DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团的六款模型，其权重中带有与 NVIDIA Blackwell GPU 配置相符的模式。这一发现最早由 Unemploymentlabs 报道。证据指向这些模型采用了与 Blackwell 兼容的初始化方式，但无法证明芯片位于何处、芯片是如何获取的，也无法证明是否违反了出口管制规定。
这六款模型分别是 DeepSeek-V4-Flash 和 V4-Pro、Moonshot AI 的 Kimi K3 和 K3.1-Pro、MiniMax-M3，以及蚂蚁集团的 Ling-3.1-flash。V4-Flash 和 MiniMax-M3 与 148-SM B200/B300 布局相符；另外四款则与 152-SM GB200/GB300 布局相符。
这些指纹来自公开发布的权重中保留下来的初始化模式。通过反推出随机种子和 GPU 线程布局，可以识别生成初始值的硬件，但不一定能确定后续使用的每一款加速器。
更早的 Hopper 指纹出现在 DeepSeek-V3、Kimi K2.5、MiniMax-M2.7 和 Ling-3.0-flash 中。Kimi K2.7-Code 则处于过渡阶段：其 Hopper 时代的权重中有一小部分与 B200/B300 相符。带有 Blackwell 匹配特征的模型依次发布：DeepSeek-V4 于 2026 年 4 月发布，MiniMax-M3 于 6 月发布，Kimi K3 于 7 月发布，Ling-3.1-flash 于 10 月发布，Kimi K3.1-Pro 则于 11 月发布。
这四家实验室的发布顺序显示，初始化指纹发生了转变，但这并不能证明整个训练过程都使用了 Blackwell。
六款模型中，最强证据的强度介于 49 至 1,385 个西格玛之间，最弱的单项测试也达到 20 个西格玛。经过特殊配置的 AMD MI300X 可以复现这些布局；对于 V4-Flash，在 AMD 和 NVIDIA 结果不同的 377 个数值中，有 363 个与 NVIDIA 相符，没有一个与 AMD 相符。同一测试无法对另外五款模型得出定论，不过 AMD 解释被认为极不可能。
对五款模型的训练运行估算显示，假设用于初始化模型的硬件也用于训练，每款模型在两到三个月内约需 500 至 3,000 块 Blackwell GPU。按每块 GPU 约 $70,000 计算，最大的集群成本将达到 $150 million 至 $200 million；五次最终训练合计花费超过五亿美元。各实验室在受出口管制 GPU 上的总支出很可能达到数十亿美元。
向中国出口这些 Blackwell 芯片需要美国许可证，目前尚无相关许可的报道。
阿里巴巴（Qwen）、智谱（GLM）、腾讯、小米和阶跃星辰最新一批可读取的模型仍与 Hopper 相符。美团表示，LongCat-2.0 完全使用 AI ASIC 超级节点训练；其公开发布的权重没有显示出 NVIDIA 指纹。