Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)

En los pesos de DeepSeek encontraron rastros de GPU Blackwell: en la B300 coincidieron 445 de 469 filas

Un ex investigador de OpenAI, Will Depue, encontró en los pesos de DeepSeek-V4-Flash la huella de las GPU NVIDIA Blackwell, cuyo suministro a China está limitado por Estados Unidos. Antes del entrenamiento, PyTorch rellena los pesos con números aleatorios, y su distribución depende del modelo de GPU, igual que el orden en que se reparte una baraja. En la B300 (Blackwell), 445 de las 469 filas de los pesos coincidieron con la publicación bit a bit; en la H100 no hay coincidencias exactas. Es una pista sobre el inicio del entrenamiento, pero no sobre todo el entrenamiento.

Procesado por IA desde TG: @ai_machinelearning_big_data (Machinelearning); editado por Hamidun News
En los pesos de DeepSeek encontraron rastros de GPU Blackwell: en la B300 coincidieron 445 de 469 filas
Fuente: TG: @ai_machinelearning_big_data (Machinelearning). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @ai_machinelearning_big_data (Machinelearning) ↗
Editor jefe
Dato clave #1Se analizaron seis modelos de DeepSeek, Moonshot AI, MiniMax y Ant Group
Dato clave #2En los modelos anteriores de estas empresas, la huella apunta a Hopper
Dato clave #3Con este análisis no se puede determinar dónde estuvieron las GPU ni de quién eran

Un ex investigador de OpenAI, Will Depue, afirmó que, a partir de los pesos abiertos de modelos chinos, es posible deducir en qué tarjeta gráfica se inició su entrenamiento. En los pesos de DeepSeek-V4-Flash encontró la huella de NVIDIA Blackwell, la generación más reciente de GPU, cuyo suministro a China está limitado por Estados Unidos. La idea es sencilla: antes del entrenamiento, PyTorch rellena los pesos con números aleatorios directamente en la tarjeta gráfica, y su distribución depende de la configuración de la GPU.

Depue tomó 469 filas de los pesos publicados y las reprodujo en una NVIDIA B300 real (Blackwell). En 445 filas los números coincidieron bit a bit, es decir, hasta el último bit, mientras que en la H100, de la generación anterior, no hubo ninguna coincidencia exacta.

Cómo deja huella una tarjeta gráfica en un modelo

Las restricciones a la exportación de los chips avanzados de NVIDIA se han convertido en una de las principales palancas de presión sobre la IA china. Pero comprobar con qué hardware se entrenó un modelo concreto es casi imposible: las empresas no dan detalles sobre su equipamiento o hablan en términos generales.

La huella surge así. Antes del entrenamiento, los pesos de la red se llenan de números «aleatorios», en realidad pseudoaleatorios. La distribución de esos números dentro del tensor depende de la configuración de la tarjeta gráfica. Imagine varias personas repartiendo la misma baraja, pero cada una con su propio orden de reparto. La baraja es la misma, pero las cartas que llegan a cada mano son distintas.

En los pesos publicados de DeepSeek-V4-Flash, algunas filas conservaron sus valores iniciales: el entrenamiento no los borró. Depue tomó 469 de esas filas e intentó obtenerlas con hardware real. En la B300 coincidieron 445; en la H100, para esas mismas filas, no hubo ninguna coincidencia. De ahí concluye que la inicialización se hizo en GPU de la generación Blackwell.

Qué mostró el análisis de seis modelos

Depue revisó los pesos públicos de seis modelos de DeepSeek, Moonshot AI, MiniMax y Ant Group. En los seis encontró rastros de inicialización en Blackwell. En los modelos anteriores de las mismas empresas, el análisis apuntaba a Hopper, es decir, a la generación previa.

El cuadro resulta coherente: la huella cambia al cambiar el hardware. El método tiene además una ventaja práctica: no requiere acceso a centros de datos ni a documentos internos. Bastan los pesos públicos y acceso a las GPU adecuadas para hacer la comparación.

Lo que este resultado no demuestra

Conviene no añadir conclusiones que el análisis no sostiene. El resultado solo se refiere a la fase de inicialización, el punto de partida del modelo. Con este análisis no se puede establecer qué GPU se usaron en el resto de las fases del entrenamiento, dónde estaban ni a quién pertenecían. Las tarjetas podían haberse alquilado, estar fuera de China o haberse usado de forma puntual.

La coincidencia de 445 de 469 filas tampoco es del 100 %, y las 469 filas fueron seleccionadas por el propio autor. El mensaje original no incluye respuesta de DeepSeek, Moonshot AI, MiniMax ni Ant Group, ni una verificación independiente. Por eso no se pueden extraer conclusiones jurídicas sobre una infracción de las normas de exportación.

Qué significa para desarrolladores y fundadores

Primero: los pesos públicos revelan más de lo que parece. Permiten inferir no solo la arquitectura, sino también el hardware en el que empezó el entrenamiento. Si publica sus checkpoints, tenga en cuenta que la inicialización puede revelar su infraestructura.

Segundo: el control de las exportaciones de chips podría contar con una nueva herramienta de auditoría. Si otros investigadores confirman la metodología, reguladores, analistas y competidores podrían aplicarla.

Tercero: para quienes reproducen el entrenamiento de modelos, es un recordatorio de que el resultado de la inicialización depende del hardware. La misma semilla del generador en GPU distintas puede producir pesos iniciales diferentes. Esto importa para la reproducibilidad de los experimentos y para contrastar resultados entre clústeres.

En resumen: es una pista interesante y verificable, pero no una sentencia. Indica que Blackwell probablemente participó en el arranque del entrenamiento de seis modelos chinos. Cómo transcurrió el resto del entrenamiento sigue siendo desconocido.

Historia

Preguntas frecuentes sobre la noticia

Cómo deja huella una tarjeta gráfica en un modelo?

Las restricciones a la exportación de los chips avanzados de NVIDIA se han convertido en una de las principales palancas de presión sobre la IA china. Pero comprobar con qué hardware se entrenó un modelo concreto es casi imposible: las empresas no dan detalles sobre su equipamiento o hablan en términos generales. La huella surge así. Antes del entrenamiento, los pesos de la red se llenan de números «aleatorios», en realidad pseudoaleatorios.

¿Qué se sabe sobre Qué mostró el análisis de seis modelos?

Depue revisó los pesos públicos de seis modelos de DeepSeek, Moonshot AI, MiniMax y Ant Group. En los seis encontró rastros de inicialización en Blackwell. En los modelos anteriores de las mismas empresas, el análisis apuntaba a Hopper, es decir, a la generación previa. El cuadro resulta coherente: la huella cambia al cambiar el hardware. El método tiene además una ventaja práctica: no requiere acceso a centros de datos ni a documentos internos.

¿Qué se sabe sobre Lo que este resultado no demuestra?

Conviene no añadir conclusiones que el análisis no sostiene. El resultado solo se refiere a la fase de inicialización, el punto de partida del modelo. Con este análisis no se puede establecer qué GPU se usaron en el resto de las fases del entrenamiento, dónde estaban ni a quién pertenecían. Las tarjetas podían haberse alquilado, estar fuera de China o haberse usado de forma puntual. La coincidencia de 445 de 469 filas tampoco es del 100 %, y las 469 filas fueron seleccionadas por el propio autor.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…