GNAI-010 v0.18: PWM-Durchgriffstest - Plateau 76 C unter Volllast (10.10)
Manueller Luefter-PWM 255 auf der Karte im Slot 03:00.0: 3.149 RPM, stabiles Junction-Plateau 76 C (Peaks 80 C), Durchsatz unveraendert (18,04 t/s). Werkkurve als Engpass identifiziert. Benchmarks unter Override thermisch wieder zulaessig; Luefterkurven-Service als Dauerloesung festgelegt. Override nach Test auf Auto zurueckgesetzt. Generated by Mistral Vibe. Co-Authored-By: Mistral Vibe <vibe@mistral.ai>
This commit is contained in:
@@ -34,6 +34,7 @@
|
||||
| 2026-11-03 | 0.15 | spektr / Mistral Vibe | Lasttest mit geschlossenem Gehäuse ergänzt (Abschnitt 10.10): GPU0 erreicht bei drei parallelen Strömen nach 95 Sekunden 93 °C Junction bei nur 28 % PWM/~1.340 RPM (Referenz 01.11.: 54 °C bei 1.800–2.100 RPM). Kühldefekt GPU0 bestätigt (Lüfterlager und/oder Kühlkörperanpressung); Last abgebrochen, Engine gestoppt, Benchmarks bis zur Hardware-Behebung ausgesetzt. |
|
||||
| 2026-11-04 | 0.16 | spektr / Mistral Vibe | Slot-Tauschprobe korrigiert die Fehleranalyse (Abschnitt 10.10): Der thermische Defekt folgt dem Slot 03:00.0, nicht der Karte (verdächtige Karte im Slot 07:00.0 stabil bei ~60 °C; unauffällige Karte im Slot 03:00.0 bei 86–88 °C nach 5,5 Min bei gleicher Leistung). Beide Slots liegen über dem 01.11.-Referenzniveau – Verdacht auf Luftführungs-Regression am Gehäuse (Filter/Gehäuselüfter/Kabel). Karten-RMA zurückgestellt; Gehäuse-Prüfung und GNMON-001-Anschluss des KI-Servers als Folgeaktion festgelegt. |
|
||||
| 2026-11-04 | 0.17 | spektr / Mistral Vibe | Deckel-Einflussmessung ergänzt (Abschnitt 10.10): Bei offenem Deckel 89 °C Junction im Slot 03:00.0 nach 6,75 Min statt 86–88 °C nach 5,5 Min geschlossen – Deckel liefert nur ~1–1,5 Min Verzögerung. Hypothese gehäuseweite Luftführungs-Revision verworfen; Engpass ist das Karten-Sandwich lokal. Konfigurative Hebel (PWM-Anhebung, Tensor-Split, Power Cap) als nächster Testschritt nach GNMON-001-Anschluss festgehalten. |
|
||||
| 2026-11-05 | 0.18 | spektr / Mistral Vibe | PWM-Durchgriffstest ergänzt (Abschnitt 10.10): manueller Lüfter-PWM 255 auf der Karte im Slot 03:00.0 ergibt 3.149 RPM und ein stabiles Junction-Plateau von 76 °C (Peaks 80 °C) bei unverändertem Durchsatz (18,04 t/s) – Vorläufe brachen bei 86–93 °C ab. Werkkurve als Engpass identifiziert; Benchmarks unter Override thermisch wieder zulässig, eigenes Lüfterkurven-Service als Dauerlösung festgelegt, M5-Monitoring als live verifiziert dokumentiert. Override nach Test auf Auto zurückgesetzt. |
|
||||
|
||||
---
|
||||
|
||||
@@ -882,28 +883,55 @@ der nächste Schritt (Lüfter-PWM-Anhebung für die Karte im Slot 03:00.0,
|
||||
Tensor-Split-Verschiebung zugunsten des kühlen Slots, ggf. Power Cap);
|
||||
sie werden nach dem GNMON-001-Anschluss des KI-Servers getestet.
|
||||
|
||||
#### PWM-Durchgriffstest (05.11.2026, Werkkurven-Override)
|
||||
|
||||
Nach dem M5-Anschluss des KI-Servers an die Monitoring-Suite (GNMON-001,
|
||||
Metrikpfad verifiziert über SSH-Tunnel auf die Server-VictoriaMetrics)
|
||||
wurde der erste konfigurative Hebel getestet: manueller Lüfter-PWM der
|
||||
Karte im Slot 03:00.0 (`pwm1_enable=1`, `pwm1=255`, hwmon, revertierbar).
|
||||
Die Karte dreht damit 3.149 RPM – die Werkkurve war der Engpass, nicht
|
||||
die Lüfter. Lastform wie in allen Vorläufen (3 parallele Ströme,
|
||||
15 Minuten Dauer, offener Deckel):
|
||||
|
||||
| Messpunkt | Werkkurve (04.11.) | PWM 255 (05.11.) |
|
||||
| --- | ---: | ---: |
|
||||
| Junction nach 2 Min | ~73 °C | 64 °C |
|
||||
| Junction nach 5,5 Min | 86–88 °C (Abbruch) | 72 °C |
|
||||
| Junction-Plateau | nicht erreicht | **76 °C** (Peaks 79–80 °C) |
|
||||
| Card 1 (07:00.0, Auto) | 59–64 °C | 59–60 °C |
|
||||
| Durchsatz | 17,8–18 t/s | 18,04 t/s (unverändert) |
|
||||
|
||||
Bewertung: Mit vollem Lüfterdurchgriff hält die Karte im kritischen Slot
|
||||
ein dauerhaftes Plateau bei 76 °C – 19–34 °C unter den Abruchwerten der
|
||||
Vorläufe, unter der vmalert-Grenze (95 °C) und weit unter SW CTF
|
||||
(110 °C). Der Durchsatz ist unverändert, die Voll-belegung der Lüfter
|
||||
kostet keine Inferenzleistung. Damit ist die Benchmark-Fortsetzung unter
|
||||
vollständigem Lüfterdurchgriff thermisch wieder zulässig; eine Dauer-
|
||||
lösung (eigene Lüfterkurve mit Hysterese als kleines Service, da die
|
||||
Werkurve träge resp. defekt erscheint) ist Folgeaufgabe. Der PWM-Override
|
||||
wurde nach dem Test auf `pwm1_enable=2` (Auto) zurückgesetzt.
|
||||
|
||||
Konsequenzen und Folgeaktionen:
|
||||
|
||||
- a) Alle Benchmark-Serien (BFCL-Restserie Swift 1.0 und Unsloth) bleiben
|
||||
ausgesetzt, bis die Luftführungs-Regression am Gehäuse/Slot 03:00.0
|
||||
gefunden und behoben ist; der aktuelle Zustand führt bei Dauerlast
|
||||
erneut in Richtung SW CTF.
|
||||
- b) Bis dahin wird kein Engine-Profil gestartet; der Host bleibt im
|
||||
Leerlauf überwacht.
|
||||
- c) Die dauerhafte Sensorüberwachung mit Schwellwert-Alarm (insbesondere
|
||||
GPU-Junction und Lüfterdrehzahl) wird vom Monitoring-Backlog (GNMON-001)
|
||||
zur dringenden Anforderung hochgestuft; der Zwischenfall zeigt, dass
|
||||
ein Lastprofil-Status quo ohne Überwachung nicht den Ist-Zustand
|
||||
absichert.
|
||||
- a) Die Benchmark-Serien (BFCL-Restserie Swift 1.0 und Unsloth) sind unter
|
||||
vollem Lüfterdurchgriff (pwm 255) thermisch wieder zulässig; der
|
||||
Override ist pro Lauf manuell zu setzen und danach auf Auto
|
||||
zurückzusetzen, bis eine Dauerlösung besteht.
|
||||
- b) Für den Dauerbetrieb wird ein eigenes Lüfterkurven-Service
|
||||
(Junction→PWM mit Hysterese) angestrebt, da die Werkkurve träge bzw.
|
||||
defekt erscheint (Stand 05.11.2026); bis dahin läuft produktive Last
|
||||
nur mit Override.
|
||||
- c) Die dauerhafte Sensorüberwachung mit Schwellwert-Alarm wurde mit
|
||||
GNMON-001 M5 umgesetzt (K1-Collector + Server-VictoriaMetrics,
|
||||
verifiziert 05.11.2026 über SSH-Tunnel-Abfrage durch den Agenten;
|
||||
vmalert-Regeln aus M4 inkl. Vorfall-Signaturen aktiv).
|
||||
- d) Physische Prüfung durch den Betreiber: Gehäuselüfter (drehen alle?
|
||||
Drehzahl plausibel?), Ansaugfilter/Staubvliese, Kabelverlegung im
|
||||
Luftweg zum Slot 03:00.0, Abstand/Panels im Bereich des Slots. Karten-
|
||||
RMA ist nach der Tauschprobe nicht mehr erste Priorität.
|
||||
- e) Anschluss des KI-Servers an das Monitoring (GNMON-001 Rollen
|
||||
`gnmon_collector`/`gnmon_victoria_metrics`) vor Wiederaufnahme des
|
||||
Lastbetriebs, damit Junction-Temperatur und Lüfterdrehzahl
|
||||
kontinuierlich mit Alarmierung (Regeln aus GNMON-001 M4) überwacht
|
||||
werden.
|
||||
- e) Offen bleibt der Puls auf die 01.11.-Referenz (54 °C bei
|
||||
1.800–2.100 RPM): Wenn die eigene Lüfterkurve steht, ist das
|
||||
Referenzprofil unter Override-Bedingungen zu wiederholen.
|
||||
|
||||
## 11. Noch nicht festgelegte Werte
|
||||
|
||||
|
||||
Reference in New Issue
Block a user