El exinvestigador de OpenAI Will DePue encontró patrones en los pesos publicados por DeepSeek, Moonshot AI, MiniMax y Ant Group que apuntan al uso de GPU Nvidia Blackwell al inicializar sus modelos.
Los pesos de un modelo de inteligencia artificial guardan parte de lo que aprendió durante el entrenamiento. Según un análisis de Will DePue, investigador de Unemployment Labs y antiguo miembro de OpenAI, también pueden conservar pistas sobre el hardware con el que empezó ese proceso.
DePue identificó patrones compatibles con la arquitectura Blackwell de Nvidia en seis modelos de pesos abiertos. Su informe, publicado el 12 de noviembre de 2026 y recogido al día siguiente por The Decoder, aporta una forma de investigar qué equipos utilizaron los desarrolladores a partir de los archivos que ellos mismos publicaron.
Cómo puede quedar una huella del hardware en los pesos
Antes de entrenar un modelo, muchos de sus parámetros reciben valores iniciales generados a partir de una semilla, un número que permite reproducir una secuencia pseudoaleatoria. La forma en que el software reparte ese cálculo entre las unidades de la GPU puede influir en qué valores quedan asignados a cada posición.
El entrenamiento va modificando esos valores. La idea de DePue fue buscar si quedaban rastros del patrón inicial en los pesos publicados y compararlos con patrones generados usando distintas configuraciones de hardware y semillas.
En uno de los ejemplos del informe, una Nvidia B300 reprodujo bit a bit los valores iniciales que se habían conservado en una parte de DeepSeek-V4-Flash. Al repetir la prueba con una H100, de la generación Hopper, el investigador no obtuvo la misma coincidencia. Esa comparación ayuda a entender por qué atribuye el patrón a Blackwell.
Qué modelos aparecen en el informe
- DeepSeek: DeepSeek-V4-Flash y DeepSeek-V4-Pro.
- Moonshot AI: Kimi K3 y Kimi K3.1-Pro.
- MiniMax: MiniMax-M3.
- Ant Group: Ling-3.1-flash.
DePue pudo examinar estos modelos porque sus desarrolladores publicaron los pesos. Ese acceso permite comparar directamente los valores de los parámetros. Un servicio que solo devuelve respuestas a través de una web o una API deja esos valores fuera del alcance de este método.
Lo que revela la huella sobre los chips
El hallazgo apunta al hardware utilizado al inicializar los modelos. Para saber qué GPU intervinieron en cada fase posterior del entrenamiento, cuánto tiempo se utilizaron o dónde estaban instaladas harían falta otras pruebas, como registros de infraestructura.
La ubicación importa porque algunos de los chips Blackwell mencionados en el informe están sujetos a controles de exportación de Estados Unidos hacia China. Una empresa puede acceder a capacidad de cálculo de forma remota, por ejemplo, a través de un proveedor de nube. La coincidencia en los pesos aporta una pista sobre el acceso al hardware, pero por sí sola no acredita una importación ni una infracción de los controles.
Fuentes
- The Decoder, cobertura del análisis de Will DePue sobre las huellas de Nvidia Blackwell.
- On The Wire, lista de los seis modelos y alcance del informe.
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
