آثار معالج Blackwell في أوزان DeepSeek: تطابق 445 من 469 صفًا على B300
عثر ويل ديبيو، الباحث السابق في OpenAI، في أوزان DeepSeek-V4-Flash على أثر لبطاقات NVIDIA Blackwell التي تفرض الولايات المتحدة قيودًا على توريدها إلى الصين. قبل التدريب، يملأ PyTorch الأوزان بأرقام عشوائية، ويتوقف توزيعها على طراز وحدة GPU، تمامًا كما يختلف ترتيب توزيع أوراق اللعب من موزّع إلى آخر. على B300 (وهي من فئة Blackwell) تطابق 445 من 469 صفًا من الأوزان مع المنشور حتى آخر بت، بينما لا توجد تطابقات تامة على H100. هذا دليل على بداية التدريب، لا على التدريب كله.
معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
قال ويل ديبيو، الباحث السابق في OpenAI، إن الأوزان المفتوحة للنماذج الصينية تتيح استنتاج البطاقة التي بدأ التدريب عليها. ففي أوزان DeepSeek-V4-Flash وجد بصمة لـ NVIDIA Blackwell، أحدث أجيال وحدات GPU، والتي تفرض الولايات المتحدة قيودًا على توريدها إلى الصين. الفكرة بسيطة: قبل التدريب، يملأ PyTorch الأوزان بأرقام عشوائية أولية مباشرةً على بطاقة الرسوميات، ويتوقف توزيع هذه الأرقام على إعدادات وحدة GPU. أخذ ديبيو 469 صفًا من الأوزان المنشورة وأعاد توليدها على بطاقة NVIDIA B300 حقيقية (وهي من فئة Blackwell). تطابقت الأرقام بت ببت في 445 صفًا، أي حتى آخر بت، بينما لم تُسجَّل أي تطابقات تامة على H100 من الجيل السابق.
كيف تترك بطاقة الرسوميات بصمتها في النموذج
أصبحت قيود التصدير على أحدث رقائق NVIDIA من أبرز أدوات الضغط على الذكاء الاصطناعي الصيني. لكن التحقق من العتاد الذي دُرِّب عليه نموذج بعينه شبه مستحيل، فالشركات إما تلتزم الصمت بشأن العتاد أو تكتفي بعبارات عامة.
وتتكوّن البصمة على النحو التالي. قبل التدريب، تُملأ أوزان الشبكة العصبية بأرقام «عشوائية»، وهي في الواقع شبه عشوائية. ويتوقف توزيع هذه الأرقام على الموتر على إعدادات بطاقة الرسوميات. تخيّل عدة أشخاص يوزّعون المجموعة نفسها من أوراق اللعب، لكل منهم ترتيب توزيع مختلف: المجموعة واحدة، لكن الأوراق التي تصل إلى الأيدي تختلف.
في أوزان DeepSeek-V4-Flash المنشورة، احتفظت بعض الصفوف بقيمها الأولية الأصلية، إذ لم يمحُها التدريب. أخذ ديبيو 469 صفًا من هذا النوع وحاول توليدها على عتاد حقيقي. على B300 تطابق 445 صفًا، أما على H100 فلم يُعثر على تطابقات لهذه الصفوف نفسها. ومن هنا استنتج أن التهيئة الأولية جرت على وحدات GPU من جيل Blackwell.
ماذا أظهر تحليل ست نماذج
فحص ديبيو الأوزان العلنية لست نماذج من DeepSeek وMoonshot AI وMiniMax وAnt Group. ووجد في جميع النماذج الست آثارًا لتهيئة أولية جرت على Blackwell. أما في النماذج الأقدم لهذه الشركات نفسها، فقد أشار التحليل إلى Hopper، أي الجيل السابق.
تبدو الصورة منطقية: تتغير البصمة بتغيّر العتاد. وللطريقة ميزة عملية، فهي لا تتطلب الوصول إلى مراكز البيانات أو الوثائق الداخلية. يكفي توافر الأوزان العلنية والوصول إلى وحدات GPU المناسبة للمقارنة.
ما الذي لا تثبته هذه النتيجة
من المهم ألا نحمّل النتيجة أكثر مما تحتمل. فهي تتعلق بمرحلة التهيئة الأولية فقط، أي بداية مسار النموذج. أما وحدات GPU التي استُخدمت في بقية مراحل التدريب، وأين كانت، ولمن تعود، فلا يمكن تحديده من هذا التحليل. فقد تكون البطاقات مستأجرة، أو موجودة خارج الصين، أو استُخدمت لمرة واحدة.
كما أن تطابق 445 من 469 صفًا ليس تطابقًا كاملًا، والصفوف الـ469 اختارها المؤلف نفسه. ولا يتضمن المصدر ردًا من DeepSeek أو Moonshot AI أو MiniMax أو Ant Group، ولا يورد تحققًا مستقلًا. لذلك لا يجوز استخلاص استنتاجات قانونية عن انتهاك قواعد التصدير.
ماذا يعني ذلك للمطورين والمؤسسين
أولًا: تحمل الأوزان العلنية معلومات أكثر مما يبدو. فمن خلالها يمكن الحكم لا على المعمارية فحسب، بل على العتاد الذي بدأ عليه التدريب. وإذا كنت تنشر نقاط التفتيش (checkpoints) الخاصة بك، فضع في حسبانك أن التهيئة الأولية قد تكشف بنيتك التحتية.
ثانيًا: قد تحصل رقابة تصدير الرقائق على أداة تدقيق جديدة. فإذا أكد باحثون آخرون صحة المنهجية، فسيكون بوسع الجهات التنظيمية والمحللين والمنافسين استخدامها.
ثالثًا: بالنسبة لمن يعيدون إنتاج تدريب النماذج، هذا تذكير بأن نتيجة التهيئة الأولية تتوقف على العتاد. فالبذرة العشوائية نفسها على وحدات GPU مختلفة قد تعطي أوزانًا أولية مختلفة. وهذا مهم لإمكانية إعادة إنتاج التجارب ومطابقة النتائج بين العناقيد الحاسوبية.
الخلاصة: هذا دليل مثير للاهتمام وقابل للتحقق، لكنه ليس حكمًا نهائيًا. فهو يُظهر أن Blackwell شارك على الأرجح في بداية تدريب ست نماذج صينية. أما كيف جرى بقية التدريب، فيبقى مجهولًا.
- 21 نوفمبر 2026نموذج Inkling 2 Mini المفتوح بذاكرة 16 غيغابايت يلحق بـ Qwen3.8-27B في تصنيف مستقل
- 21 نوفمبر 2026لم يعد المبرمج منسّقًا لوكلاء الذكاء الاصطناعي: Multica يتولى روتين التسليم بينهم
- 21 نوفمبر 2026MLCommons تبدأ قياس واجهات الذكاء الاصطناعي تحت حمل حقيقي: 7 قياسات للوكلاء
- 21 نوفمبر 2026عبر OpenRouter ردّت نسخة DeepSeek مخترَقة لثلاثة أيام: انخفضت نسبة الرفض من 83–98% إلى 1%
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف تترك بطاقة الرسوميات بصمتها في النموذج؟
أصبحت قيود التصدير على أحدث رقائق NVIDIA من أبرز أدوات الضغط على الذكاء الاصطناعي الصيني. لكن التحقق من العتاد الذي دُرِّب عليه نموذج بعينه شبه مستحيل، فالشركات إما تلتزم الصمت بشأن العتاد أو تكتفي بعبارات عامة. وتتكوّن البصمة على النحو التالي. قبل التدريب، تُملأ أوزان الشبكة العصبية بأرقام «عشوائية»، وهي في الواقع شبه عشوائية. ويتوقف توزيع هذه الأرقام على الموتر على إعدادات بطاقة الرسوميات.
ما أبرز التفاصيل حول ماذا أظهر تحليل ست نماذج؟
فحص ديبيو الأوزان العلنية لست نماذج من DeepSeek وMoonshot AI وMiniMax وAnt Group. ووجد في جميع النماذج الست آثارًا لتهيئة أولية جرت على Blackwell. أما في النماذج الأقدم لهذه الشركات نفسها، فقد أشار التحليل إلى Hopper، أي الجيل السابق. تبدو الصورة منطقية: تتغير البصمة بتغيّر العتاد. وللطريقة ميزة عملية، فهي لا تتطلب الوصول إلى مراكز البيانات أو الوثائق الداخلية. يكفي توافر الأوزان العلنية والوصول إلى وحدات GPU المناسبة للمقارنة.
ما أبرز التفاصيل حول ما الذي لا تثبته هذه النتيجة؟
من المهم ألا نحمّل النتيجة أكثر مما تحتمل. فهي تتعلق بمرحلة التهيئة الأولية فقط، أي بداية مسار النموذج. أما وحدات GPU التي استُخدمت في بقية مراحل التدريب، وأين كانت، ولمن تعود، فلا يمكن تحديده من هذا التحليل. فقد تكون البطاقات مستأجرة، أو موجودة خارج الصين، أو استُخدمت لمرة واحدة. كما أن تطابق 445 من 469 صفًا ليس تطابقًا كاملًا، والصفوف الـ469 اختارها المؤلف نفسه. ولا يتضمن المصدر ردًا من DeepSeek أو Moonshot AI أو MiniMax أو Ant Group، ولا يورد تحققًا مستقلًا.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.