Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoAnálise · No radarTG: @neurogen_news (Neurogen)→ original

Placa de mineração de $3000 vira equivalente da A100: de 8 para 80 GB de memória

Rodar redes neurais grandes em casa exige memória de vídeo, e a NVIDIA A100 de 80 GB para servidores custa a partir de $20 000 no mercado de usados. A pesquisadora Kate pegou uma CMP 170HX, placa de mineração de $3000 que a fábrica limitou a apenas 8 GB, e contornou o bloqueio com uma breve queda de tensão na inicialização. Em 9 de 10 placas, todos os 80 GB de memória passaram a funcionar, como na A100. O método ainda é de laboratório: um único erro pode inutilizar a placa de vez.

Processado por IA de TG: @neurogen_news (Neurogen); editado por Hamidun News
Placa de mineração de $3000 vira equivalente da A100: de 8 para 80 GB de memória
Fonte: TG: @neurogen_news (Neurogen). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @neurogen_news (Neurogen) ↗
Editor-chefe
Blocos SMem vez de 70, ficaram ativos de 120 a 128, e o FP16 é 1,2 vez mais rápido que o da A100
Dado-chave #2São necessários uma placa com STM32G4, dois fios e de uma hora a dois dias de ajuste de parâmetros
Dado-chave #3PCIe Gen4 e NVLink foram habilitados; o código está no repositório ga100vfi

Para rodar grandes modelos de linguagem localmente, e não na nuvem, é preciso memória de vídeo, justamente o componente mais caro. A NVIDIA A100 de 80 GB para servidores (versão com conector PCIe) sai por $20 000 ou mais no mercado de usados. A pesquisadora que usa o apelido Kate encontrou um jeito de obter quase o mesmo por $3000: ela pegou a placa de mineração NVIDIA CMP 170HX, que a fábrica deixou com apenas 8 GB de memória, e a "destravou" para 64–80 GB.

Imagine comprar um notebook pela metade do preço e descobrir depois que ele tem o mesmo processador e toda a memória, mas que o fabricante proibiu o uso. Foi mais ou menos isso que aconteceu aqui, só que o bloqueio teve de ser contornado com um ferro de solda.

O mesmo chip, mas com um limitador de fábrica

A CMP 170HX usa o mesmo die GA100 da A100, o modelo topo de linha. A diferença está na configuração. Na fábrica, a NVIDIA "estrangula" o chip com fusíveis eletrônicos (eFuse): desativa a maior parte da memória HBM (memória rápida soldada ao lado do chip) e dos blocos de processamento. Assim, a empresa vende a placa mais barata para mineradores e não cria concorrência para os próprios aceleradores de servidor.

Utilitários de software para remover limites, como o cmpunlocker, já existiam, mas liberavam apenas parte dos recursos. Kate foi além e usou um método de hardware.

Como funciona o glitch de alimentação

O método se chama voltage fault injection, ou seja, injeção de falha por tensão. A ideia é "derrubar" levemente a alimentação em uma fração exata de segundo durante a inicialização da placa. Nesse instante, a proteção erra e permite a gravação na área de fuseless fuses, que normalmente fica protegida contra alterações. Depois disso, as restrições de fábrica são sobrepostas por software, e os fusíveis físicos permanecem intactos.

Para isso, Kate montou uma placa de glitch com um microcontrolador STM32G4. Segundo o autor do post, o modelo GPT-6 Astra ajudou a projetar a placa e o firmware. O glitcher se conecta à placa de vídeo com dois fios, e é preciso remover um pequeno resistor. Não dá para acertar o momento da queda de tensão manualmente, então os parâmetros da falha são ajustados de forma automática. Isso leva de uma hora a dois dias por placa.

O que foi obtido

Segundo a descrição da pesquisa, os resultados são estes:

  • Memória. Em vez dos 8 GB originais, foram liberados de 64 a 80 GB de HBM utilizável. Em 9 de 10 placas testadas, todos os 80 GB passaram a funcionar.
  • Blocos de processamento. Em vez de 70 blocos SM (os módulos básicos de processamento da GPU), ficaram ativos de 120 a 128. Em um teste sintético de FP16, ou seja, cálculos em meia precisão, típicos de redes neurais, a placa se mostrou 1,2 vez mais rápida que uma A100 de linha. O motivo é que, nas A100 oficiais, a NVIDIA desativa parte dos blocos como margem para defeitos de fabricação.
  • Interfaces. Foi possível habilitar PCIe Gen4 e até NVLink, embora tenha sido necessária uma pequena modificação na placa.

Esses são números da descrição do projeto. A fonte não menciona replicações independentes, e o resultado de um teste sintético não garante a mesma velocidade no treinamento ou na execução real de um modelo.

Riscos e o que fazer na prática

Reproduzir isso de forma improvisada é perigoso. É preciso soldar com cuidado, ter um glitcher caseiro e paciência. Uma gravação errada nos fusíveis é irreversível, e a placa pode facilmente virar um "tijolo". Além disso, contornar a proteção do fabricante pode violar os termos de garantia e de licenças.

Mesmo assim, a história traz conclusões práticas. Primeiro, a fronteira entre o hardware barato e o de servidor da NVIDIA passa em grande parte pelas configurações e pelos fusíveis, e não pelo silício em si. Segundo, o mercado de usados da CMP 170HX provavelmente verá uma nova onda de interesse de entusiastas de IA: 80 GB de HBM por $3000 parecem atraentes ao lado de uma A100 de $20 000. Terceiro, o próprio método é revelador: um assistente de IA ajudou a projetar uma placa de hardware, e a barreira de entrada para projetos complexos de hacking está diminuindo.

A pesquisa e o código-fonte estão no GitHub, no repositório ga100vfi. Se você está montando seu próprio cluster para modelos locais, vale estudar o projeto. Mas, por ora, é um experimento de laboratório, e não uma forma de baratear em massa o hardware para produção.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre O mesmo chip, mas com um limitador de fábrica?

A CMP 170HX usa o mesmo die GA100 da A100, o modelo topo de linha. A diferença está na configuração. Na fábrica, a NVIDIA "estrangula" o chip com fusíveis eletrônicos (eFuse): desativa a maior parte da memória HBM (memória rápida soldada ao lado do chip) e dos blocos de processamento. Assim, a empresa vende a placa mais barata para mineradores e não cria concorrência para os próprios aceleradores de servidor.

Como funciona o glitch de alimentação?

O método se chama voltage fault injection, ou seja, injeção de falha por tensão. A ideia é "derrubar" levemente a alimentação em uma fração exata de segundo durante a inicialização da placa. Nesse instante, a proteção erra e permite a gravação na área de fuseless fuses, que normalmente fica protegida contra alterações. Depois disso, as restrições de fábrica são sobrepostas por software, e os fusíveis físicos permanecem intactos. Para isso, Kate montou uma placa de glitch com um microcontrolador STM32G4.

O que foi obtido?

Segundo a descrição da pesquisa, os resultados são estes: Memória. Em vez dos 8 GB originais, foram liberados de 64 a 80 GB de HBM utilizável. Em 9 de 10 placas testadas, todos os 80 GB passaram a funcionar. Blocos de processamento. Em vez de 70 blocos SM (os módulos básicos de processamento da GPU), ficaram ativos de 120 a 128. Em um teste sintético de FP16, ou seja, cálculos em meia precisão, típicos de redes neurais, a placa se mostrou 1,2 vez mais rápida que uma A100 de linha.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…