Dek: Un exinvestigador de OpenAI publicó un método que deduce qué GPU inicializó los pesos de un modelo abierto y lo aplicó a seis lanzamientos chinos. Su conclusión es más estrecha que los titulares: dice qué hardware se usó, no dónde estaba.
Cómo se leen las Blackwell fingerprints en un checkpoint publicado
La idea cabe en dos frases y no necesita acceso a ningún chip. Antes de entrenar, PyTorch rellena miles de millones de huecos de pesos con números aleatorios generados a partir de una semilla. La GPU reparte ese trabajo entre sus núcleos, y el número de núcleos deja una huella estadística en el resultado.
Will DePue, exinvestigador de OpenAI y responsable de la organización sin ánimo de lucro Unemployment Labs, publicó el análisis, el código de verificación y el anuncio en X. Las Blackwell fingerprints se buscan en el checkpoint que cualquiera puede descargar.
El truco funciona por una razón humilde. Los huecos de tokens que no se usaron durante el entrenamiento conservan su valor inicial, y el eco de esa distribución sobrevive al entrenamiento aunque quede muy débil.
Los recuentos de núcleos que deja cada GPU
Cada familia de chip reparte el trabajo de forma distinta, y esa diferencia es la que se mide. Los números son públicos y pequeños.
GPU | Núcleos de cómputo |
|---|---|
Hopper H100 y H800 | 132 |
Blackwell B200 y B300 | 148 |
GB200 y GB300 líquidas | 152 |
Con tres valores posibles, el análisis no identifica un chip concreto ni un número de serie. Identifica una familia y un tamaño de sistema. Es una huella de fábrica, no una matrícula.
Los seis modelos con firma Blackwell
El informe sitúa seis lanzamientos chinos desde abril de 2026 con señales de Blackwell. DeepSeek-V4-Flash y MiniMax-M3 apuntan a piezas de 148 núcleos, es decir B200 o B300. DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro y Ling-3.1-flash de Ant Group apuntan a 152 núcleos, que corresponde a sistemas GB200 o GB300 refrigerados por líquido.
Los modelos más antiguos cuentan otra historia. DeepSeek-V3 y Kimi K2.5 muestran rastros de Hopper, la generación anterior, que sí se podía exportar a China con licencia hasta que cambiaron las reglas.
La validación: 24 modelos de control y dos pruebas en silicio real
La parte que da credibilidad al método es la comprobación. DePue dice que identificó correctamente los 24 modelos de control cuyo hardware se conoce, entre ellos Llama 3.1 de Meta sobre H100.
También dice haber reproducido dos resultados, los de DeepSeek-V4-Flash y Kimi K3, en chips Blackwell reales. Y afirma que investigadores senior de OpenAI y Anthropic revisaron y confirmaron los hallazgos por su cuenta. Eso es lo que él sostiene: ninguna de las dos empresas lo ha confirmado en público.
DeepSeek Blackwell y la factura de cómputo
Si el mapa es correcto, el tamaño de esos entrenamientos sale a cuenta. El informe estima unos 12.000 GPU Blackwell repartidas en las cinco ejecuciones, el equivalente a unas 30.000 H100. Kimi K3 solo habría usado cerca de 4.500 procesadores durante unos 70 días, y DeepSeek-V4-Pro unos 3.000.
A 70.000 dólares por unidad, cada clúster cuesta entre 200 y 300 millones, y los cinco sistemas juntos pasan de 500 millones. Es dinero que hay que tener, y también una pista de por qué el acceso al hardware importa tanto en esta carrera.
Qué no prueba la Nvidia smuggling evidence
Aquí es donde la conversación se desordena, y conviene poner el freno. El método dice qué hardware inicializó los pesos. No dice dónde estaban las máquinas ni quién era su dueño.
Un clúster alquilado en Singapur, en Emiratos o en un centro de datos europeo produce exactamente la misma firma que uno instalado en Shenzhen. DePue lo escribe: su evidencia no demuestra por sí sola contrabando ni una violación de la ley de exportaciones. Lo que algunos titulares llaman Nvidia smuggling evidence es, en el texto original, una inferencia sobre el origen del cómputo.
Eso no la hace inútil. Cambia lo que se puede afirmar. Una empresa china puede haber entrenado con Blackwell alquilado fuera del país sin romper ninguna norma, y el análisis no distingue ese caso del otro.
Los que siguen en Hopper, y el caso Huawei
El informe no pinta un país entero con el mismo color. Alibaba con Qwen3.8, Zhipu, Tencent, Xiaomi y StepFun siguen mostrando firmas de Hopper.
Hay una excepción que apunta en otra dirección. LongCat-2.0 de Meituan señala hardware de Huawei, no de Nvidia, lo que encaja con el discurso oficial sobre sustitución de proveedores.
export controls China: el H200, Malasia y el arancel
El contexto regulatorio explica por qué este análisis se lee como política y no como curiosidad técnica. Las exportaciones de Blackwell a China y a empresas de propiedad china están prohibidas. El H200 sí puede salir bajo requisitos de routing que permiten a Estados Unidos reclamar un arancel del 25%, según TechCrunch.
Las estimaciones de Epoch AI sitúan alrededor de dos millones de chips avanzados entrando en China entre 2024 y 2025, incluidos 275.000 aceleradores de Nvidia enviados a Malasia. El asesor tecnológico de la Casa Blanca, Michael Kratsios, dijo a principios de 2026 que Moonshot había usado chips vetados, citando inteligencia estadounidense. Bloomberg publicó que se instalaron chips prohibidos en un centro de datos de Shanghái vinculado a Alice Huang, y Nvidia ha dicho a legisladores que rastrear chips es técnicamente viable.
Qué mirar a partir de ahora
La parte útil para un lector fuera de Estados Unidos es que el código es público. Un equipo en Madrid o en Monterrey puede descargar un checkpoint y comprobar la firma sin tener una Blackwell al lado: eso convierte la discusión en algo verificable, no en una filtración.
En Europa no hay un régimen equivalente de control de exportaciones para estos chips, así que la pelea se sigue en Washington y en las aduanas. Lo próximo que hay que mirar es si otro laboratorio reproduce el análisis con modelos nuevos, o si los propios fabricantes empiezan a ofrecer herramientas de trazabilidad. Mientras tanto, la pregunta honesta sigue siendo la de siempre: qué se puede probar y qué solo se puede sospechar.






