AREX Feed Article
独立研究员 Bojie Li 称复现「Blackwell 权重指纹」：五个模型判定与报告一致，自训小模型对上 GPU 线程数
11 月 13 日 06:51（UTC），独立研究员 Bojie Li（@bojie_li）在 X 上称，已独立复现 Will Depue 的 checkpoint forensics（权重取证）方法，得出与报告一致的硬件判定：DeepSeek V4-Flash 与 MiniMax-M3 匹配 B200/B300，DeepSeek V4 Pro 与 Kimi K3/K3.1-Pro 匹配 GB200/GB300，「跟文中的结论相符」。他还在自己分别用 RTX Pro 6000 和 H200 预训练的小模型上测出 288,768 和 270,336 个线程的初始化条带，与两块卡各自的线程总数精确对应，并恢复了 DeepSeek 与 Kimi K3 的训练种子。截至发稿，这条帖子获得 260 余个点赞、超过 2.6 万次浏览。在 Depue 原帖发布约九个半小时后，这是第一个公开署名的独立复现声明。
被复现的研究出自 Will Depue（其 X 资料标注 prev @ openai，即曾任职 OpenAI），他于 11 月 12 日 21:29（UTC）连同一起：声称 DeepSeek、月之暗面（Moonshot AI）、MiniMax 与蚂蚁集团自 2026 年 4 月起发布的六个新模型——DeepSeek-V4-Flash、DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro、MiniMax-M3、Ling-3.1-flash——初始化于受对华出口管制的 NVIDIA Blackwell 系统。在约 6 万亿个「种子 × 芯片布局」组合的搜索里，巧合匹配的基准约为 8 sigma（标准差，衡量结果高出随机水平的程度），六个模型的最强证据达 49～1,385 sigma；他称已在 B300 上逐位复现 DeepSeek-V4-Flash 的初始权重、在租用的 GB200 上以 0.999995 的相关性复现 Kimi K3，并称结果获得 OpenAI 与 Anthropic 资深研究员独立验证。报告同时写明：这些指纹「支持但不证明」Blackwell 参与了训练，也确定不了芯片所在位置、获取方式或是否违反出口管制。目前原帖已获 3.6 万个点赞、超过 530 万次浏览。
复现声明覆盖五个模型，判定与报告逐项一致
Bojie Li 的 X 资料标注为 Independent Researcher（独立研究员），方向是 Interactive Agent Systems（交互式 Agent 系统），粉丝约 1.58 万。他帖子里的五个判定，与逐项对应：报告判定 DeepSeek-V4-Flash 与 MiniMax-M3 匹配 148 个 SM（streaming multiprocessor，流式多处理器）的 B200/B300 布局，DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro 与蚂蚁 Ling-3.1-flash 匹配 152 个 SM 的 GB200/GB300 布局。他的复现覆盖其中五个模型，未提及 Ling-3.1-flash。他恢复的种子数值也与报告公布的一致：DeepSeek 在 V3 与 V4-Flash 中共用种子 953049583，Kimi K3 的种子为 20256586。
图：Unemployment Labs 报告 Figure 6。DeepSeek-V3、DeepSeek-V4-Flash 与 Kimi K3 的已发布权重分别只在 132、148、152 个 SM 的候选布局上出现接近 1.0 的相关峰，其余布局接近零——Bojie Li 称其独立复现得到了同样的判定。（图片来源：）
13 日 00:04（UTC），Depue 曾承认「有一小部分人私下验证了我的工作，但很合理地，多数人不想在此时具名」，并征集有深度 ML 经验的志愿者「深入验证我的结果并成为相关信源」。Bojie Li 的帖子把这类验证放到了公开署名的位置，不过它目前仍是研究者自述：帖子正文未附脚本或数据，第三方审计也尚未出现。
条带宽度即线程数：把「SM 数」细化成「每 GPU 线程数」
Bojie Li 把方法机理概括为「条带化」：预训练开始时随机初始化权重，GPU 用大量并行线程完成这项工作，每个线程用一个随机数生成器顺序生成初始权重，因此整个初始权重矩阵是条带化的，条带宽度就是 GPU 的线程数量——H200 有 270,336 个线程，B200 有 303,104 个线程，不同代 GPU 的线程数不同。报告对机理的描述一致：PyTorch 通过 cuRAND（NVIDIA 的随机数生成库）把 Philox 伪随机数生成任务分给 GPU 上的并行线程，所查的 NVIDIA 芯片中，H100 SXM、H200 与 H800 同为 132 个 SM、270,336 线程，B200/B300 为 148 个 SM、303,104 线程，GB200/GB300 为 152 个 SM、311,296 线程。
他同时给报告的口径做了一处修正：报告主要按 SM 数计，因为多数 NVIDIA 数据中心 GPU 每 SM 有 2,048 个线程，SM 数乘以 2,048 就是线程总数，「但消费级的卡很多不是这样，更准确的说法是直接用每 GPU 的线程数」。他的自测正是落在这个口径上：用 RTX Pro 6000 预训练的小模型显示 288,768 个线程，用 H200 预训练的小模型显示 270,336 个线程，「都是精确匹配的」，并称「后训练目前看来不会影响」。
至于「训练之后权重不就改变了吗」的疑问，Bojie Li 给出两层解释：一部分在训练中从未被触碰的 token 权重保持初始状态，构成「最强的证据」，据此甚至能恢复原始种子；被训练过的权重是在初始值之上微调的，大多数初始权重的相对大小顺序仍然保留。这与报告的图示吻合：报告 Figure 4 展示 DeepSeek-V3 的保留权重落在 Hopper 布局的对角线上、V4-Flash 落在 Blackwell 布局的对角线上；Figure 5 则显示被训练过的权重里，初始值大小的顺序仍有微弱残留。
图：Unemployment Labs 报告 Figure 4。用报告公布的种子重生成初始值后，DeepSeek-V3 只与 Hopper 布局相关（r = 1.0000），DeepSeek-V4-Flash 只与 Blackwell 布局相关。（图片来源：）
指纹能证明什么、不能证明什么
即便复现成立，它能证明的边界与报告自我声明的相同。报告写明，该方法识别的是「生成初始权重的硬件」，而不是训练用的每一块芯片：实验室可以在一套系统上生成权重、再搬到另一套系统上训练，也可以在混合集群里训练，权重本身排除不了这些可能；指纹同样不能区分同代芯片——H100 SXM、H200 与 H800 共享同一指纹，B200 与 B300 共享同一指纹。芯片所在位置、获取方式、是否违反出口管制，报告明确表示无法确定。报告还检验了 AMD 替代解释：一块 MI300X 可被配置成 148 或 152 个计算单元、复现 Blackwell 布局；但数值差异检验显示，DeepSeek-V4-Flash 的 377 个差异值中 363 个与 NVIDIA 的结果一致、0 个与 AMD 一致，对其余五个模型，报告只判断 AMD 解释「极不可能」。
复现声明发布后，报告涉及的实验室截至发稿未公开回应。
V4.1-Flash 仍未定性，昇腾测试在途
这份复现没有触及报告自己留下的一个未解项——DeepSeek-V4.1-Flash。Depue 在 13 日 05:44（UTC）的里说明：约 43 亿个种子对 16～512 个处理器的每一种布局、用原生 PyTorch 跑了逾 6 万亿次组合，DeepSeek-V4.1-Flash 均为零匹配，对 OpenAI 的 gpt-oss-120b 与 Grok-1 也没有匹配；他把零匹配读作方法不出假阳性的佐证——V4-Flash 在同款搜索里以单一种子、单一布局命中 1,385 sigma——但明言「不能说 V4.1-Flash 是 Blackwell，也不能说它不是 NVIDIA」。他的下一步是测试华为昇腾（Huawei Ascend）的随机数生成器，截至发稿尚未发布结果。
核验路径目前是公开的：报告方已公开，同款比较无需 GPU 也能运行。
参考链接
- Bojie Li 在 X 的复现声明：
- Unemployment Labs 报告《Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs》：
- Will Depue 发布报告的帖文：
- Will Depue 征集具名验证者的帖文：
- Will Depue 关于 DeepSeek-V4.1-Flash 的澄清帖文：
- 报告公开代码仓库：
- 报告插图 Figure 6：
- 报告插图 Figure 4：