А тепер головне — як саме його знайшли. Без витоків, без інсайдерів, без шпигунів. Лише з чисел, які самі компанії виклали у відкритий доступ.

Звинувачення, яким бракувало доказів

Blackwell — найсучасніше покоління ШІ-чипів Nvidia. До нього належать моделі B200, B300, GB200 і GB300. Продати будь-яку з них до Китаю можна лише зі спеціальною експортною ліцензією уряду США. Але, як зазначає звіт, про жодну таку ліцензію не повідомлялося.

Підозри, що китайські компанії все ж мають доступ до цих чипів, звучали не раз:

• 10 грудня 2025 року видання The Information написало, що DeepSeek використовує Blackwell;
• 23 лютого 2026 року американський посадовець заявив агентству Reuters, що DeepSeek навчила на цих чипах свою нову модель;
• 22 липня 2026 року те саме про Moonshot AI сказав директор Управління науково-технологічної політики Білого дому Майкл Краціос (Michael Kratsios).

DeepSeek, як писали галузеві видання, звинувачення заперечувала. За версією компанії, вона навчала моделі на чипах Nvidia H800, які раніше дозволялося продавати до Китаю, і на китайських чипах Huawei Ascend.

Виходило слово проти слова: з одного боку — посадовці й журналісти, з другого — компанія. Технічних доказів у звинувачень не було.

Тепер вони з’явилися. І знайшлися в несподіваному місці — у самих моделях.

З чого починається будь-яка нейромережа

Щоб зрозуміти, як знайшли цей відбиток, почнімо з основ. Будь-яка ШІ-модель — це величезний набір чисел. Їх називають вагами, або параметрами. У великих моделях таких чисел мільярди. Саме вони визначають, як модель обробляє інформацію і що зрештою відповідає.

Уявіть гігантський мікшерний пульт із мільярдами регуляторів. Навчання — це довге й терпляче підкручування кожного з них, раз за разом. Але перш ніж щось підкручувати, кожен регулятор треба кудись виставити. Тобто моделі потрібні стартові значення.

Їх задають випадково, а точніше — псевдовипадково. У програмах, які дослідив Вілл ДеП’ю, стартові значення видає алгоритм Philox — генератор псевдовипадкових чисел. Його числа тільки здаються хаотичними. Насправді кожне з них визначене наперед.

Усе залежить від одного стартового числа — «зерна» (seed). Дайте генератору те саме зерно й ті самі налаштування, і він щоразу видасть ту саму послідовність. Це як колода карт, яку тасують за точною інструкцією: повторіть інструкцію — і карти ляжуть у тому самому порядку.

Для інженерів це дуже зручно: експеримент можна повторити з тієї самої точки старту. Але саме ця зручність згодом і допомогла знайти відбиток чипа.

Чому чип залишає свій підпис

Ваг мільярди, і заповнити їх треба швидко. Тому PyTorch — програмна бібліотека, на якій побудовано більшість великих ШІ-моделей, — ділить роботу між сотнями тисяч паралельних «працівників» на відеочипі. Їх називають потоками (threads). Робить вона це через cuRAND — бібліотеку Nvidia для генерації випадкових чисел.

Кожен потік видає власну послідовність чисел і розкладає їх у свої клітинки. А скільки буде потоків, залежить від самого чипа.

Чип Nvidia складається з обчислювальних блоків — потокових мультипроцесорів (streaming multiprocessors, SM). Це щось на кшталт окремих цехів на заводі. Коли ваг достатньо багато, кожен такий цех задіює максимум — 2048 потоків. Отже, що більше цехів у чипі, то більше працівників ділять ту саму роботу — і то інакше лягають числа.

Звіт пояснює це на іграшковому прикладі. Уявіть довгий ряд порожніх коробок і 48 працівників: шість цехів по вісім потоків. Перший працівник кладе число в коробку 1, другий — у коробку 2, і так до 48-ї. Потім перший працівник кладе своє наступне число в коробку 49, далі — у 97. Тобто він заповнює кожну 48-му коробку.

А тепер візьмімо те саме зерно, але чип із п’ятьма цехами — тобто 40 працівників. Перший працівник видає ті самі числа, але кладе їх у коробки 1, 41, 81. Збігається з початковим розкладом лише 6% значень. Зерно правильне — а картинка зовсім інша.

Звідси головний трюк. Щоб відтворити стартові ваги, треба вгадати дві речі одночасно:

• правильне зерно — воно дає правильні числа;
• правильну кількість потоків — вона кладе ці числа на правильні місця.

Правильне зерно з неправильним чипом здебільшого дає правильні числа не там, де треба. Правильний чип із неправильним зерном дає зовсім інші числа. Лише повний збіг відтворює оригінал.

На справжніх чипах потоків набагато більше:

• Hopper (H100 SXM, H200, H800) — 132 цехи (SM) і 270 336 потоків;
• Blackwell B200/B300 — 148 SM і 303 104 потоки;
• Blackwell GB200/GB300 — 152 SM і 311 296 потоків.

Тож за розкладом чисел можна визначити групу чипів. Але не конкретну модель усередині групи: H800 на цьому «відбитку» не відрізнити від H100 чи H200.

Чи стирає навчання стартові числа

Тут напрошується питання: навчання ж постійно змінює ваги. Хіба після нього від стартових значень щось лишається?

Виявилося, що лишається. Частину ваг навчання майже не зачіпає. Наприклад, ваги, відведені для слів чи символів, яких модель жодного разу не зустріла під час навчання. Вони схожі на сторінки словника, які ніхто ніколи не розгортав: якими їх «надрукувала» ініціалізація, такими вони майже й лишилися. Тож їх можна напряму порівняти з числами, які видає зерно на тому чи іншому чипі.

Саме так вийшло з DeepSeek. Такі «незаймані» ваги старшої моделі DeepSeek-V3 збігаються з розкладом Hopper. А такі самі ваги новішої DeepSeek-V4-Flash — з розкладом Blackwell.

А як щодо ваг, які навчання таки змінило? Навіть у них лишається слабкий слід. Кожна фінальна вага — це її стартове значення плюс усі поправки, накопичені за час навчання. Якщо поправки не перекрили стартову різницю повністю, частина цієї різниці вціліє.

Простий приклад зі звіту. Одна вага стартувала з 0,2, друга — з 0,8. Під час навчання обидві зросли приблизно на 0,1. Друга так і лишиться більшою за першу.

Насправді поправки дуже різні, тож за однією вагою нічого не зрозумієш. Але коли ваг сотні тисяч, проступає закономірність: що вищим був старт, то трохи вищим зазвичай виходить і фінал. Це як олівцевий ескіз під шаром фарби: окремої лінії не розгледиш, а загальний обрис видно.

Це перевірили на DeepSeek-V4-Flash — по 745 472 ваги в кожному з 42 шарів моделі. Якщо розкласти стартові числа так, як це зробив би Blackwell, зв’язок між стартом і фіналом слабкий, але виразний. Якщо так, як Hopper, — зв’язок зникає зовсім.

Утім, звіт застерігає: це властивість саме цих ваг. Немає гарантії, що такий слід переживе навчання будь-якої моделі.

Як шукали голку в шести трильйонах комбінацій

Тепер у дослідника був готовий результат — опубліковані ваги. Невідомими лишалися дві речі: зерно і чип. Тож треба було перебирати пари «зерно + розклад», доки одна з них не відтворить збережені числа.

Таких комбінацій Вілл ДеП’ю перебрав близько 6 трильйонів. Це понад 700 варіантів на кожного жителя Землі.

Але в такому пошуку є пастка. Коли перебираєш трильйони варіантів, якийсь випадковий збіг рано чи пізно трапиться. Як відрізнити справжній відбиток від простого везіння?

Для цього силу доказу міряють у сигмах. Сигма показує, наскільки результат вибивається зі звичайного випадкового шуму. Що більше сигм, то менше шансів, що збіг випадковий.

В одному окремому тесті 5 сигм — уже дуже переконливо. Випадково такий збіг трапляється приблизно раз на 3,5 мільйона порівнянь. Але серед трильйонів спроб він цілком може з’явитися. Тому дослідник підняв планку до 8 сигм. Саме до такого рівня, за розрахунками, міг би дотягнути найкращий випадковий збіг у пошуку такого масштабу. Для порівняння: якби робити одне порівняння щосекунди, випадковий збіг на 8 сигм траплявся б приблизно раз на 50 мільйонів років.

Справжні результати перескочили цю планку з величезним запасом. Найсильніші докази для кожної з шести моделей — від 49 до 1385 сигм. Навіть найслабший окремий тест сягає 20 сигм. За статистичною моделлю дослідника, випадковістю такі збіги пояснити неможливо.

І ще одна важлива деталь — перевірка на нових даних. Зерно й чип дослідник підбирав за однією групою ваг. А знайдену пару перевіряв на зовсім іншій групі, яка в пошуку участі не брала. Налаштування під нові дані він уже не змінював. Це як вивести правило на одних прикладах, а перевірити його на нових, яких ще не бачив. Збіг на таких даних — набагато вагоміший доказ.

Перевірка на справжніх чипах

Математика — це добре. Але дослідник пішов далі й відтворив результат на фізичному «залізі».

Він знайшов зерно DeepSeek — 953049583. Виявилося, що компанія використала його і для DeepSeek-V3, і для DeepSeek-V4-Flash. Далі звичайний, нічим не змінений PyTorch запустили на двох чипах — Hopper H100 і Blackwell B300.

Результат вийшов дзеркальним:

• H100 відтворив усі 57 344 збережені значення DeepSeek-V3 біт у біт — тобто до останньої двійкової цифри. А для V4-Flash — нічого.
• B300 відтворив 461 із 469 вибраних рядків DeepSeek-V4-Flash — із кореляцією понад 0,99, тобто майже ідеально. 445 рядків збіглися біт у біт. Решта вісім частково змінилися під час навчання. А для V3 — нічого.
• Варто змінити зерно лише на одиницю — і жоден рядок не збігається на жодній машині.

Те саме зробили з Kimi K3 від Moonshot AI. На орендованому чипі GB200 зерно Moonshot — 20256586 — відтворило всі 13 збережених рядків моделі. Зерно, більше на одиницю, — жодного.

Вілл ДеП’ю показав цей пошук на анімації в соцмережі X. Він по черзі «перегенерував» 4096 стартових ваг DeepSeek-V4-Flash для різної кількості процесорів. На 136 процесорах збігається лише 1% ваг — шум. І так на кожному кроці, аж до 148 — числа Blackwell. Там ваги нарешті збігаються. «З правильним чипом вони сходяться, а з неправильним — ні», — пояснив дослідник.

Код і збережені ваги для повторення перевірки відкриті на GitHub. За словами автора, перевірка працює на звичайному ноутбуці за кілька секунд, навіть без відеочипа.

Хронологія: коли китайські компанії перейшли на Blackwell

Шість моделей чотирьох компаній мають відбиток Blackwell:

• DeepSeek-V4-Flash (квітень 2026) — B200 або B300, 148 SM;
• DeepSeek-V4-Pro (квітень 2026) — GB200 або GB300, 152 SM;
• Kimi K3 (липень 2026) від Moonshot AI — GB200 або GB300;
• Kimi K3.1-Pro (листопад 2026) — GB200 або GB300;
• MiniMax-M3 (червень 2026) — B200 або B300;
• Ling-3.1-flash (жовтень 2026) від Ant Group — GB200 або GB300.

Kimi K3.1-Pro стартує з того самого зерна, що й K3. Можливо, це та сама модель після додаткового донавчання. А MiniMax-M3.1-Flash (жовтень 2026) має ті самі стартові ваги, що й M3.

Ще показовіше: попередні моделі тих самих компаній показують Hopper. Тобто видно момент переходу:

• DeepSeek: Hopper — аж до DeepSeek-V3 (грудень 2024), Blackwell — з V4 (квітень 2026);
• Moonshot AI: Hopper — до Kimi K2.5 (січень 2026), Blackwell — з K3 (липень 2026);
• MiniMax: Hopper — до M2.7 (квітень 2026), Blackwell — з M3 (червень 2026);
• Ant Group: Hopper — у Ling-3.0-flash (серпень 2026), Blackwell — у Ling-3.1-flash (жовтень 2026).

Такі «родоводи» вдалося простежити завдяки звичкам самих компаній. DeepSeek використовує одне зерно для різних поколінь моделей. Moonshot AI виводить свої зерна за одним і тим самим правилом.

Одна модель стоїть посередині. Kimi K2.7-Code вийшла за шість тижнів до K3. У її 254 збережених рядках приблизно 80% значень — це успадкований від K2.5 розклад Hopper. Ще близько 20% — нові числа з розкладом B200/B300. Пропорція однакова в кожному рядку. Тому дослідник вважає, що це злиття двох версій моделі, а не змішане «залізо». До шести моделей Blackwell її не зараховано.

Є й інші публічні сліди. У відкритому коді Ant Group є результати тестів швидкодії, отримані на GB300 31 березня 2026 року. А в червні 2025 року інженер DeepSeek писав на GitHub, що в компанії немає чипів Blackwell.

А може, це не Nvidia, а AMD?

Хороший детектив перевіряє альтернативні версії. Чи міг інший чип дати такий самий відбиток?

Старші чипи Nvidia — ні. Програма може використати менше цехів, ніж є в чипі, але не більше. Отже, за стандартної роботи PyTorch Hopper із його 132 SM не видасть розклад на 148 чи 152. Спеціальні китайські версії відеокарт Blackwell теж не підходять: у них інша кількість потоків на цех.

А от AMD — несподівано так. Чип AMD MI300X зазвичай працює з 304 обчислювальними блоками. Але його можна поділити на дві групи по 152 або обмежити до 148. Такі налаштування були б дуже незвичними. До того ж його програми можуть видавати ті самі послідовності, що й Nvidia. Дослідник перевірив це на фізичному MI300X — і отримав розклади, які досі пов’язував лише з Blackwell.

Розрізнити їх допомогли дрібниці. Одну з операцій під час генерації чисел AMD і Nvidia виконують трохи по-різному. Тож у деяких місцях їхні результати розходяться на мізерну величину. Таких місць у збережених вагах DeepSeek-V4-Flash знайшлося 377. З них 363 збіглися з варіантом Nvidia, а з варіантом AMD — жодне.

Для решти п’яти моделей цей тест не дав однозначної відповіді. Але версію з AMD автор вважає дуже малоймовірною. У звичайному режимі MI300X не дає жодного з цих розкладів. Тож довелося б налаштувати цілий обчислювальний кластер так, щоб кожен чип AMD використовував рівно стільки блоків, скільки є в чипі Blackwell. Крім того, MI300X теж обмежений для експорту до Китаю. А на Blackwell вказують і публічні сліди, про які йшлося вище.

Скільки чипів і грошей знадобилося

Тут звіт переходить від криміналістики до оцінок. І сам автор чесно попереджає: в цих цифрах він не впевнений.

За розміром моделей і обсягом даних для навчання автор оцінив масштаб. Два найбільші запуски — Kimi K3 і DeepSeek-V4-Pro — потребували тисяч чипів Blackwell протягом двох-трьох місяців. Це за умови, що кожну модель навчали на тому самому обладнанні, на якому створили її стартові ваги. Найкращі оцінки — близько 4500 і 3000 чипів. Це приблизно 11 500 і 7500 чипів H100 — попереднього покоління, у якому зазвичай міряють потужність ШІ-кластерів. За піковою швидкістю один B200 чи B300 дорівнює приблизно 2,3 чипа H100, а GB200 чи GB300 — приблизно 2,5.

Разом п’ять запусків — близько 12 000 чипів Blackwell. Окремо за моделями:

• DeepSeek-V4-Flash — близько 1500 чипів, приблизно 50 днів;
• DeepSeek-V4-Pro — близько 3000 чипів, приблизно 70 днів;
• Kimi K3 — близько 4500 чипів, приблизно 70 днів;
• MiniMax-M3 — близько 1500 чипів, приблизно 60 днів;
• Ling-3.1-flash — близько 1500 чипів, приблизно 100 днів.

Скільки це коштує? Дослідник відштовхнувся від даних The Wall Street Journal. За ними, близько 36 тисяч чипів Blackwell у Малайзії для потреб ByteDance мали коштувати понад 2,5 мільярда доларів. Тобто приблизно 70 тисяч доларів за чип. За такою ціною найбільший кластер коштував би 200–300 мільйонів доларів. А всі п’ять разом — понад пів мільярда.

І це лише фінальні запуски навчання. Без експериментів, попередніх спроб і роботи вже готових моделей. Загальні витрати лабораторій на чипи з експортними обмеженнями, на думку автора, ймовірно, сягають мільярдів доларів.

Чому оцінки такі хиткі? Вони спираються на речі, яких ваги не показують. Невідомо, наскільки ефективно кожна лабораторія використовувала чипи. Автор припустив, що вони працювали приблизно на п’ятину пікової швидкості — як в інших відомих запусках на Blackwell. Для DeepSeek — на чверть: для попередньої моделі компанія сама повідомляла про 39%. Невідомо, скільки даних «з’їла» кожна модель: DeepSeek ці цифри оприлюднила, решту автор оцінив сам. Невідомо, скільки тривало навчання. Невідомо, чи весь час навчання моделі працювали на тому самому «залізі». Найбільше важить тривалість: якщо навчання було вдвічі коротшим, чипів потрібно вдвічі більше.

Діапазон справді широкий. Для Kimi K3 — від 1000 до 9500 чипів. Для порівняння: компанія Mistral навчила модель Mistral Large 4 на 3800 чипах Grace Blackwell. У неї стільки ж активних параметрів — тих, що працюють над кожним словом, — як у DeepSeek-V4-Pro. А Microsoft навчила схожу за розміром модель MAI-Base-2 на більшому обсязі даних — на 16 тисячах чипів за 38 днів. Якби китайські компанії працювали в такому темпі, двом найбільшим запускам знадобилося б 8–9 тисяч чипів Blackwell.

Звіт навіть переглянули в день публікації. У першій версії йшлося про 2–3 тисячі чипів і 150–200 мільйонів доларів для найбільшого кластера. Але ті цифри виходили з того, що чипи працюють так ефективно, як у тестах самої Nvidia. Реальні запуски на Blackwell виявилися менш ефективними, тож оцінки зросли.

Чого цей метод не доводить

Автор звіту ретельно окреслює межі своєї знахідки. І це важливо.

По-перше, метод показує, на якому «залізі» створили стартові ваги. А не на якому їх потім навчали. Зазвичай це ті самі чипи, і тоді відбиток вказує на обидва етапи. Але лабораторія могла створити ваги на одній системі, а навчати на іншій. Або продовжити навчання старої моделі на новому обладнанні. Самі ваги цього не виключають. Тому звіт обережно формулює: відбиток підтримує версію, що Blackwell використовували й для навчання, але не доводить її.

І навпаки: відбиток Hopper не виключає, що пізніше модель доучували на Blackwell.

По-друге, відбиток не каже, де стояли чипи і кому вони належали. Системи Blackwell можна орендувати в дата-центрах за межами Китаю. Отже, докази стосуються доступу до обладнання. Самі собою вони не доводять, що чипи контрабандою ввезли до Китаю чи що хтось порушив експортні правила.

По-третє, метод працює не з усіма моделями:

• потрібні опубліковані ваги, тож закриті моделі перевірити неможливо;
• потрібен «підпис» програми, яка створила стартові ваги. PyTorch на чипах Nvidia такий підпис лишає. А бібліотека PaddlePaddle від Baidu — ні: для моделі ERNIE-5.5 дослідник знайшов зерно (2760), але не чип;
• якщо ваги створили на звичайному процесорі, а не на відеочипі, відбитка теж немає. Так сталося з кількома моделями Qwen3 від Alibaba.

Є й ще один нюанс. У змішаному кластері відбиток Nvidia може «перекрити» інших учасників. Якщо стартові ваги створили чипи Nvidia, а навчали потім ще й чипи Huawei, слід Huawei може не проявитися. Різні покоління Nvidia теж могли б лишити різні відбитки в різних частинах моделі. Але в Kimi K3 щонайменше 64 окремі процеси, кожен зі своїм зерном, залишили той самий розклад на 152 SM.

Про переконливість автор пише прямо. Для DeepSeek-V4-Flash докази він називає остаточними. Для решти п’яти моделей — сильними.

Не всі китайські компанії перейшли на Blackwell

Найновіші моделі Alibaba (Qwen), Zhipu (GLM), Tencent, Xiaomi та StepFun, які вдалося прочитати, показують Hopper. Компанія Meituan заявляє, що навчала свою модель LongCat-2.0 повністю на суперкластерах зі спеціалізованих ШІ-чипів. Відбитка Nvidia в її вагах дослідник справді не знайшов. А у видаленому згодом файлі налаштувань для донавчання він побачив ознаки, які прочитав як китайський чип Huawei Ascend 910.

Не знайшлося відбитка й у DeepSeek-V4.1-Flash, хоч пошук був вичерпним. Але порожній результат нічого не каже про обладнання моделі.

Як зрозуміти, що метод узагалі працює? Його перевірили на відповідях, які вже відомі. У 24 випадках розробники публічно назвали чипи, на яких навчали конкретну модель. І в усіх 24 метод дав той самий результат:

• моделі Llama 3.1 від Meta, навчені на H100, показали 132 SM;
• вісім моделей Pythia від EleutherAI, навчені на чипах A100, показали 108;
• модель самої Nvidia Nemotron-3 Ultra показала 152 — як Kimi K3. Технічний звіт Nvidia прямо називає GB200 для одного з етапів її навчання.

Автор, утім, уточнює: частина цих моделей споріднені між собою. Тож це перевірка на узгодженість, а не виміряна точність методу.

Скандал за межами лабораторії

Але найцікавіше починається за межами лабораторії.

Того ж дня, 12 листопада 2026 року, Дженсен Хуанг (Jensen Huang) пішов у відставку з посади керівника Nvidia. Компанію, яку він співзаснував 33 роки тому, тимчасово очолила фінансова директорка Колетт Кресс (Colette Kress).

Відставці передував гучний скандал. Він стосувався стосунків Дженсена Хуанга з жінкою, яку американські спецслужби підозрюють у зв’язках із китайською розвідкою. Вона обіймала керівну посаду в сінгапурській компанії Megaspeed — великому клієнті Nvidia. Саму компанію розслідують через можливий обхід американських обмежень на експорт чипів.

Звинувачення в шпигунстві поки не доведені. Але політичні наслідки вже почалися.

Reuters повідомляє, що китайські ШІ-компанії поспіхом намагаються зарезервувати обчислювальні потужності Nvidia в дата-центрах за кордоном. Вони побоюються нового посилення американського контролю. А нове розслідування Reuters виявило китайські інфраструктурні проєкти на понад 3 мільярди доларів. Вони пов’язані з процесорами Nvidia, експорт яких до Китаю обмежений. Йдеться про плани закупівель у понад 150 документах — від державних тендерів до будівельних контрактів.

Раніше ми писали

• Дженсен Хуанг і ціна ШІ-буму: від тріумфу до скандалу
• Kimi K3: як китайський ШІ майже наздогнав американський
• Як Nvidia перетворює електрони на мільярди