Исследователь Уилл Депью опубликовал 12 ноября отчёт об анализе открытых весов китайских нейросетей. По его выводам, шесть моделей четырёх разработчиков содержат признаки создания начальных параметров на ускорителях NVIDIA Blackwell. Речь идёт о разработках DeepSeek, Moonshot AI, MiniMax и Ant Group, выпущенных с апреля 2026 года. Это вывод автора исследования, а не подтверждение со стороны перечисленных компаний
Перед обучением параметры нейросети заполняют начальными значениями. При изученном способе генерации псевдослучайных чисел их расположение зависит от числа вычислительных блоков ускорителя. Некоторые значения переживают обучение без изменений, другие сохраняют слабую статистическую связь с исходными. Подбирая начальное число генератора и схему распределения вычислений, автор восстанавливает этот след оборудования
Депью сообщает, что воспроизвёл сохранившиеся начальные значения двух моделей на физических ускорителях соответствующего поколения. Однако отпечаток относится к инициализации: параметры можно создать на одной системе, а обучать на другой. Кроме того, необычная конфигурация ускорителя другого производителя способна дать похожий рисунок; эту альтернативу автор исключил для одной из шести моделей, для остальных считает маловероятной
По самим весам нельзя определить ни местонахождение оборудования, ни способ получения доступа к нему. Автор отдельно допускает аренду вычислений за пределами Китая и подчёркивает, что результаты не устанавливают факта нарушения экспортных правил. Метод также требует открытых весов и распознаваемого следа: отсутствие такого следа не доказывает, что ускорители определённого поколения не использовались
Остаётся вопрос независимой воспроизводимости: программы проверки, наборы исходных значений и результаты тестов предлагаются рецензентам по запросу. Для столь чувствительных выводов важно, чтобы другие специалисты смогли повторить анализ и проверить его зависимость от программной реализации генератора случайных чисел
Первоисточник — Unemployment Labs
Сообщите редакции. Существенные исправления мы отмечаем в материале