Uma análise forense publicada em 12 de novembro de 2026 por Will DePue, da Unemployment Labs, aponta que seis modelos de inteligência artificial desenvolvidos por empresas chinesas apresentam características matemáticas compatíveis com a arquitetura NVIDIA Blackwell. Entre os modelos identificados estão DeepSeek-V4-Flash, DeepSeek-V4-Pro e Kimi K3, desenvolvido pela Moonshot AI.

A descoberta chama atenção porque os aceleradores Blackwell estão sujeitos a restrições de exportação dos Estados Unidos para a China. Segundo o pesquisador, os indícios foram encontrados diretamente nos pesos dos modelos disponibilizados publicamente, sem depender de documentos vazados ou relatos de funcionários.

Como os pesquisadores identificaram as GPUs Blackwell?

O estudo utiliza uma técnica chamada análise forense de checkpoints, que procura identificar características deixadas pelo hardware durante a inicialização dos pesos de um modelo de inteligência artificial.

Para entender a descoberta, é necessário considerar como funciona o treinamento de modelos de linguagem.

Antes de começar a aprender com grandes quantidades de dados, uma inteligência artificial recebe valores numéricos iniciais distribuídos em estruturas matemáticas chamadas pesos. Esses valores são gerados por processos aleatórios controlados por uma semente, conhecida como seed.

O detalhe identificado por DePue é que a maneira como esses números são organizados pode variar dependendo da arquitetura da GPU utilizada.

As GPUs possuem unidades de processamento chamadas Streaming Multiprocessors (SMs). A quantidade e a organização dessas unidades influenciam determinados padrões produzidos durante a inicialização dos pesos.

Ao examinar partes dos modelos que permaneceram praticamente inalteradas durante o treinamento, o pesquisador conseguiu recuperar padrões numéricos e compará-los com configurações conhecidas de hardware NVIDIA.

O resultado apontou diferenças entre as gerações Hopper e Blackwell.

Seis modelos chineses apresentam padrões associados à Blackwell

A investigação identificou seis modelos de quatro empresas chinesas com padrões compatíveis com os aceleradores mais recentes da NVIDIA.

Os modelos identificados são:

DeepSeek-V4-Flash: padrão associado às GPUs Blackwell B200 ou B300.

DeepSeek-V4-Pro: padrão associado às GB200 ou GB300.

Kimi K3: desenvolvido pela Moonshot AI, apresenta características das GB200 ou GB300.

Kimi K3.1-Pro: também apresenta características compatíveis com GB200 ou GB300.

MiniMax-M3: apresenta padrão associado às B200 ou B300.

Ling-3.1-flash: desenvolvido pela Ant Group, apresenta padrão associado às GB200 ou GB300.

A pesquisa também identificou uma diferença importante em relação às gerações anteriores. Modelos como DeepSeek-V3, Kimi K2 e MiniMax-M2.7 apresentaram características associadas à arquitetura Hopper.

Isso sugere uma possível transição para hardware mais avançado durante o desenvolvimento das gerações recentes desses sistemas.

Quantas GPUs NVIDIA Blackwell podem ter sido utilizadas?

Um dos pontos mais relevantes da investigação envolve a dimensão da infraestrutura computacional necessária para desenvolver esses modelos.

Com base no tamanho dos modelos, na quantidade estimada de dados utilizados e na capacidade de processamento dos aceleradores, a Unemployment Labs calculou possíveis necessidades de hardware para os treinamentos.

As estimativas centrais apresentadas foram:

DeepSeek-V4-Flash: entre 1.000 e 1.500 GPUs.

DeepSeek-V4-Pro: entre 2.000 e 2.500 GPUs.

Kimi K3: entre 2.000 e 3.000 GPUs.

MiniMax-M3: entre 500 e 600 GPUs.

Ling-3.1-flash: entre 1.100 e 1.650 GPUs.

Somados, esses valores representam uma infraestrutura estimada de aproximadamente 6.600 a 9.250 GPUs nos cinco treinamentos considerados.

O relatório também apresenta uma estimativa agregada próxima de 12 mil aceleradores, dependendo das hipóteses utilizadas sobre compartilhamento de clusters e eficiência computacional.

É importante destacar que esses números não representam uma contagem física confirmada de placas instaladas nas empresas. São estimativas construídas a partir das necessidades computacionais calculadas pelos pesquisadores.

A investigação também realizou testes com GPUs físicas

Para fortalecer os resultados, DePue não se limitou à análise matemática dos pesos publicados.

O pesquisador relata ter reproduzido padrões identificados nos modelos utilizando hardware NVIDIA físico.

No caso do DeepSeek-V4-Flash, foram utilizados um acelerador H100, da geração Hopper, e um B300, da geração Blackwell.

A mesma semente identificada na análise foi utilizada nos testes. O H100 conseguiu reproduzir os valores preservados do DeepSeek-V3, mas não os correspondentes ao DeepSeek-V4-Flash.

Já o B300 conseguiu reproduzir 461 das 469 linhas selecionadas do DeepSeek-V4-Flash, incluindo 445 linhas com correspondência exata.

Outro teste envolveu o Kimi K3, cujos padrões foram reproduzidos em um GB200 alugado.

Esses resultados fortalecem a hipótese de que os modelos foram inicializados utilizando hardware Blackwell.

Isso significa que a China violou as restrições americanas?

Não necessariamente.

Os aceleradores NVIDIA Blackwell estão sujeitos a controles de exportação dos Estados Unidos para determinados destinos, incluindo a China.

Entretanto, a investigação não conseguiu determinar onde os equipamentos estavam fisicamente localizados, quem era seu proprietário ou como as empresas teriam conseguido acesso à infraestrutura.

Uma possibilidade é a utilização de clusters de GPUs alugados remotamente em outros países.

Também existe uma limitação técnica importante: identificar o hardware responsável pela inicialização dos pesos não significa comprovar que todas as etapas posteriores do treinamento foram executadas na mesma arquitetura.

Além disso, o pesquisador considera uma configuração específica de hardware AMD como uma alternativa teórica para parte dos resultados, embora tenha descartado essa possibilidade no caso do DeepSeek-V4-Flash.

Portanto, a descoberta representa uma evidência técnica relevante, mas não comprova uma violação das regras de exportação.

Nem todas as empresas chinesas apresentam os mesmos resultados

A pesquisa também examinou modelos de outras empresas chinesas.

Entre os sistemas analisados, os modelos mais recentes associados à Alibaba, Zhipu, Tencent, Xiaomi e StepFun continuaram apresentando características relacionadas à arquitetura Hopper.

Já o LongCat-2.0, da Meituan, não apresentou uma impressão digital identificável da NVIDIA, algo compatível com a informação da própria empresa de que utiliza infraestrutura baseada em aceleradores ASIC.

Isso demonstra que a possível utilização de Blackwell não está presente em todos os laboratórios chineses de inteligência artificial.

Conclusão

A investigação da Unemployment Labs apresenta uma descoberta importante para o mercado de inteligência artificial e para a disputa tecnológica entre Estados Unidos e China.

A possibilidade de identificar características do hardware diretamente nos pesos de modelos publicados abre uma nova maneira de investigar a infraestrutura utilizada no desenvolvimento de sistemas de IA.

DeepSeek, Moonshot AI, MiniMax e Ant Group aparecem entre as empresas cujos modelos apresentam padrões associados à NVIDIA Blackwell.

Entretanto, ainda existem questões sem resposta sobre a localização dos equipamentos, a forma de acesso aos aceleradores e a utilização efetiva dessas GPUs durante todas as etapas do treinamento.

Se os resultados forem confirmados por investigações independentes, a descoberta poderá aumentar a pressão sobre os mecanismos americanos de controle de exportação de semicondutores avançados.

Fonte

• Unemployment Labs: Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs