返回博客
Industry

开源权重,现在成了证据

一位研究者只靠公开的权重文件,就把六个中国开源模型追到了对华禁售的Nvidia Blackwell芯片上。这证明不了谁违法,但从此每一次放权重,都是一次撤不回的披露。

OPC Community

OPC Community

Nov 15, 2026 7 min read
开源权重,现在成了证据

一位前OpenAI研究员,从六个中国模型里读出了它们用的硬件。芯片这部分,反倒是小新闻。

DeepSeek-V4-Flash里有469行数字,训练几乎没碰过它们。上周,有个研究者把其中445行重新生成了出来,一个bit都不差,用的是一块DeepSeek没资格买的芯片。

这人叫Will DePue,以前在OpenAI,现在用Unemployment Labs的名字发东西。他的报告点了六个模型的名,DeepSeek V4-Flash和V4-Pro,Kimi K3和K3.1-Pro,MiniMax-M3,还有蚂蚁集团的Ling-3.1-flash。他的判断是,这六个模型全都在Nvidia Blackwell系统上做的初始化,而Blackwell对中国是禁售的。

这个时间点,糟到不能再糟。黄仁勋刚离开Nvidia,起因是跟Megaspeed有关的指控,这家客户被怀疑把芯片转运进了中国。Ron Wyden和Richard Neal还致信商务部长,要求把Nvidia对华审批的每一份记录都保存好。所以这份报告一出来,所有人都把它当成了走私案里那把冒烟的枪。

它算不上。报告自己就这么写的。它拍到的东西要怪得多,而且这东西的寿命,会比这轮新闻长好几年。

这份报告证明不了任何罪名

DePue没把免责声明藏起来。他写道:「这些发现不能确定芯片位于何处、访问权限如何取得,也不能确定是否违反了出口管制。」

各家标题直接从这句话上滑了过去,这不应该。一家中国实验室在境外的数据中心租Blackwell算力,放在今天,不违反任何一条美国法律。有一部《远程访问安全法案》(Remote Access Security Act)会把这种租用算成出口,它1月12日在众议院以369比22通过,然后在参议院躺了300多天。

所以这些指纹,套两个故事都严丝合缝。第一个故事,有人把价值1.5亿美元的GPU用卡车拉进了内蒙古。今年2月,一位特朗普政府官员就是这么跟路透社讲DeepSeek的,DeepSeek否认了。第二个故事就平淡多了,Moonshot在某个国家签了一份云服务合同,在那儿签这种合同完全合法。

报告分不出是哪一个,华盛顿也不会等到有人能分出来。我赌一把,一个证明不了任何罪名的发现,会变成推动立法的最好理由,而那部法律一过,罪名就有了。

不过政治是后话。先看他是怎么做到的。

一个随机数生成器,怎么就成了证人

PyTorch在GPU上初始化模型的时候,用一个叫Philox的随机数生成器来填权重。Philox怎么把活儿分给各个线程,要看这块芯片有多少个流式多处理器(streaming multiprocessor)。听着有点绕对吧,大白话就是,换一块芯片,排布就变了,同一个种子吐出来的数字也跟着变。

之后训练会把这些初始值盖掉大半。大半,没盖全。有些行从头到尾没吃到过像样的梯度。另一些行,统计上还留着一点起点的回声,很淡。

DePue搜了上万亿种种子和排布的组合,先在一组权重上挑出最吻合的那个,再拿到他事先留出来没用过的权重上去验。而且在把这套方法对准任何有争议的模型之前,他先在24个硬件已知的模型上验证了一遍。

这结果你没法摆摆手就打发掉。一份没改过的PyTorch,在一块B300上,把DeepSeek-V4-Flash里幸存的那些行原样跑了出来。一台租来的GB200,复现出了Kimi K3的初始值,相关系数0.999995。他估计最大的两个集群各有2000到3000块Blackwell GPU,六个模型加起来大约12000块,这个数他自己也说很粗。

没有人泄密。也没有内部人士开口。他下载的是实验室自己发出来的文件,然后做了算术。

你想想看这会推出什么。每一家放过权重的实验室,都顺手放出了一份不完整的记录,记的是这些权重怎么造出来的。它们自己不知道。而这份记录的格式,任何一个有GPU、有点耐心的人,现在都能拿来盘问。

“权重文件,是一份作者从没同意过要做的证词。”

补丁很好打,过去改不了

现在流传的说法是,中国实验室背上了一个打不了补丁的隐患。这话对一半。

以后的发布,补丁简单得很。在CPU上初始化,或者换一个自定义的生成器,这条痕迹就没了。可能已经有人这么干了,报告后来更新过一次,说对DeepSeek-V4.1-Flash做了穷举搜索,没找到指纹。

已经发出去的那些,没有补丁。Kimi K3躺在成千上万块硬盘里,种子这玩意,你是召回不了的。那些权重对自己的出身说了什么,以后就会一直说下去,说给每一个跑这段脚本的分析师、记者和国会助理听。

接下来的麻烦更大。DePue找到了一条通道,是因为他专门去找了。训练是个漫长的物理过程,里面全是数值上的怪癖,我敢下重注,硬件留痕的地方绝不止初始化这一处。一家实验室能擦掉它知道的那条痕迹。它擦不掉的是另一种,2028年才被人发现,却藏在它2026年发出去的文件里。

所以说真的,放权重这件事,跟两周前已经不是一回事了。以前它纯粹是个分发决策,把模型送出去,赢下开发者,成为默认选项。现在每发一次,同时也是一次撤不回的披露,而且没人知道到底披露了多少。

先挨罚的是透明

如果你喜欢开源模型,下面这段应该会让你不舒服。

这套方法只对公开的权重管用。藏在API后面的闭源模型,谁也没法这么审。所以站在聚光灯下的,恰好就是把成果分享出来的那几家,它们暴露的原因就是分享。

另一家中国实验室,用同一批租来的Blackwell训练,权重自己留着不发,取证风险是零。这笔账,北京或者杭州随便哪位法务总监,一分钟就能算明白。

开放权重一直是中国实验室在海外最强的一张牌。里斯本的独立开发者会在租来的机器上跑DeepSeek,靠的是它。我见过的agent技术栈里一半有Kimi,靠的也是它。这整套打法有个前提,放权重的代价只有权重本身。

我估计两个发布周期之内就能看到反应。发布节奏会慢下来,checkpoint会先被清洗一遍,至少会有一家大实验室把旗舰模型扣在手里只开API,同时发一个小一点的模型出来维持好感。没人会管这叫撤退。他们会叫它「分阶段发布」。

真走到那一步,我们手里最好的免费模型就没了。没有哪条禁令动过它们,动手的是一种测量方法。

Builder该为这事做点什么

假设你的产品跑在Kimi或者DeepSeek的权重上。坦率的讲,你现在没有法律问题。没有哪条法规说,因为训练用了什么芯片,下载或者运行一个模型就违法。这周就劝你把技术栈整个拆掉的人,是有东西要卖给你。

但你确实有两个实打实的问题。

第一个,是一道从来没人问过你的题。企业客户本来就会发安全问卷,问数据存在哪,问有哪些分包处理方。这一周里,一位芯片公司CEO下台,国会那边发出了两批信,之后「你们模型的训练算力是哪来的」这一条,就要上问卷了。10月份你答一句「不知道」,没人眨眼。现在你再试试。

抢在前面准备,成本很低。写下来你跑的是哪个权重,哪个版本,关于它的来源公开信息里知道些什么,把DePue那句免责声明也带上,就是这里没有任何东西能认定违规。一段话的事。客户多半只是想看到你想过这件事。

第二个问题是供给。如果我猜得对,发布会变慢或者转向闭源,那你今天依赖的权重,就是这条血统在相当长一段时间里你能拿到的最好的开放版本。做个镜像。把哈希钉死。再把prompt和eval做得足够好迁移,换模型的代价控制在一周,别拖成一个季度。

然后是我一直在琢磨的一件事。这种审计是两头都能砍的。能从Kimi K3里读出Blackwell的方法,也能从任何一个开源模型里读出硬件,不管它来自哪个国家,也不管日后有人拿什么理由说这件事要紧。今天的理由是出口管制。没人保证以后一直是它。

三年来,支持开放权重的理由一直是你可以检查它。大家说的是安全、偏见、后门。没有人说的是供应链。

DePue重新生成了445行训练没动过的数字。实验室早忘了那些行还在。文件没忘。

常见问题

Does Will DePue's report prove Chinese AI labs violated US export controls?

No. The report itself says its findings "do not establish where the chips were located, how access was obtained, or whether export controls were violated." The fingerprints fit smuggled GPUs and a legal cloud rental outside China equally well, because renting Blackwell capacity abroad breaks no American law today. The Remote Access Security Act, which would treat that rental as an export, passed the House but is still sitting in the Senate.

How can model weights reveal which GPU a model was trained on?

When PyTorch initializes a model on a GPU, it fills the weights using a random number generator called Philox, and the layout of that work depends on the chip's number of streaming multiprocessors. Training overwrites most of those starting values, but some rows never get a meaningful gradient and others keep a faint statistical echo. DePue searched seed and layout combinations until he could regenerate those surviving values, matching 445 of 469 rows in DeepSeek-V4-Flash bit for bit on a B300.

Is it legal to keep building on DeepSeek or Kimi weights, and what should builders do now?

The article's position is that you have no legal problem: no statute makes it unlawful to download or run a model because of the chips that trained it. The practical risks are enterprise buyers asking where your model's training compute came from, and open releases slowing down or going API-only. Write a one-paragraph provenance note on the weights and versions you run, mirror the weights and pin the hash, and keep your prompts and evals portable so swapping models is cheap.

Share this article

加入 OPC 同行社

与全球一人公司创始人连接,获取每日洞察、精选机会与同行支持。

免费加入