Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
РелизКод / SDK · В работуTG: @neurogen_news (Neurogen)→ оригинал

Майнинговую карту за $3000 превратили в аналог A100: с 8 до 80 ГБ памяти

Для запуска больших нейросетей дома нужна видеопамять, а серверная NVIDIA A100 на 80 ГБ стоит на вторичке от $20 000. Исследовательница Kate взяла майнинговую CMP 170HX за $3000, где завод оставил лишь 8 ГБ, и обошла блокировку коротким провалом напряжения при старте. В итоге у 9 из 10 карт заработали все 80 ГБ памяти, как у A100. Метод пока лабораторный: одна ошибка может окончательно убить карту.

AI-обработка оригинала TG: @neurogen_news (Neurogen); редакция Hamidun News
Майнинговую карту за $3000 превратили в аналог A100: с 8 до 80 ГБ памяти
Источник: TG: @neurogen_news (Neurogen). Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникTG: @neurogen_news (Neurogen) ↗
Главный редактор
Блоки SMвместо 70 включились 120–128, FP16 в 1,2 раза быстрее A100
Ключевой факт #2Нужны плата на STM32G4, два проводка и от часа до двух суток подбора
Ключевой факт #3Включились PCIe Gen4 и NVLink; код лежит в репозитории ga100vfi

Чтобы запускать большие языковые модели у себя, а не в облаке, нужна видеопамять, и именно она стоит дороже всего. Серверная NVIDIA A100 на 80 ГБ (версия с разъёмом PCIe) на вторичном рынке уходит за $20 000 и выше. Исследовательница под ником Kate нашла способ получить почти то же самое за $3000: она взяла майнинговую карту NVIDIA CMP 170HX, которой завод оставил всего 8 ГБ памяти, и «разблокировала» её до 64–80 ГБ. Представьте, что вы купили ноутбук за полцены, а потом выяснили, что внутри стоит тот же процессор и вся память, просто производитель запретил ими пользоваться. Здесь произошло примерно это, только запрет пришлось обходить паяльником.

Один и тот же чип, но с заводским ограничителем

В основе CMP 170HX лежит тот же кристалл GA100, что и во флагманской A100. Разница в настройках. На заводе NVIDIA «душит» чип электронными предохранителями (eFuse): отключает большую часть HBM-памяти (быстрой памяти, распаянной рядом с чипом) и вычислительных блоков. Так компания продаёт карту майнерам дешевле и не создаёт конкуренцию собственным серверным ускорителям.

Программные утилиты для снятия лимитов, например cmpunlocker, появлялись и раньше, но открывали лишь часть возможностей. Kate пошла дальше и использовала аппаратный метод.

Как работает глитч по питанию

Метод называется voltage fault injection, то есть внедрение сбоя через напряжение. Идея в том, чтобы в нужную долю секунды при старте карты слегка «просадить» питание. В этот момент защита ошибается и пропускает запись в область fuseless fuses, которую обычно закрывает от изменений. После этого заводские ограничения перекрываются программно, а физические предохранители остаются нетронутыми.

Для этого Kate собрала плату-глитчер на микроконтроллере STM32G4. По словам автора поста, плату и прошивку помогла спроектировать модель GPT-6 Astra. К видеокарте глитчер подключается двумя проводками, при этом нужно снять один небольшой резистор. Поймать момент просадки вручную нельзя, поэтому параметры сбоя подбираются автоматически. На это уходит от часа до двух суток на каждую карту.

Что получилось

По описанию исследования, результаты такие:

  • Память. Вместо заявленных 8 ГБ открылись 64–80 ГБ рабочей HBM. У 9 из 10 тестовых карт заработали все 80 ГБ.
  • Вычислительные блоки. Вместо 70 блоков SM (так называют базовые вычислительные модули GPU) включились 120–128. В синтетическом тесте FP16, то есть в расчётах с половинной точностью, которые типичны для нейросетей, карта оказалась в 1,2 раза быстрее серийной A100. Причина в том, что в официальных A100 NVIDIA отключает часть блоков с запасом на производственный брак.
  • Интерфейсы. Удалось включить PCIe Gen4 и даже NVLink, хотя для этого понадобилась небольшая доработка платы.

Это цифры из описания проекта. Независимых повторений в источнике не упоминается, а результат синтетического теста не гарантирует такой же скорости при реальном обучении или запуске модели.

Риски и что делать на практике

Повторять это «на коленке» опасно. Нужны аккуратная пайка, самодельный глитчер и терпение. Ошибочная запись во фьюзы необратима, и карту легко превратить в «кирпич». Кроме того, обход защиты производителя может нарушать условия гарантии и лицензий.

Тем не менее у истории есть практические выводы. Во-первых, граница между дешёвым и серверным железом NVIDIA во многом проходит через настройки и предохранители, а не через сам кремний. Во-вторых, вторичный рынок CMP 170HX, скорее всего, ждёт новая волна интереса от энтузиастов ИИ: 80 ГБ HBM за $3000 выглядят заманчиво рядом с A100 за $20 000. В-третьих, показателен и сам способ: ИИ-ассистент помог спроектировать аппаратную плату, и порог входа в сложные хакерские проекты снижается.

Исследование и исходники лежат на GitHub в репозитории ga100vfi. Если вы собираете свой кластер для локальных моделей, проект стоит изучить. Но пока это лабораторный эксперимент, а не способ массово удешевить железо для продакшна.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: один и тот же чип, но с заводским ограничителем?

В основе CMP 170HX лежит тот же кристалл GA100, что и во флагманской A100. Разница в настройках. На заводе NVIDIA «душит» чип электронными предохранителями (eFuse): отключает большую часть HBM-памяти (быстрой памяти, распаянной рядом с чипом) и вычислительных блоков. Так компания продаёт карту майнерам дешевле и не создаёт конкуренцию собственным серверным ускорителям. Программные утилиты для снятия лимитов, например cmpunlocker, появлялись и раньше, но открывали лишь часть возможностей.

Что известно по теме: как работает глитч по питанию?

Метод называется voltage fault injection, то есть внедрение сбоя через напряжение. Идея в том, чтобы в нужную долю секунды при старте карты слегка «просадить» питание. В этот момент защита ошибается и пропускает запись в область fuseless fuses, которую обычно закрывает от изменений. После этого заводские ограничения перекрываются программно, а физические предохранители остаются нетронутыми. Для этого Kate собрала плату-глитчер на микроконтроллере STM32G4.

Что известно по теме: что получилось?

По описанию исследования, результаты такие: Память. Вместо заявленных 8 ГБ открылись 64–80 ГБ рабочей HBM. У 9 из 10 тестовых карт заработали все 80 ГБ. Вычислительные блоки. Вместо 70 блоков SM (так называют базовые вычислительные модули GPU) включились 120–128. В синтетическом тесте FP16, то есть в расчётах с половинной точностью, которые типичны для нейросетей, карта оказалась в 1,2 раза быстрее серийной A100.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…