Một báo cáo nghiên cứu mới công bố cho biết sáu mô hình mã nguồn mở mà DeepSeek, Moonshot AI, MiniMax và Ant Group phát hành trong năm nay có trọng số mang dấu vết khởi tạo của dòng GPU Blackwell từ Nvidia. Tác giả báo cáo là Will DePue, người đứng đầu tổ chức nghiên cứu phi lợi nhuận Unemployment Labs; theo TechCrunch, ông từng làm nghiên cứu tại OpenAI. Blackwell nằm trong danh sách chip mà Mỹ cấm xuất khẩu sang Trung Quốc.
Dấu vân tay đến từ đâu
Phương pháp này nhắm vào bước diễn ra trước khi quá trình huấn luyện bắt đầu: khởi tạo ngẫu nhiên. Khi PyTorch tạo trọng số ban đầu trên GPU, nó dùng thuật toán số ngẫu nhiên Philox, và mỗi giá trị rơi vào vị trí nào phụ thuộc vào số bộ xử lý đa luồng (SM) cùng số luồng của card đồ họa. Mỗi thế hệ chip có cấu hình khác nhau: B200/B300 có 148 SM và 303104 luồng, GB200/GB300 có 152 SM và 311296 luồng, còn thế hệ Hopper trước đó có 132 SM.
Tác giả đã dò khoảng 6 nghìn tỷ tổ hợp “hạt giống + bố cục”, sau đó kiểm chứng lại bằng những trọng số không tham gia quá trình dò. Huấn luyện sẽ thay đổi phần lớn trọng số, nhưng luôn có một số hàng vẫn giữ nguyên giá trị khởi tạo. Theo báo cáo, chỉ cần dùng PyTorch chưa chỉnh sửa trên H100 là có thể tái tạo các hàng đó của DeepSeek-V3, còn trên B300 thì tái tạo được DeepSeek-V4-Flash; đổi chỗ hai bên thì không khớp. Trên một máy GB200 thuê ngoài, báo cáo cũng tái tạo được những hàng còn sót lại của Kimi K3.
Sáu mô hình, một ranh giới
Sáu mô hình được báo cáo liệt kê gồm DeepSeek-V4-Flash, DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro, MiniMax-M3 và Ling-3.1-flash của Ant; ý nghĩa thống kê nằm trong khoảng từ 49 đến 1385 sigma, trong khi mức nền ngẫu nhiên do tác giả đưa ra là khoảng 8 sigma.
Nếu xếp thứ tự phát hành của các công ty này, ranh giới khá rõ ràng. Các mô hình đời trước như DeepSeek-V3, Kimi K2.5, MiniMax-M2.7 và Ling-3.0-flash đều cho kết quả Hopper; còn thế hệ mới phát hành lần lượt từ tháng 4 năm 2026 trở đi thì dấu vân tay đã chuyển sang Blackwell. Kimi K2.7-Code nằm giữa hai nhóm, kết quả lẫn lộn nên không được tính.
Các công ty khác thì khác. Với các mô hình của Qwen (Thông Nghĩa Thiên Vấn), Zhipu GLM, Tencent, Xiaomi và StepFun, báo cáo vẫn đo ra Hopper; riêng LongCat-2.0 của Meituan không đo được dấu vân tay GPU nào, và Meituan trước đó cho biết mô hình này được huấn luyện trên “siêu nút AI ASIC”. Trong phạm vi báo cáo bao quát, dấu vết Blackwell tập trung ở bốn công ty, chứ không phải cả cộng đồng mã nguồn mở Trung Quốc đều có.
Báo cáo còn ước tính quy mô GPU của vòng huấn luyện cuối: Kimi K3 khoảng 4500 card theo ước tính tốt nhất, DeepSeek-V4-Pro khoảng 3000 card, các mô hình còn lại quanh mức 1500 card, tổng cộng khoảng 12.000 card; tính theo mức khoảng 70.000 USD mỗi card, cụm lớn nhất có giá trị từ 200 đến 300 triệu USD. Tác giả nói thẳng rằng mình không chắc chắn về bộ ước tính này, vì nó phụ thuộc vào các giả định như hiệu suất sử dụng tính toán, số token huấn luyện và thời gian huấn luyện; con số trong bản đầu tiên của báo cáo đã bị sửa một lần ngay trong ngày phát hành.
Ranh giới do chính báo cáo vạch ra
Nghiên cứu này giải thích được rất ít điều, và tác giả liệt kê khá chi tiết trong bài. Dấu vân tay chỉ ghi lại trọng số ban đầu được tạo ra trên loại chip nào; mô hình hoàn toàn có thể được khởi tạo trên hệ thống này rồi huấn luyện trên hệ thống khác. AMD MI300X về lý thuyết cũng có thể mô phỏng các bố cục đó; tác giả chỉ loại trừ bằng số liệu đối với DeepSeek-V4-Flash, còn với năm mô hình còn lại thì đánh giá là “cực kỳ khó xảy ra”.
Điểm nhạy cảm hơn là phương pháp không cho biết chip thuộc về ai và đặt ở đâu. Máy chủ Blackwell có thể được thuê tại các trung tâm dữ liệu bên ngoài Trung Quốc; nguyên văn báo cáo nói rằng bằng chứng không thể chứng minh chip bị buôn lậu vào Trung Quốc, cũng không thể chứng minh có hành vi vi phạm kiểm soát xuất khẩu. Với khâu huấn luyện, cách diễn đạt của báo cáo cũng để ngỏ khoảng trống:
“supports, without proving, the inference that Blackwell also performed the training”
(ủng hộ, nhưng không chứng minh, suy luận rằng Blackwell cũng đã thực hiện khâu huấn luyện.)
Phương pháp này chỉ áp dụng cho các mô hình công khai trọng số; mô hình đóng thì không có cách nào kiểm tra. Bài viết của TechCrunch không có phản hồi từ các công ty Trung Quốc hay Nvidia, Bộ Thương mại Mỹ cũng không bày tỏ quan điểm về nghiên cứu này, nên hiện chưa thể xác minh các nhận định liên quan từ phía các bên liên quan.
Trong tuần báo cáo được công bố, Bộ Thương mại Mỹ bị cho là đang hoàn thiện quy tắc hạn chế các công ty AI Trung Quốc sử dụng từ xa chip tiên tiến thông qua trung tâm dữ liệu ở nước ngoài. Nếu quy tắc có hiệu lực, con đường thuê Blackwell ở nước ngoài sẽ chịu tác động đầu tiên; còn nghiên cứu này cung cấp một cách đối chiếu không cần thông tin nội bộ, chỉ dùng trọng số công khai. Khi lô mô hình mã nguồn mở tiếp theo công bố trọng số, nhiều khả năng sẽ có người chạy lại phép kiểm tra tương tự.
Nguồn tham khảo: TechCrunch, CocoLoop, báo cáo nghiên cứu Checkpoint Forensics của Unemployment Labs; nội dung báo cáo được dùng để đối chiếu danh sách sáu mô hình, số SM và số luồng, khoảng sigma và cách ước tính quy mô GPU.