Seis modelos de IA de ponta lançados por laboratórios chineses desde abril de 2026 carregam impressões digitais numéricas correspondentes às GPUs Blackwell controladas para exportação da Nvidia, de acordo com uma análise forense publicada em 12 de novembro pelo grupo de pesquisa Unemployment Labs. A descoberta oferece a primeira evidência técnica em nível de hardware que apoia as alegações de que os principais desenvolvedores chineses de IA obtiveram acesso a chips que os Estados Unidos proíbem de exportar para a China.
A análise examinou modelos de DeepSeek, Moonshot AI, MiniMax e Ant Group, e descobriu que DeepSeek-V4-Flash, DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro, MiniMax-M3 e Ling-3.1-flash do Ant Group correspondem ao hardware da classe Blackwell, enquanto os modelos anteriores das mesmas empresas correspondem à geração Hopper anterior da Nvidia. Para mais contexto sobre esta história, confira nossa cobertura da indústria de IA.
Como os pesos de um modelo revelam seu hardware
O método é incomum porque depende inteiramente de pesos de modelos divulgados publicamente, em vez de vazamentos ou contas internas. Cada modelo treinado retém traços dos valores iniciais aleatórios a partir dos quais começou, e esses padrões de inicialização dependem da configuração de hardware usada para criá-los. Os pesquisadores recuperaram vestígios dos valores iniciais dos modelos e depois procuraram configurações de hardware que os reproduzissem.
O relatório diz que a equipe foi além em dois modelos: para DeepSeek-V4-Flash e Kimi K3, os pesquisadores confirmaram a correspondência em chips físicos Blackwell. Os chips B200 e B300 das classes Blackwell possuem 148 multiprocessadores de streaming, enquanto as configurações GB200 e GB300 usadas em sistemas maiores possuem 152 – e é esse tipo de detalhe estrutural que deixa sua marca nos dados de inicialização que os modelos carregam.
A impressão digital identifica como os pesos de um modelo foram criados e, observa o relatório, apoia – sem provar – a inferência de que o hardware da Blackwell também realizou o treinamento.
O que o relatório encontrou, modelo por modelo
Os resultados traçam um cronograma claro em quatro laboratórios:
- DeepSeek: modelos lidos como treinados por Hopper através do DeepSeek-V3 (dezembro de 2024, com o laboratório divulgando o uso de chips H800), depois como Blackwell do DeepSeek-V4-Flash e DeepSeek-V4-Pro em abril de 2026 - V4-Flash correspondente a B200/B300 e V4-Pro correspondente a GB200/GB300.
- Moonshot AI: impressões digitais de Hopper através do Kimi K2.5 (janeiro de 2026), depois GB200/GB300 classe Blackwell do Kimi K3 (julho de 2026) em diante, incluindo Kimi K3.1-Pro lançado este mês.
- MiniMax: Hopper até MiniMax-M2.7 (abril de 2026), depois classe B200/B300 de MiniMax-M3 (junho de 2026).
- Ant Group: Ling-3.0-flash (agosto de 2026) é lido como Hopper, enquanto Ling-3.1-flash (outubro de 2026) é lido como Blackwell GB200/GB300.
Um modelo fica entre as eras: Kimi K2.7-Code, publicado seis semanas antes do K3, é construído com pesos da era Hopper, mas contém um pequeno componente que corresponde ao perfil B200/B300.
Os chips Blackwell exigem licença dos EUA para exportação para a China, e o relatório afirma que nenhuma foi relatada. Autoridades dos EUA e reportagens da imprensa já haviam alegado que DeepSeek e Moonshot AI estavam usando hardware Blackwell, mas sem publicar evidências técnicas. Esta análise é a primeira a fundamentar essas alegações nos pesos publicados pelos próprios modelos.
O que faz - e não - estabelece
O relatório é cuidadoso quanto ao escopo. As conclusões fornecem provas técnicas de acesso a hardware de computação avançado, mas não estabelecem onde os chips estavam localizados, como o acesso foi obtido ou se os controlos de exportação foram violados. Os pesquisadores também consideraram alternativas: hardware AMD especialmente configurado, que também está restrito à exportação para a China, é a única alternativa que identificaram, e excluíram-no para o DeepSeek-V4-Flash, embora o considerem muito improvável para os outros cinco modelos.
Os pesquisadores reconhecem limites em seu método: uma impressão digital de Hopper não consegue distinguir um H800 de um H100 SXM ou H200, e as identificações do H800 para modelos mais antigos vêm de divulgações de laboratório, e não do próprio método forense.
Por que é importante para a política de exportação
O momento é delicado. Os negócios da Nvidia na China têm estado em constante mudança durante todo o ano, com as remessas de H200 sendo retomadas para clientes chineses sob restrições atenuadas, mesmo enquanto Washington examina minuciosamente a fiscalização, e o Departamento de Comércio enfrenta críticas sobre o desvio de chips. Se o hardware da classe Blackwell tem chegado aos laboratórios chineses em grande escala desde pelo menos Abril, a lacuna entre a política e a prática de exportação torna-se uma questão central para a próxima ronda de debate político.
A descoberta também tem um ângulo de verificação para a própria indústria de IA. Os pesos dos modelos normalmente têm sido examinados para avaliações de segurança e declarações de referência; usá-los como evidência forense de infraestrutura de treinamento é uma adição nova ao kit de ferramentas e que não depende da cooperação dos laboratórios envolvidos.
Para a Nvidia, o relatório chega a um período já turbulento, em que o conselho de administração da empresa foi consumido por uma crise de governação não relacionada. Para os laboratórios chineses mencionados, nenhum dos quais é acusado de irregularidades além da inferência que as impressões digitais suportam, a análise provavelmente levantará questões sobre as suas cadeias de fornecimento de computação que as suas comunicações públicas até agora não abordaram.
O relatório completo, incluindo históricos de laboratório, a lista completa de modelos e suas fontes, está disponível no Unemployment Labs. O trabalho chamou bastante atenção no Hacker News, onde atingiu 277 pontos poucas horas após a publicação.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
