Hardware-Forensik entlarvt Chinas Spitzenmodelle: DeepSeek, Moonshot und MiniMax liefen auf gesperrten Nvidia-Blackwell-GPUs?

Bislang stützten sich Berichte über Chinas Zugriff auf Nvidias modernste KI-Beschleuniger vor allem auf anonyme US-Regierungsquellen, Schmuggelgerüchte oder Logistikspuren in Südostasien. Ein am 12. November 2026 veröffentlichter Untersuchungsbericht von Unemployment Labs liefert nun erstmals den mathematisch harten Beweis direkt aus den Modellgewichten: Mindestens sechs Spitzenmodelle der führenden chinesischen Labore DeepSeek, Moonshot AI, MiniMax und Ant Group wurden auf sanktionierten Nvidia-Blackwell-GPUs initialisiert und trainiert.

Die von Forscher Will DePue entwickelte Methode der „Checkpoint-Forensik“ macht sich eine fundamentale Eigenschaft moderner Grafikprozessoren zunutze: Bevor ein neuronales Netz mit Milliarden von Parametern trainiert werden kann, müssen alle Gewichte mit Startwerten belegt werden. Dafür nutzen Frameworks wie PyTorch standardmäßig Pseudozufallsgeneratoren (PRNG), konkret den Philox-Algorithmus aus Nvidias cuRAND-Bibliothek. Weil ein einzelner Chip Milliarden Zahlen nicht nacheinander erzeugen kann, teilt der Treiber die Arbeit parallel auf die Recheneinheiten des Prozessors auf, die sogenannten Streaming Multiprozessoren (SM).

Jeder Prozessorkern befüllt nach festen Mustern genau zugewiesene Speicherpositionen. Ändert sich die Zahl der Kerne auf dem Chip, verschiebt sich die Reihenfolge, in der die Zufallszahlen in den Gewichtsmatrizen landen, grundlegend. Und genau dieses Muster bleibt in Teilen des Modells bis nach dem Training unverändert erhalten.

148 und 152 Kerne: Der unverkennbare Fingerabdruck von Blackwell

Grafikchips verschiedener Generationen besitzen eine feste, unverwechselbare Kernarchitektur. Ältere Ampere-Chips wie der A100 rechnen mit 108 Kernen, die bisherige Hopper-Generation (H100, H200 sowie die für China abgespeckte H800) besitzt 132 Kerne. Nvidias neue Blackwell-Generation setzt sich dagegen deutlich ab: Die Einzelchips B200 und B300 arbeiten mit 148 Prozessorkernen, während die Superchips GB200 und GB300 (Grace Blackwell) über 152 aktive Kerne verfügen.

In den öffentlich publizierten Open-Weights-Dateien der chinesischen Modelle suchte das Team nach ungenutzten oder kaum trainierten Parameterzeilen, wie sie etwa bei Einbettungen, ungenutzten Vokabular-Tokens oder Padding-Dimensionen typisch sind. Anhand des Startwerts (Seed) ließ sich die Initialisierung bitgenau rekonstruieren. Das Ergebnis der Analyse ist eindeutig:

Während ältere Vorgängermodelle wie DeepSeek-V3 oder Kimi K2.5 durchgehend die 132-Kern-Signatur der Hopper-Generation aufweisen, kippte die Hardware-Signatur im Frühjahr und Sommer 2026 schlagartig. Bei DeepSeek-V4-Flash konnten auf physischer Blackwell-B300-Hardware 445 vollständige Parameterzeilen Bit für Bit exakt reproduziert werden. Bei Kimi K3 stimmten alle 13 untersuchten Zeilen auf einem gemieteten GB200-System überein. Statistische Zufallstreffer sind bei Werten von bis zu 1.385 Standardabweichungen (Sigma) mathematisch ausgeschlossen; die Zufallsschwelle für solche Suchräume liegt bei rund 8 Sigma.

Zur Gegenprobe überprüfte Unemployment Labs 24 westliche und internationale Modelle, deren Hardware öffentlich dokumentiert ist, darunter Metas Llama 3.1 (H100, 132 Kerne) und Nvidias eigenes Nemotron-3 Ultra (GB200, 152 Kerne). In allen 24 Fällen stimmte die forensische Diagnose fehlerfrei mit den offiziellen Angaben überein.

Chinas zweigeteilte KI-Landschaft

Die Untersuchung offenbart zugleich, dass keineswegs alle chinesischen Entwickler gleichermaßen Zugriff auf Blackwell haben. Die neuesten Modelle von Alibaba (Qwen 3.5 und 3.8), Zhipu AI (GLM-5.3), Tencent (Hy4) und Xiaomi (MiMo-V2.5) zeigen weiterhin ausnahmslos die 132-Kerne-Signatur von Hopper-Chips. Meituans LongCat-2.0 wiederum liefert überhaupt kein Nvidia-Muster; der Betreiber trainierte nach eigenen Angaben auf heimischen Rechenbeschleunigern, mutmaßlich Huawei Ascend 910.

Bei den vier Vorreitern DeepSeek, Moonshot, MiniMax und Ant Group handelte es sich jedoch nicht um kleine Testläufe. Anhand der Parametergrößen und der verarbeiteten Trainings-Token schätzt die Studie, dass für das Training jedes einzelnen Modells zwischen 500 und 3.000 Blackwell-GPUs über einen Zeitraum von zwei bis drei Monaten im Verbund gerechnet haben müssen. Allein die Hardware eines solchen Großclusters repräsentiert einen Marktwert von 150 bis 200 Millionen US-Dollar; über alle fünf Modellfamilien hinweg beläuft sich der geschätzte Hardware-Einsatz auf mehr als eine halbe Milliarde Dollar.

Geopolitisches Dilemma: Sanktionen am Limit

Nach den US-Exportbestimmungen (15 CFR 742.6) unterliegen B200-, B300- und GB200-Systeme einer strikten Lizenzpflicht für Lieferungen nach China; offizielle Genehmigungen wurden nie erteilt. Doch wo die Rechner physisch stehen, beantwortet die Datei-Forensik nicht. Die GPUs könnten über Zwischenhändler nach Festlandchina geschmuggelt worden sein, ebenso denkbar ist jedoch die Anmietung von Rechenkapazitäten über Tochterfirmen oder Cloud-Provider in Drittstaaten wie Malaysia, Singapur oder den Vereinigten Arabischen Emiraten.

Für die internationale Debatte ist das Papier dennoch ein Paukenschlag: Noch im Frühjahr gab es Spekulationen über angebliche Huawei-Ascend-Supercluster bei DeepSeek V4. Die forensischen Fakten zeigen nun nüchtern, dass Chinas Spitzenmodelle ihren Leistungssprung vor allem auf derselben State-of-the-Art-Hardware von Nvidia vollführen, die auch westlichen Laboren zur Verfügung steht. Dass ausgerechnet der Open-Source-Ansatz der chinesischen Entwickler die unverfälschten Beweise dafür liefert, verleiht dem Fall eine besondere Ironie.