Forschung

Blackwell-Fingerprints: Nvidias Spur in sechs chinesischen Modellen

Zufallszahlen am Anfang eines Trainings verraten Monate später, welche Hardware im Rechenzentrum stand. Ein ehemaliger OpenAI-Forscher hat das Verfahren veröffentlicht, und sechs chinesische Modelle tragen die Spur.

Anna WeberAnna Weber
Beliebtheit: 1,250
Ein grünes Chip-Raster mit einer hervorgehobenen Zelle und einer gezackten Signallinie neben dem Schriftzug Blackwell fingerprints

Zufallszahlen am Anfang eines Trainings verraten Monate später, welche Hardware im Rechenzentrum stand. Ein ehemaliger OpenAI-Forscher hat das Verfahren veröffentlicht, und sechs chinesische Modelle tragen die Spur.

Wie Blackwell fingerprints in einem Checkpoint entstehen

Die Methode ist unspektakulär und deshalb schwer zu widerlegen. Vor dem Training füllt PyTorch Milliarden leerer Gewichtsplätze mit Zufallszahlen, die aus einem einmal gesetzten Startwert entstehen, und verteilt diese Arbeit anschließend auf die Rechenkerne der GPU, deren Anzahl sich je Karte unterscheidet und genau dadurch ein Muster hinterlässt, das im fertigen Modell weiterlebt.

Hinzu kommt, dass nicht jeder Platz im fertigen Modell gebraucht wird: Ungenutzte Token-Positionen behalten ihre Anfangswerte, und selbst in trainierten Gewichten bleibt ein schwacher Rest der ursprünglichen Verteilung erhalten, den man mit genug Rechenzeit aus den Zahlen herauslesen kann. Wer diesen Rest statistisch ausliest, sieht die Kernzahl.

Veröffentlicht hat das Will DePue, ein ehemaliger Forscher bei OpenAI, der heute die gemeinnützige Organisation Unemployment Labs leitet. Er hat die Analyse und den Prüfcode offengelegt und die Ergebnisse auf X angekündigt, sodass jeder einen Checkpoint selbst nachrechnen kann, ohne Zugang zu einem der Rechenzentren zu brauchen, um die es hier geht.

132, 148, 152: warum die Kernzahl auf Blackwell zeigt

Die Zuordnung ist kurz genug, um sie sich zu merken. Hopper-Karten der Typen H100 und H800 haben 132 Rechenkerne, Blackwell in den Varianten B200 und B300 kommt auf 148, und die flüssig gekühlten Systeme GB200 und GB300 liegen bei 152.

Aus diesen drei Zahlen wird eine Landkarte. Wer 148 Kerne findet, hat mit hoher Wahrscheinlichkeit ein B200- oder B300-System vor sich, wer 152 sieht, ein GB200- oder GB300-System.

Wichtig ist, was die Zahl nicht ist. Sie ist keine Seriennummer und keine eindeutige Kennung eines einzelnen Chips. Es ist ein statistisches Muster, das an die Kernzahl gebunden ist, und deshalb taugt es für die Frage nach dem Modell, nicht für die nach dem Gerät.

DeepSeek Blackwell: sechs Modelle mit der Signatur

Nach DePues Analyse tragen sechs chinesische Modelle, die seit April 2026 erschienen sind, eine Blackwell-Signatur. DeepSeek-V4-Flash und MiniMax-M3 zeigen demnach 148 Kerne, also B200 oder B300. DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro und Ling-3.1-flash von Ant Group liegen bei 152, was auf ein flüssig gekühltes System deutet.

Ältere Modelle passen ins Bild der Vorgängergeneration. DeepSeek-V3 und Kimi K2.5 sehen aus wie Hopper.

Andere Labore bleiben bei Hopper, darunter Qwen3.8 von Alibaba, Zhipu, Tencent, Xiaomi und StepFun. Meituan fällt aus dem Rahmen: LongCat-2.0 zeigt auf Hardware von Huawei. Die Lage ist also nicht einheitlich, und das ist für die politische Debatte wichtig.

Warum die Blackwell fingerprints belastbar sind

Der stärkste Teil der Arbeit ist die Gegenprobe. DePue hat 24 Kontrollmodelle geprüft, deren Hardware bekannt ist, und alle 24 wurden richtig zugeordnet, darunter Llama 3.1 von Meta auf H100. Zwei Ergebnisse, DeepSeek-V4-Flash und Kimi K3, hat er auf echten Blackwell-Chips nachgestellt.

Dazu kommt eine Prüfung durch Kollegen. DePue sagt, leitende Forscher bei OpenAI und Anthropic hätten die Befunde unabhängig kontrolliert und bestätigt. Das ist seine Aussage, keine Stellungnahme der beiden Unternehmen, und dieser Unterschied gehört in jeden Bericht über die Sache.

Was der Nvidia smuggling evidence nicht beweist

Die Analyse zeigt, welche Hardware die Gewichte initialisiert hat. Wo diese Hardware stand und wem sie gehörte, steht dagegen nirgends im Checkpoint, und wer Kapazität in einem Rechenzentrum außerhalb Chinas mietet, erzeugt genau dieselbe Signatur.

DePue formuliert die Grenze selbst. Die Befunde seien kein Beweis für Schmuggel und kein Beweis für einen Verstoß gegen Ausfuhrrecht. Wer aus der Kernzahl eine Straftat macht, überdehnt sie.

Ein Indiz bleibt es trotzdem.

Wie soll eine Karte dorthin gekommen sein, die dort offiziell nicht verkauft werden darf? Die Frage ist berechtigt, und sie ist mit einem Checkpoint allein nicht zu beantworten, weil das Verfahren nur die Hardware kennt und nicht den Weg, den sie genommen hat.

Was fünf Trainingsläufe an Blackwell-GPUs gekostet haben

Aus den Kernzahlen lassen sich Rückschlüsse auf den Umfang ziehen, und das ist der Teil, der Finanzabteilungen interessiert. DePue schätzt für die fünf untersuchten Läufe etwa 12.000 Blackwell-GPUs, was ungefähr 30.000 H100 entspricht. Kimi K3 allein kommt auf rund 4.500 Prozessoren über etwa 70 Tage.

Beim Preis von etwa 70.000 Dollar je Einheit ergibt das 200 bis 300 Millionen Dollar pro Cluster. Für die fünf Systeme zusammen liegt die Schätzung über einer halben Milliarde Dollar.

Diese Zahlen sind Schätzungen, keine Werte aus einer Bilanz. Sie zeigen die Größenordnung, und die Größenordnung ist der Punkt: Ein Einkauf dieser Größe fällt in jeder Buchhaltung auf.

Export controls China: was die Politik daraus macht

Die Rechtslage ist eindeutig, die Praxis nicht. Blackwell darf weder nach China noch an chinesisch kontrollierte Firmen exportiert werden. Die H200 ist unter Auflagen erlaubt, mit Umleitung über Drittländer, die den USA einen Zoll von 25 Prozent einbringt.

TechCrunch zitiert Michael Kratsios, Technologieberater des Weißen Hauses, der Moonshot den Einsatz verbotener Nvidia-Chips vorwarf und sich dabei auf Erkenntnisse der amerikanischen Nachrichtendienste berief. Epoch AI schätzt, dass 2024 und 2025 rund zwei Millionen fortgeschrittene Chips nach China gelangten, darunter 275.000 Nvidia-Beschleuniger nach Malaysia.

Bloomberg berichtete zudem über verbotene Nvidia-Chips in einem Rechenzentrum in Shanghai, das mit einer Person namens Alice Huang verbunden ist. Nvidia hat gegenüber Abgeordneten erklärt, Chips technisch verfolgen zu können. Ein Schuldeingeständnis ist das nicht.

Was Blackwell fingerprints für Labore in Deutschland bedeuten

Die Methode ist nicht auf China beschränkt. Jeder offene Checkpoint lässt sich prüfen, und wer heute ein Modell einkauft oder lizenziert, kann nachsehen, auf welcher Hardware es entstanden ist. Für Beschaffungsteams ist das ein Prüfschritt, der ohne Zugang zum Rechenzentrum auskommt.

Für hiesige Labore ist die Sache doppelt. Wer bei einem Hoster in der EU mietet, erzeugt dieselbe Spur wie ein chinesisches Labor, und das ist kein Problem, solange die Karte dort legal steht und der Hoster weiß, wem er sie vermietet. Wer mit einem Anbieter arbeitet, der selbst keine Auskunft gibt, hat dagegen ein Argument in der Hand.

Die Aufsicht liegt in Europa bei den nationalen Behörden. In Deutschland erteilt das Bundesamt für Wirtschaft und Ausfuhrkontrolle die Genehmigungen für Dual-Use-Güter, und der Zoll kontrolliert die Ausfuhr. Ein Verfahren, das Hardware nachträglich identifiziert, wäre für beide eine Hilfe, weil es Fälle sichtbar macht, die heute nur über Hinweise auffallen.

Bis dahin bleibt es bei einem Werkzeug, das Fragen erzeugt. Wer die Kernzahl liest, weiß mehr über ein Modell als vorher, und weniger, als manche Schlagzeile behauptet.

Diesen Artikel teilen

Quellen

Ähnliche KI-News

Ein Trichter, durch den kleine Token-Blöcke von einem Modellkasten zum nächsten laufen, mit einer Schutzplatte, die einen Teil des Flusses blockiert
Forschung

OpenAI drückt die Erfolgsquote beim Abgreifen von Denkspuren im eigenen Test von 54 auf 0,2 Prozent

OpenAI hat beschrieben, wie es verhindert, dass andere Firmen die internen Denkschritte seiner Modelle abschöpfen. Die Zahlen sehen nach einem Sieg aus. Sie kommen aus dem eigenen Testlabor.

Beliebtheit: 1,420
Ein cyanfarbenes Gitter mit einem hervorgehobenen Quadrat neben dem Text Lattice Standard Model
Forschung

OpenAI und GPT-6 Astra: ein Schritt zur Definition des Standard Model

OpenAI hat am 15. November beschrieben, wie sich das Standardmodell auf einem Gitter definieren lässt, und GPT-6 Astra hat dabei einen Beweisschritt beigesteuert. Eine Lösung des Problems ist das nicht.

Beliebtheit: 1,500
Sendemast mit Signalbögen über einem Raster verbundener Geräte
Forschung

Nvidias offene 5G- und 6G-Werkzeuge kommen auf eine Million Downloads

Vor einem Jahr hat Nvidia seine Funk-Software geöffnet. Jetzt meldet das Unternehmen eine Million Downloads und mehr als 8.000 Institute, und vier davon haben veröffentlicht, was sie damit gebaut haben.

Beliebtheit: 1,275
Terminalfenster voller Befehlszeilen, aus dem ein Schlüssel herausrutscht
Forschung

Claude Code: Der Knopf „nicht mehr fragen“ schreibt Passwörter in eine Datei, die auf GitHub landet

Ein Bestätigungsknopf in Claude Code speichert ganze Shell-Befehle samt Zugangsdaten in einer Konfigurationsdatei. Apiiro hat nachgezählt, wie viele dieser Dateien öffentlich auf GitHub liegen und was darin steht.

Beliebtheit: 1,379