一份新發表的研究報告指出，DeepSeek、月之暗面、MiniMax 與螞蟻集團今年釋出的六款開源模型，權重裡留有輝達 Blackwell 系列 GPU 的初始化痕跡。報告作者是非營利研究組織 Unemployment Labs 的負責人 Will DePue，TechCrunch 介紹他曾在 OpenAI 擔任研究員。Blackwell 屬於美國禁止對中國出口的晶片。
指紋從何而來
這套方法鎖定的是訓練開始前的那一步：隨機初始化。PyTorch 在 GPU 上產生初始權重時，使用的是 Philox 亂數演算法，每個數值落在哪個位置，取決於顯示卡的串流多處理器（SM）數量與執行緒數。各世代晶片的配置不同：B200/B300 為 148 個 SM、303,104 條執行緒，GB200/GB300 為 152 個 SM、311,296 條執行緒，上一代 Hopper 則是 132 個 SM。
作者搜尋了約 6 兆種「種子＋佈局」組合，再拿沒有參與搜尋的權重來檢驗。訓練會改掉大部分權重，但總有一部分資料列保留著初始值。報告指出，用未經修改的 PyTorch 在 H100 上能重現 DeepSeek-V3 的這些資料列，在 B300 上能重現 DeepSeek-V4-Flash，兩邊互換就對不上；在租用的 GB200 上，也重現出了 Kimi K3 保留下來的資料列。
六款模型，一條分界線
報告列出的六款模型是 DeepSeek-V4-Flash、DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro、MiniMax-M3，以及螞蟻集團的 Ling-3.1-flash，統計顯著性介於 49 到 1,385 個 sigma 之間，作者給出的隨機基準約為 8 個 sigma。
把這幾家公司的發表順序排開，分界相當整齊。DeepSeek-V3、Kimi K2.5、MiniMax-M2.7、Ling-3.0-flash 這些上一代模型，讀出來都是 Hopper；2026 年 4 月以後陸續推出的新一代，指紋換成了 Blackwell。Kimi K2.7-Code 介於兩者之間，結果混雜，沒有納入計算。
其他公司的情況並不相同。通義千問（Qwen）、智譜 GLM、騰訊、小米、階躍星辰的模型，報告測到的仍是 Hopper；美團 LongCat-2.0 則沒有測出 GPU 指紋，美團先前表示它是在「AI ASIC 超節點」上訓練。在報告涵蓋的範圍內，Blackwell 痕跡集中在四家公司，並非整個中國開源圈都有。
報告還估算了最後一輪訓練的 GPU 規模：Kimi K3 最佳估計約 4,500 張，DeepSeek-V4-Pro 約 3,000 張，其餘幾款在 1,500 張上下，合計約 1.2 萬張；以每張約 7 萬美元計算，最大的一座叢集約在 2 億到 3 億美元之間。作者明白表示對這組估算沒有把握，它取決於算力使用率、訓練 token 數與訓練時長等假設，首版報告的數字在發表當天就被修改過一次。
報告自己劃下的界線
這份研究能說明的事情有限，作者在文中列得很詳細。指紋只記錄初始權重在哪種晶片上產生，模型完全可以在一套系統上初始化、換另一套系統訓練。AMD MI300X 理論上也能模仿這些佈局，作者只針對 DeepSeek-V4-Flash 做了數值排除，對另外五款的判斷是「極不可能」。
更敏感的一點是，這個方法查不出晶片歸誰所有、放在哪裡。Blackwell 伺服器可以在中國境外的資料中心租用，依報告原話，這些證據不能證明晶片被走私進中國，也不能證明存在違反出口管制的行為。至於訓練環節，報告的措辭同樣留有餘地：
“supports, without proving, the inference that Blackwell also performed the training”
（支持、但無法證明 Blackwell 也負責了訓練這項推論。）
這種方法只適用於公開權重的模型，閉源模型無從檢驗。TechCrunch 的報導中沒有出現幾家中國公司或輝達的回應，美國商務部也沒有就這份研究表態，相關說法目前無法向當事方查證。
報告發表的同一週，傳出美國商務部正在敲定規則，限制中國 AI 公司透過境外資料中心遠端使用先進晶片。規則若落實，在境外租用 Blackwell 這條路首當其衝；而這份研究提供了一種不靠內部消息、只用公開權重就能做的查核辦法，下一批開源模型釋出權重時，很可能會有人把同樣的檢測再跑一遍。
參考來源：TechCrunch、CocoLoop、Unemployment Labs 研究報告 Checkpoint Forensics；報告全文核對了六款模型名單、SM 與執行緒數、sigma 區間及 GPU 規模估算方式。