Nos pesos do DeepSeek encontraram vestígios de GPUs Blackwell: na B300 coincidiram 445 de 469 linhas
O ex-pesquisador da OpenAI Will Depue encontrou nos pesos do DeepSeek-V4-Flash um rastro das placas NVIDIA Blackwell, cujo fornecimento à China é restrito pelos EUA. Antes do treinamento, o PyTorch preenche os pesos com números aleatórios, e a disposição desses números depende do modelo da GPU, da mesma forma que a ordem de distribuição de um baralho. Na B300 (Blackwell), 445 das 469 linhas dos pesos coincidiram com a publicação até o último bit; na H100 não houve coincidências exatas. É uma pista sobre o início do treinamento, mas não sobre o treinamento inteiro.
Processado por IA de TG: @ai_machinelearning_big_data (Machinelearning); editado por Hamidun News
O ex-pesquisador da OpenAI Will Depue afirmou que, a partir dos pesos abertos de modelos chineses, é possível descobrir em qual placa de vídeo eles começaram a ser treinados. Nos pesos do DeepSeek-V4-Flash, ele encontrou a assinatura da NVIDIA Blackwell, a geração mais recente de GPUs, cujo fornecimento à China é restrito pelos EUA. A ideia é simples: antes do treinamento, o PyTorch preenche os pesos com números iniciais aleatórios diretamente na placa de vídeo, e a disposição desses números depende da configuração da GPU.
Depue pegou 469 linhas dos pesos publicados e as reproduziu em uma NVIDIA B300 real (Blackwell). Em 445 linhas, os números coincidiram bit a bit, ou seja, até o último bit, enquanto na H100, da geração anterior, não houve nenhuma coincidência exata.
Como a placa de vídeo deixa sua marca no modelo
As restrições à exportação de chips avançados da NVIDIA se tornaram uma das principais alavancas de pressão sobre a IA chinesa. No entanto, verificar em que hardware um modelo específico foi treinado é quase impossível: as empresas não revelam detalhes sobre o equipamento ou falam apenas em termos genéricos.
A marca surge assim. Antes do treinamento, os pesos da rede são preenchidos com números "aleatórios", que na prática são pseudoaleatórios. A distribuição desses números pelo tensor depende da configuração da placa de vídeo. Imagine várias pessoas distribuindo o mesmo baralho, mas cada uma com sua própria ordem de distribuição. O baralho é o mesmo, porém as cartas que chegam às mãos são diferentes.
Nos pesos publicados do DeepSeek-V4-Flash, parte das linhas manteve os valores iniciais originais: o treinamento não as apagou. Depue pegou 469 dessas linhas e tentou obtê-las no hardware real. Na B300, coincidiram 445; na H100, para essas mesmas linhas, não houve coincidências. Com base nisso, ele conclui que a inicialização foi feita em GPUs da geração Blackwell.
O que a análise de seis modelos mostrou
Depue verificou os pesos públicos de seis modelos das empresas DeepSeek, Moonshot AI, MiniMax e Ant Group. Em todos os seis, ele encontrou vestígios de inicialização em Blackwell. Nos modelos anteriores das mesmas empresas, a análise apontou para a Hopper, ou seja, a geração anterior.
O quadro faz sentido: a assinatura muda junto com a troca de hardware. O método tem uma vantagem prática: para a verificação não é preciso acesso a data centers nem a documentos internos. Bastam os pesos públicos e acesso às GPUs necessárias para a comparação.
O que esse resultado não comprova
É importante não extrapolar. O resultado se refere apenas à etapa de inicialização, o começo do caminho do modelo. Quais GPUs foram usadas nas demais etapas do treinamento, onde estavam e de quem eram, essa análise não permite determinar. As placas podem ter sido alugadas, estar fora da China ou ter sido usadas pontualmente.
A coincidência de 445 em 469 linhas também não é de 100%, e as 469 linhas foram selecionadas pelo próprio autor. A publicação original não traz resposta da DeepSeek, da Moonshot AI, da MiniMax ou da Ant Group, nem uma verificação independente. Por isso, não é possível tirar conclusões jurídicas sobre violação das regras de exportação.
O que isso significa para desenvolvedores e fundadores
Primeiro: os pesos públicos carregam mais informação do que parece. Por meio deles é possível inferir não apenas a arquitetura, mas também o hardware em que o treinamento começou. Se você publica seus checkpoints, lembre que a inicialização pode revelar a sua infraestrutura.
Segundo: o controle de exportação de chips pode ganhar uma nova ferramenta de auditoria. Se outros pesquisadores confirmarem a metodologia, ela poderá ser usada por reguladores, analistas e concorrentes.
Terceiro: para quem reproduz o treinamento de modelos, fica o lembrete de que o resultado da inicialização depende do hardware. A mesma semente do gerador em GPUs diferentes pode produzir pesos iniciais diferentes. Isso é importante para a reprodutibilidade dos experimentos e para a comparação de resultados entre clusters.
Em resumo: é uma pista interessante e verificável, mas não uma sentença. Ela indica que a Blackwell, provavelmente, participou do início do treinamento de seis modelos chineses. Como foi o restante do treinamento, continua desconhecido.
- 21 de nov. de 2026MLCommons começou a medir APIs de IA sob carga real: 7 medições para agentes
- 21 de nov. de 2026Por meio do OpenRouter, DeepSeek adulterada respondeu por três dias: recusas caíram de 83–98% para 1%
- 21 de nov. de 2026Alice, ChatGPT e Perplexity citam apenas 34 de 309 sites para artigos
- 21 de nov. de 2026CoreWeave mediu o Vera Rubin: até 10 vezes mais tokens por megawatt que o GB200
Perguntas frequentes sobre a notícia
Como a placa de vídeo deixa sua marca no modelo?
As restrições à exportação de chips avançados da NVIDIA se tornaram uma das principais alavancas de pressão sobre a IA chinesa. No entanto, verificar em que hardware um modelo específico foi treinado é quase impossível: as empresas não revelam detalhes sobre o equipamento ou falam apenas em termos genéricos. A marca surge assim. Antes do treinamento, os pesos da rede são preenchidos com números "aleatórios", que na prática são pseudoaleatórios.
O que a análise de seis modelos mostrou?
Depue verificou os pesos públicos de seis modelos das empresas DeepSeek, Moonshot AI, MiniMax e Ant Group. Em todos os seis, ele encontrou vestígios de inicialização em Blackwell. Nos modelos anteriores das mesmas empresas, a análise apontou para a Hopper, ou seja, a geração anterior. O quadro faz sentido: a assinatura muda junto com a troca de hardware. O método tem uma vantagem prática: para a verificação não é preciso acesso a data centers nem a documentos internos.
O que esse resultado não comprova?
É importante não extrapolar. O resultado se refere apenas à etapa de inicialização, o começo do caminho do modelo. Quais GPUs foram usadas nas demais etapas do treinamento, onde estavam e de quem eram, essa análise não permite determinar. As placas podem ter sido alugadas, estar fora da China ou ter sido usadas pontualmente. A coincidência de 445 em 469 linhas também não é de 100%, e as 469 linhas foram selecionadas pelo próprio autor.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.