تحليل جنائي للأوزان يرصد بصمة رقائق Blackwell المحظورة في ستة نماذج صينية

بلغت قوة الدليل الإحصائي 1,385 sigma في أقوى حالة، مقابل نحو 8 sigma فقط يمكن أن تنتجها الصدفة (وفقاً لـ unemploymentlabs.com). بهذا الرقم يربط تقرير جنائي نشره Will DePue في 12 نوفمبر 2026 ستة نماذج من DeepSeek وMoonshot AI وMiniMax وAnt Group برقائق Nvidia Blackwell، وهي رقائق يحتاج تصديرها إلى الصين ترخيصاً أمريكياً لم يُبلَّغ عن منح أي منه. القصة تقوم على مصدر وحيد هو التقرير نفسه، ولم يتسنَّ التحقق من نتائجه بشكل مستقل، ولا يتضمن التقرير ردوداً من المختبرات الأربعة.

الاتهام بحد ذاته ليس جديداً. فقد سبق أن قال مسؤولون أمريكيون وتقارير صحفية إن DeepSeek وMoonshot تستخدمان Blackwell، ومن ذلك ما نقلته Bloomberg عن The Information بأن DeepSeek استخدمت رقائق Nvidia محظورة، لكن أحداً لم ينشر دليلاً تقنياً. الجديد هنا أن الدليل لا يأتي من تسريبات أو شهود من الداخل، بل من الأوزان التي نشرتها الشركات بنفسها، والأداة متاحة في مستودع checkpoint-forensics على GitHub لتجربتها على أي نموذج مفتوح الأوزان.

الفكرة التقنية بسيطة على نحو مدهش. قبل التدريب يحتاج النموذج قيماً ابتدائية لمليارات المعاملات، وفي البرمجيات التي فحصها التقرير تولّدها خوارزمية أرقام شبه عشوائية اسمها Philox. هذه الخوارزمية حتمية: الـ seed نفسه مع الإعدادات نفسها يعطي الأرقام نفسها دائماً. ولملء الأوزان بسرعة يوزّع PyTorch العمل، عبر مكتبة cuRAND من Nvidia، على خيوط متوازية (threads)، وفي تهيئة كبيرة بما يكفي يستخدم كل معالج متعدد التدفقات (SM) حده الأقصى البالغ 2,048 خيطاً (وفقاً لـ unemploymentlabs.com). الشريحة ذات الـ SMs الأكثر توزّع المهمة نفسها على عمّال أكثر، فتتبدل المواضع التي تستقر فيها الأرقام.

يوضح التقرير ذلك بشريحة افتراضية من 6 معالجات في كل منها 8 خيوط، أي 48 خيطاً، يملأ فيها الخيط الأول الخانات 1 و49 و97. مع الـ seed نفسه على شريحة من 5 معالجات (40 خيطاً) يولّد الخيط الأول التسلسل ذاته لكنه يضعه في الخانات 1 و41 و81، فلا يتطابق مع الترتيب الأصلي سوى 6% من القيم (وفقاً لـ unemploymentlabs.com). لإعادة إنتاج الأوزان يجب أن يصح الـ seed وعدد العمّال معاً، ولذلك يستعيد الفريق آثار القيم الابتدائية ثم يبحث عن التركيبة التي تعيد إنتاجها. وفي حالتي DeepSeek-V4-Flash وKimi K3 أكد التطابق على رقائق Blackwell فعلية.

بحسب التقرير، يطابق DeepSeek-V4-Flash وMiniMax-M3 رقائق B200 أو B300 ذات 148 SM، بينما تطابق DeepSeek-V4-Pro وKimi K3 وKimi K3.1-Pro وLing-3.1-flash رقائق GB200 أو GB300 ذات 152 SM. ويبدأ K3.1-Pro من الـ seed نفسه الذي بدأ منه K3، وقد يكون نسخة منه خضعت لمزيد من post-training. البديل الوحيد الذي وجده الفريق هو عتاد AMD مهيّأ بشكل خاص، وهو ممنوع من التصدير إلى الصين أيضاً، وقد استُبعد في حالة V4-Flash ويُعدّ مستبعداً جداً في الخمسة الأخرى (وفقاً لـ unemploymentlabs.com).

التسلسل الزمني يكشف أن التحول حديث. بحسب التقرير، بقيت DeepSeek على Hopper حتى DeepSeek-V3 (ديسمبر 2024) ثم انتقلت إلى Blackwell مع V4-Flash وV4-Pro (أبريل 2026). وكانت Moonshot على Hopper في Kimi K2 (يوليو 2025) وK2.5 (يناير 2026)، ثم Blackwell في K3 (يوليو 2026) وK3.1-Pro (نوفمبر 2026). وبين المرحلتين يقع Kimi K2.7-Code، المنشور قبل K3 بستة أسابيع، المبني على أوزان حقبة Hopper لكنه يتضمن جزءاً صغيراً يطابق B200 أو B300. أما MiniMax فكانت على Hopper حتى M2.7 (أبريل 2026) ثم Blackwell في M3 (يونيو 2026)، وانتقلت Ant Group من Hopper في Ling-3.0-flash (أغسطس 2026) إلى Blackwell في Ling-3.1-flash (أكتوبر 2026) (وفقاً لـ unemploymentlabs.com). تنبيه مهم: بصمة Hopper لا تميّز بين H800 وH100 SXM وH200، فوصف DeepSeek-V3 وKimi K2 وK2.5 بأنها دُرّبت على H800 إفصاح من المختبرات نفسها لا نتيجة للطريقة.

ليست كل المختبرات الصينية على المسار نفسه. أحدث ما أمكن فحصه من Alibaba (Qwen) وZhipu (GLM) وTencent وXiaomi وStepFun ما زال يُقرأ على أنه Hopper. وتقول Meituan إن LongCat-2.0 دُرّب بالكامل على “AI ASIC superpods”، وهو ادعاء من الشركة نفسها، ولم يجد الفريق أي بصمة Nvidia في أوزانه (وفقاً لـ unemploymentlabs.com).

لماذا نثق بالطريقة؟ اختبرها الفريق على 24 نموذجاً أعلن مطوروها عتادها، فطابقت الإعلان في جميعها، بحسب التقرير. ويُقرأ Nemotron-3 Ultra من Nvidia على أنه 152 SM، أي القراءة نفسها لـ Kimi K3، ويذكر تقريره التقني GB200 في إحدى مراحل التدريب، وهو إفصاح من Nvidia نفسها. أما احتمال الصدفة فقد شمل البحث نحو 6 تريليونات تركيبة من الـ seed وتوزيع البيانات، أقوى تطابق عشوائي متوقع فيها نحو 8 sigma، بينما تراوح أقوى دليل للنماذج الستة بين 49 و1,385 sigma، وبلغ أضعف اختبار فردي في التقرير 20 sigma (وفقاً لـ unemploymentlabs.com).

ينتقل التقرير بعد ذلك إلى الحجم، بافتراض أن كل نموذج دُرّب على العتاد الذي أنشأ أوزانه الابتدائية، ويصرّح كاتبه بأنه غير واثق من هذه التقديرات (وفقاً لـ unemploymentlabs.com):

• DeepSeek-V4-Flash: ما يعادل 3,500 شريحة H100، وأفضل تقدير 1,500 شريحة Blackwell (من 250 إلى 5,000)، لمدة نحو 50 يوماً.
• DeepSeek-V4-Pro: ما يعادل 7,500 شريحة H100، وأفضل تقدير 3,000 شريحة Blackwell (من 750 إلى 6,500)، لمدة نحو 70 يوماً.
• Kimi K3: ما يعادل 11,500 شريحة H100، وأفضل تقدير 4,500 شريحة Blackwell (من 1,000 إلى 9,500)، لمدة نحو 70 يوماً.
• MiniMax-M3: ما يعادل 3,500 شريحة H100، وأفضل تقدير 1,500 شريحة Blackwell (من 200 إلى 7,000)، لمدة نحو 60 يوماً.
• Ling-3.1-flash: ما يعادل 4,000 شريحة H100، وأفضل تقدير 1,500 شريحة Blackwell (من 400 إلى 6,500)، لمدة نحو 100 يوم.
• العمليات الخمس معاً: ما يعادل 30,000 شريحة H100، ونحو 12,000 شريحة Blackwell (من 7,000 إلى 22,000).

بحسب التقرير، كل تقدير هو compute التدريب مقسوماً على ما تقدمه شريحة Blackwell واحدة طوال التشغيل، مقرّباً إلى أقرب 500، ويُحسب الـ compute بنحو ست عمليات لكل معامل نشط لكل token تدريب، مضافاً إليها الـ attention. ويفترض أن الشرائح عملت بنحو 20% من سرعتها القصوى، و25% لـ DeepSeek التي أعلنت 39% لنموذجها السابق، وهي أرقام معلنة من الشركة نفسها. التحويل إلى H100 يعتمد سرعات Nvidia القصوى المنشورة: B200 أو B300 تعادل نحو 2.3 شريحة H100، وGB200 أو GB300 نحو 2.5 (وفقاً لـ unemploymentlabs.com).

الافتراضات التي لا تؤكدها الأوزان أربعة: كفاءة الاستخدام (MFU) التي لم ينشرها أي مختبر لهذه العمليات، وعدد الـ tokens الذي أُخذ من DeepSeek على أنه أرقام معلنة من الشركة نفسها وقُدّر للبقية بطريقة لم تُنشر بعد، ومدة التشغيل التي لم يعلنها أحد، وبقاء التدريب على العتاد الذي أنشأ الأوزان. المدة هي الأكثر حساسية، فتقليصها إلى النصف يضاعف عدد الشرائح. وللمقارنة، تقول Mistral إنها درّبت Mistral Large 4، بعدد المعاملات النشطة نفسه في DeepSeek-V4-Pro، على 3,800 شريحة Grace Blackwell، وتقول Microsoft إنها درّبت MAI-Base-2، بحجم مماثل وبيانات أكثر، على 16,000 شريحة في 38 يوماً، وكلاهما أرقام معلنة من الشركتين نفسيهما. بتلك الوتيرة كانت أكبر عمليتين ستحتاجان نحو 8,000 إلى 9,000 شريحة Blackwell (وفقاً لـ unemploymentlabs.com).

أما الكلفة فيقدّرها التقرير بنحو 70,000 دولار للشريحة، مستنتجاً من تقرير Wall Street Journal عن تركيب نحو 36,000 شريحة Blackwell في ماليزيا لاستخدام ByteDance بكلفة تتجاوز 2.5 مليار دولار، بحسب ما نقلته Reuters عن WSJ. على هذا الأساس يكلّف أكبر عنقود نحو 200 إلى 300 مليون دولار، والعناقيد الخمسة معاً أكثر من نصف مليار دولار، وهذا للتدريب النهائي فقط دون التجارب والعمليات السابقة والـ inference، ويرجّح التقرير أن الإنفاق الإجمالي على شرائح خاضعة لقيود التصدير يبلغ مليارات الدولارات. وقد عُدّل التقرير يوم نشره: النسخة الأولى قدّرت أكبر العمليات بين 2,000 و3,000 شريحة وأكبر عنقود بين 150 و200 مليون دولار، بافتراض كفاءة اختبارات Nvidia نفسها، قبل أن يتبين أن عمليات Blackwell المعلنة أقل كفاءة، فرُفعت الأرقام وأُضيف ما يعادل H100 ومدد التشغيل (وفقاً لـ unemploymentlabs.com).

الحد الفاصل بين ما يثبته التقرير وما لا يثبته واضح، ويجب أن يبقى كذلك. البصمة تحدد كيف أُنشئت الأوزان الابتدائية، وتدعم دون أن تثبت أن Blackwell نفّذت التدريب. ولا تكشف أين كانت الشرائح، ولا كيف تم الوصول إليها، ولا ما إذا خُرقت قيود التصدير، والوصول عن بُعد إلى مراكز بيانات خارج الصين احتمال لا يحسمه التقرير. نحن في موجز نرى ثلاث نتائج تستحق المتابعة:

1. الأوزان المفتوحة صارت سجلاً قابلاً للتدقيق: عدد الـ SMs يترك أثراً في كل نموذج منشور، وهذه أداة رقابة لم تكن متاحة لواشنطن ولا للباحثين المستقلين قبل هذا التقرير.
2. فجوة التطبيق أوسع مما بدا: آلاف الشرائح ونصف مليار دولار للتدريب النهائي وحده، إن صحت التقديرات، تعني أن القيود لم تمنع أربعة مختبرات من الوصول إلى الجيل الأحدث خلال أقل من عام.
3. عمر هذه البصمة قصير على الأرجح: يكفي أن يولّد المختبر القيم الابتدائية على عتاد آخر أو يعيد ترتيبها لتختفي، فإذا كنت مطوراً تبني على DeepSeek أو Kimi فالمخاطرة الحقيقية تنظيمية لا تقنية، ولم يُحدد أي إجراء رسمي أو موعد له حتى الآن.

مقالات ذات صلة

BM25 يخسر 40 نقطة في استرجاع RAG عند 2.68 مليون مقطع

اليوم

روبوتات الدردشة تعرض مواقع تسوق خطرة في 15% من إجابات Perplexity

اليوم

Ai2 تطلق StateBench وتكشف تراجع GPT-6 وClaude إلى 13% في تتبع الحالة

4 تشرين الثاني 2026