Otwarte chińskie modele AI mają ślady trenowania na zakazanych do eksportu GPU Blackwell

Niezależni badacze twierdzą, że w wagach kilku otwartych chińskich modeli AI znaleziono ślady trenowania na GPU Blackwell, których eksport do Chin jest ograniczony.
Według badaczy wagi otwartych modeli mogą zachowywać „odcisk” GPU, na którym zostały po raz pierwszy wygenerowane. Początkowe wartości wag zależą od seed i konkretnego układu, a część tego wzorca może przetrwać trenowanie.
Analiza miała obejmować około sześciu bilionów kombinacji układów i seedów; znaleziono dopasowania w sześciu modelach z czterech chińskich laboratoriów:
- DeepSeek-V4-Flash i MiniMax-M3 miały być trenowane na B200 lub B300.
- DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro i Ling-3.1-flash miały być trenowane na GB200 lub GB300.
Wcześniejsze modele tych samych laboratoriów, według tej metody, wyglądają na trenowane na Hopper.
Autor twierdzi również, że do Kimi K3 i DeepSeek-V4-Pro mogło zostać użyte od 2 do 3 tysięcy GPU Blackwell na każdy model. Klaster tej wielkości kosztuje około 200 milionów dolarów.
Autor podaje, że wyniki zweryfikowali badacze z OpenAI i Anthropic. Jeśli się to potwierdzi, chińskim laboratoriom mogą grozić poważne sankcje.
Dlaczego to ważne
AnalizaJeśli teza jest prawdziwa, sprzęt użyty do trenowania może być rozpoznawalny w wagach modeli, co może ułatwiać egzekwowanie ograniczeń eksportowych.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Jak uruchomić lokalny LLM: konfiguracja, modele i optymalizacja
Kompleksowy przewodnik po uruchamianiu modeli językowych na własnym komputerze: wymagania sprzętowe, wdrożenie Ollama i Open WebUI, przegląd modeli Llama 3, Qwen 2.5, DeepSeek oraz kwantyzacja GGUF.
Przewodnik po promptach dla modeli generatywnych GPT Image
Modele generowania obrazów gpt-image od OpenAI zostały zaprojektowane w celu tworzenia wizualizacji o jakości produkcyjnej oraz umożliwienia pełnej kontroli nad procesami twórczymi. Są one odpowiednie zarówno dla profesjonalnych projektantów...
RLVR (Reinforcement Learning with Verifiable Rewards)
Metoda post-treningu i optymalizacji rozumowania agentów AI, w której funkcja nagrody opiera się na obiektywnych weryfikacjach matematycznych, kompilatorach oraz testach jednostkowych, zamiast na subiektywnych ocenach ludzkich.
Odciążanie i kompresja pamięci podręcznej KV
Metody sprzętowe i algorytmiczne tymczasowego przenoszenia pamięci podręcznej klucz-wartość (KV-Cache) z drogiej pamięci wideo GPU do systemowej pamięci RAM lub szybkich dysków NVMe SSD.