11 月 12 日，前 OpenAI 研究员 Will DePue 在 X 发帖并发布报告，称通过分析公开权重里残留的随机初始化模式，发现 DeepSeek-V4-Flash/Pro、Kimi K3/K3.1-Pro、MiniMax-M3、Ling-3.1-flash 六款模型是在英伟达 Blackwell 上初始化的，而这些公司更早的模型对应 Hopper。帖子约 205 万浏览、2 万赞。这是个人研究结论，不是官方认定；报告本身也写明，它不能确定芯片在哪里、如何获得，也不能确定是否违反出口管制。
核心要点速览
- ✓6 款模型被判为 Blackwell 初始化（作者口径）：DeepSeek-V4-Flash、MiniMax-M3 对应 B200/B300（148 个 SM）；DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro、Ling-3.1-flash 对应 GB200/GB300（152 个 SM）
- ✓方法：PyTorch 用 Philox 随机数按线程数填充初始权重，线程数由 GPU 的 SM 数决定；作者搜索约 6 万亿种「种子 + 布局」组合去匹配公开权重
- ✓统计强度（作者口径）：随机巧合最多约 8 sigma，六款模型的最强证据在 49–1,385 sigma 之间；在 24 个开发者公开过训练硬件的模型上，方法结论全部一致
- ✓并非所有中国实验室：报告称 Qwen、GLM、腾讯、小米、阶跃的最新模型仍读作 Hopper，美团 LongCat-2.0 未发现英伟达指纹
- ✓规模估算不确定：作者估计五次训练合计约 1.2 万张 Blackwell（区间 7,000–20,000），并明确说对估算「没有信心」；文中「OpenAI、Anthropic 资深研究员已独立验证」为其本人说法
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
Blackwell 是英伟达当前最先进的数据中心 GPU，按美国规定出口到中国需要许可证。此前美国官员和媒体曾指称部分中国实验室在用 Blackwell，但没有公开技术证据。11 月 12 日，前 OpenAI 研究员 Will DePue 发布报告《Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs》，X 原帖约 205 万浏览、2 万赞、近 3,000 转发，是过去 12 小时 AI 圈讨论最多的帖子之一。
架构亮点与底层机制
报告的思路是：PyTorch 通过 cuRAND 的 Philox 算法生成初始权重，工作被分给多个线程，线程总数取决于 GPU 的 SM 数量。Hopper（H100/H200/H800）是 132 个 SM，B200/B300 是 148 个，GB200/GB300 是 152 个。同一个种子在不同芯片上，随机数会落在不同位置。一些训练中从未用到的词表行几乎保留初始值，因此可以反推出种子和芯片类型。作者称用 B300 按恢复出的种子逐位复现了 DeepSeek-V4-Flash 的初始权重。
权威 Benchmark 与实测跑分对比
这里没有模型跑分，只有作者给出的统计证据：约 6 万亿种组合中，巧合最多约 8 sigma，六款模型的最强证据为 49–1,385 sigma；在 24 个公开过训练硬件的模型上结论全部一致，包括英伟达 Nemotron-3 Ultra。以上均为作者口径，尚未见相关公司公开确认。
开发者实战落地与开箱指南
读这份报告要分清三点：一，指纹说明的是权重在哪类芯片上初始化，作者自己写明只是「支持而非证明」训练也在 Blackwell 上完成；二，报告不能确定芯片位置、获取方式，也不能确定是否违规；三，GPU 数量和成本估算作者自称没有信心。对开发者来说，这些开源权重目前仍可正常下载使用；它更大的意义在于，「从公开权重反查训练硬件」第一次被系统地做出来，后续可能被用于模型溯源。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察