DeepSeek y Moonshot: 6 modelos con huella Blackwell

Seis modelos chinos llevan la huella de un chip vetado

Seis modelos de IA publicados por laboratorios chinos contienen en sus propios pesos la huella de las GPUs NVIDIA Blackwell, la generación que Estados Unidos no autoriza exportar a China. El hallazgo viene de un análisis forense de Unemployment Labs sobre los pesos publicados de DeepSeek, Moonshot AI, MiniMax y Ant Group: seis modelos coinciden con configuraciones de hardware Blackwell, mientras que las generaciones anteriores de las mismas empresas coinciden con la generación Hopper.

Para un founder que construye sobre modelos abiertos chinos, o que compite contra ellos, esto mueve una pieza del tablero: la ventaja de costo de esos modelos depende de acceso a infraestructura de IA que, en teoría, no debería estar disponible en China.

¿Qué modelos cambiaron de generación de hardware?

El análisis identifica seis modelos con huella Blackwell:

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

DeepSeek-V4-Flash y DeepSeek-V4-Pro, ambos publicados en abril de 2026.
Kimi K3 (julio de 2026) y Kimi K3.1-Pro (noviembre de 2026), de Moonshot AI.
MiniMax-M3 (junio de 2026).
Ling-3.1-flash (octubre de 2026), de Ant Group.

Dos de ellos —V4-Flash y MiniMax-M3— coinciden con el diseño de 148 unidades de procesamiento de los B200/B300. Los otros cuatro coinciden con las 152 unidades de los GB200/GB300.

El cambio es reciente y se puede fechar: DeepSeek lee como Hopper hasta DeepSeek-V3 (diciembre de 2024) y como Blackwell desde V4 (abril de 2026). Moonshot lee como Hopper hasta Kimi K2.5 (enero de 2026) y como Blackwell desde K3 (julio de 2026). MiniMax, hasta M2.7 (abril de 2026); Ant Group, hasta Ling-3.0-flash (agosto de 2026).

¿Cómo se detecta qué chip entrenó un modelo?

Cuando se inicializan los miles de millones de parámetros de un modelo, PyTorch reparte el trabajo entre hilos de la GPU usando una librería de números pseudoaleatorios. El número de hilos depende de cuántas unidades de procesamiento (SM) tiene el chip. Eso deja una firma: Hopper usa 132 SM y 270.336 hilos; los B200/B300, 148 SM y 303.104 hilos; los GB200/GB300, 152 SM y 311.296 hilos.

Si el conteo de hilos no coincide, los valores caen en posiciones distintas. El análisis recupera la semilla y el diseño que reproducen los pesos publicados, y luego valida con pesos que quedaron fuera de la búsqueda. Para DeepSeek-V4-Flash y Kimi K3, además, la coincidencia se confirmó sobre chips Blackwell físicos.

La evidencia estadística es fuerte: las seis coincidencias van de 49 a 1.385 sigma, contra un umbral de referencia de 8 sigma para descartar azar. El método además acierta en los 24 casos en que el desarrollador dijo públicamente qué hardware usó, incluido el Nemotron-3 Ultra de NVIDIA.

¿Qué tan grande fue la inversión en hardware?

A partir del tamaño de cada modelo y los datos de entrenamiento, el análisis estima que cada corrida necesitó entre 500 y 3.000 GPUs Blackwell durante dos o tres meses. Con un costo de referencia de unos US$70.000 por GPU —cifra que el propio informe deriva de un reporte de The Wall Street Journal sobre 36.000 chips Blackwell instalados en Malasia para ByteDance—, el clúster más grande habría costado entre US$150 y US$200 millones, y los cinco juntos más de US$500 millones.

Esos números cubren solo las corridas finales de entrenamiento. El gasto total de estos laboratorios en GPUs sujetas a control de exportación probablemente se cuente en miles de millones.

El hueco regulatorio que explica cómo llegaron

Ninguno de estos chips tiene licencia reportada para exportación a China. La vía más documentada es el alquiler de cómputo en terceros países: según CNBC, citado por 24/7 Wall St., Moonshot AI exploró alquilar capacidad Blackwell en centros de datos europeos. El asesor de la Casa Blanca Michael Kratsios dijo este verano que Moonshot accedió a chips de gama alta de NVIDIA en Tailandia, según AFP.

La brecha regulatoria era estructural: las licencias se disparaban por el destino del envío, no por la sede del comprador final. TechTimes reportó que el Departamento de Comercio cerró ese hueco con una guía del 31 de mayo de 2026, después de aproximadamente un año de explotación, y que fuentes de la industria estimaron que cientos de miles de procesadores avanzados pudieron pasar por esa vía. La guía no obliga a apagar los servidores Blackwell ya en servicio.

El propio análisis aporta una pista adicional: el repositorio público cuLA de Ant Group incluye resultados de benchmark generados en un GB300 el 31 de marzo de 2026.

Washington ahora apunta a la nube: según Crypto Briefing, el Departamento de Comercio planea bloquear el control remoto de chips NVIDIA ubicados fuera de China, y la Cámara aprobó en enero de 2026 la Remote Access Security Act por 369 votos contra 22.

¿Qué significa esto para tu startup?

Tres movimientos concretos:

Audita la procedencia de tu stack. Si usas modelos abiertos chinos en producción, revisa dónde corre la inferencia y quién es el propietario final del proveedor. Con las reglas moviéndose hacia quién usa el chip y no dónde está, la pregunta de cumplimiento deja de ser teórica.
No construyas sobre un solo proveedor de cómputo ni de modelo. La alternativa china avanza: Huawei dijo en septiembre que su próxima generación de chip de IA estaría lista en el primer trimestre de 2027, tres trimestres antes de lo previsto, según AFP. Y TechTimes reportó que el Ascend 950PR de Huawei entró en producción masiva en marzo de 2026.
Vigila los precios de API. El negocio chino de modelos es grande pero poco rentable: los principales desarrolladores del país —DeepSeek, Alibaba, ByteDance, Moonshot y Zhipu— sumaban unos US$10.700 millones de ingresos recurrentes anuales a agosto de 2026, cerca de una décima parte de lo que reportan OpenAI y Anthropic juntas, según cifras de Rhodium Group citadas por Sify. Si el costo de cómputo sube, el precio del token es la variable que se ajusta primero.

Conclusión

El análisis no prueba que los chips estén físicamente en China ni que haya habido una violación de los controles de exportación: prueba que seis modelos fueron inicializados en hardware compatible con Blackwell. Esa distinción importa, y también importa lo que deja afuera. Los modelos cerrados no se pueden auditar, y frameworks como PaddlePaddle no dejan firma; varios modelos Qwen3 de Alibaba se inicializaron en CPU y no conservan rastro de GPU.

Para el ecosistema emprendedor, la lección es de riesgo, no de geopolítica. La infraestructura de IA es hoy una dependencia de cadena de suministro, y las cadenas sujetas a controles cambian de reglas rápido. Quien construye modelos o productos sobre cómputo ajeno debería saber exactamente de dónde viene.