Limitar a CPU reduziu a temperatura do notebook de 96 para 68 °C sem perda de velocidade do LLM

Um modelo de linguagem local em um notebook pode rodar rápido, mas o preço dessa velocidade às vezes parece estranho: o processador esquenta demais e os ventiladores abafam a voz, embora a maior parte da carga de cálculo fique com a placa de vídeo. O autor do experimento se deparou exatamente com isso em um Lenovo ThinkPad P16 Gen 2 com RTX 2000 Ada e 8 GB de memória de vídeo.

Ele executou no LM Studio o modelo Gemma de 12 bilhões de parâmetros em uma variante QAT de 4 bits. Junto com um contexto de 8192 tokens, segundo ele, o modelo cabia na VRAM e gerava cerca de 12 tokens por segundo. Mas a CPU esquentava até 95–96 °C, e o sistema de refrigeração passava para um modo muito barulhento.

Por que limitar a CPU não deixou o modelo mais lento

A lógica do experimento é simples. Se os pesos do modelo e o contexto de trabalho estão na memória de vídeo, a matemática principal é executada na GPU. O processador continua atendendo o aplicativo, a preparação de dados e outras operações do sistema, mas sua frequência máxima pode não influenciar a velocidade de geração de tokens.

Para testar isso, o autor criou no ThrottleStop um perfil separado para trabalhar com IA. Nele, desativou o turbo boost da CPU e alterou o limite de temperatura por meio do PROCHOT Offset. O desempenho do processador, na estimativa dele, caiu cerca de 40–50% em relação ao modo de pico.

O resultado foi revelador: a RTX 2000 Ada continuou entregando os mesmos 12 tokens por segundo. Em outras palavras, nessa configuração específica o processador não era o gargalo da geração. A folga térmica liberada permitiu que o sistema de refrigeração trabalhasse com mais tranquilidade.

O que mudou após ajustar a refrigeração

Só limitar a frequência não foi suficiente para o autor. Por meio do TPFanControl, ele também configurou uma troca de velocidade mais antecipada e suave para os dois ventiladores. Em vez de saltos bruscos de rotação, a refrigeração passou a reagir antecipadamente ao aumento da temperatura.

Segundo as medições do autor, a temperatura máxima da CPU caiu de 95–96 para 68 °C. A placa de vídeo, por sua vez, não passou de 59 °C, e o ruído dos ventiladores deixou de ser um zumbido evidente e virou um sussurro de fundo. A velocidade de geração permaneceu em 12 tokens por segundo.

O significado prático vai além de um único ThinkPad. Antes de comprar um computador mais potente, vale identificar o verdadeiro gargalo: capacidade de VRAM, largura de banda da memória, GPU, CPU ou descarregamento de parte do modelo para a memória RAM. Se o modelo roda inteiramente na placa de vídeo, a potência adicional do processador pode gerar principalmente calor e ruído.

Onde o experimento não deve ser copiado às cegas

Esta não é uma receita universal. Com descarregamento parcial de camadas para a CPU, contexto grande, processamento de várias requisições ou tarefas paralelas, limitar o processador já pode reduzir a velocidade. O resultado também depende da versão do LM Studio, do formato do modelo, dos parâmetros de execução, dos drivers e do projeto específico de refrigeração.

É preciso ter cuidado especial ao alterar o PROCHOT e o controle dos ventiladores. Limites errados podem levar a superaquecimento, instabilidade ou desgaste acelerado dos componentes. O arquivo de configuração de outra pessoa não deve ser considerado seguro para outro modelo de notebook.

Uma abordagem eficaz é primeiro registrar os indicadores iniciais: velocidade de geração, carga de CPU e GPU, temperaturas, consumo de energia e ruído. Depois, desativar apenas o turbo boost, repetir a mesma requisição e comparar os resultados. Se os tokens por segundo não caíram e a temperatura baixou de forma notável, é possível ajustar com cuidado a curva dos ventiladores. A principal conclusão do experimento não está nos números específicos, mas no método: vale limitar o recurso que consome energia, mas não acelera a sua carga de trabalho real.