con M3 en junio, y los de Ant con Ling-3.1-flash en octubre.

Funcionarios y reportes de prensa ya habían acusado a DeepSeek y Moonshot de usar chips Blackwell, pero sin evidencia técnica pública. El nuevo informe asegura que su evidencia proviene por completo de los archivos de modelos publicados, y no de filtraciones ni de informantes internos. El equipo también confirmó la coincidencia en chips Blackwell físicos para dos de los modelos, y señala que el mismo método identificó correctamente el hardware de 24 modelos cuyos desarrolladores habían revelado públicamente sus chips.

El análisis también estima el tamaño de las sesiones de entrenamiento. Kimi K3 y DeepSeek-V4-Pro, los dos más grandes, habrían requerido aproximadamente 4.500 y 3.000 GPU Blackwell, respectivamente, funcionando durante unos dos a tres meses. En las cinco sesiones que permitieron estimar la escala, el informe calcula unas 12.000 GPU Blackwell en total. Usando un precio por chip de unos 70.000 dólares, derivado de un reporte del Wall Street Journal sobre una instalación de Blackwell en Malasia para ByteDance, DePue sitúa el clúster más grande entre 200 y 300 millones de dólares. El autor indica que la versión anterior del informe había estimado entre 2.000 y 3.000 GPU para las sesiones más grandes, y que fue revisada porque asumía que los chips funcionaban con la eficiencia de referencia de Nvidia, algo que las sesiones de entrenamiento con Blackwell reveladas públicamente no han alcanzado.

¿Demuestra la evidencia que se violaron los controles de exportación?

El informe es cuidadoso con lo que no puede demostrar. La huella identifica el hardware que generó los pesos iniciales. No prueba que los mismos chips hayan realizado todo el entrenamiento, ya que un laboratorio puede crear los pesos en un sistema y entrenar en otro. Los pesos tampoco pueden revelar quién era dueño de los chips ni dónde estaban ubicados. Los sistemas Blackwell pueden alquilarse a centros de datos fuera de China, y el informe afirma que la evidencia no establece que los chips hayan sido introducidos de contrabando a China ni que se haya producido una violación de los controles de exportación.

Alternativas y vacíos en la evidencia

El equipo de DePue consideró el hardware de AMD, que también tiene restricciones de exportación a China, como una explicación alternativa. Una AMD MI300X configurada especialmente puede reproducir los mismos patrones, pero el equipo indicó que las pruebas en un modelo apuntaron a Nvidia, y considera muy improbable la explicación de AMD para los otros cinco.

No todos los laboratorios chinos parecen usar Blackwell. Los modelos más recientes que el equipo pudo analizar de Alibaba, Zhipu, Tencent, Xiaomi y StepFun presentan firmas Hopper. Meituan afirma que su LongCat-2.0 fue entrenado con "superpods de ASIC de IA", y el equipo no encontró en él ninguna huella de Nvidia. El método tampoco puede leer modelos cerrados, y no encontró una firma utilizable en varios otros, entre ellos DeepSeek-V4.1-Flash y algunos modelos Qwen que se inicializaron en una CPU.

El autor del informe también advierte sobre la incertidumbre de las estimaciones de escala. Estas dependen de supuestos que los pesos no pueden confirmar, como la eficiencia con que cada laboratorio usó sus chips, la cantidad de tokens con los que se entrenó cada modelo y la duración de cada sesión. El autor señala que ningún laboratorio ha publicado esos detalles para estas sesiones. El informe indica que sus hallazgos son coherentes con las cifras, pero que no resuelven todas las preguntas sobre cómo se obtuvieron los chips.

This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.