В этом материале
История работы и результаты согласованного теста полезнее ярлыка «б/у». Проверка даёт сведения о текущем состоянии, но не предсказывает срок службы карты.
GPU не становится непригодным для инференса только потому, что уже использовался. Важно понять его текущее состояние, программную совместимость и поведение в конкретной машине. Для владельца это возможность предложить существующее оборудование с понятной историей вместо поспешной покупки нового.
Подготовка к пилоту не должна превращаться в бесконечный набор случайных стресс-тестов. Нужны короткий план, согласованная среда и результаты, которые можно объяснить.
Соберите историю без попытки её приукрасить
Укажите прежние задачи, известные ремонты, изменения прошивки и признаки нестабильности. Если история части карт неизвестна, так и напишите. Отдельно отметьте, наблюдались ли перезагрузки, пропадание устройства или проблемы с охлаждением.
Такая информация помогает выбрать порядок проверки. Она не является основанием автоматически принять или отклонить всю партию. Две карты с похожим внешним видом могут вести себя по-разному, а проблема иногда находится в хосте, питании или соединении.
Зафиксируйте исходное состояние
Составьте список точных моделей, объёма памяти и версий окружения. До активных тестов осмотрите площадку и убедитесь, что оборудование можно вывести из основной работы. Диагностика не должна мешать действующим задачам других пользователей.
Руководство NVIDIA DCGM различает диагностику с тестовой нагрузкой и наблюдение за состоянием. Поддержка отдельных проверок зависит от класса GPU, версии и окружения. Нельзя переносить доступный тест с одной модели на весь парк без проверки применимости.
Сравнивайте карты в одинаковых условиях
Условный сценарий: у владельца четыре одинаковые карты. После проверки хоста они последовательно выполняют один зафиксированный тест с одинаковой моделью. В журнал заносятся успешность, время выполнения, температуры и сообщения об ошибках.
Если одна карта отличается, это повод для дополнительной диагностики, а не немедленный вывод о её неисправности. Полезно исключить влияние слота, кабеля и фоновой нагрузки. Изменяйте по одному существенному условию, иначе причина расхождения останется неизвестной.
Добавьте проверку реального сервиса
Синтетический тест и работа языковой модели отвечают на разные вопросы. После аппаратной оценки проверьте выбранный профиль запросов, длительную работу и возвращение к готовности после обычного перезапуска.
Не стремитесь получить лучший результат за счёт нештатных режимов. Для будущей эксплуатации нужен воспроизводимый режим, который владелец готов поддерживать. Если оборудование требует обслуживания, выполните его до обсуждения постоянной нагрузки, а затем повторите соответствующую проверку.
Для партии полезно присвоить картам внутренние обозначения и связать каждый результат с конкретным экземпляром. Иначе исправная карта может получить чужую историю ошибок после перестановки между серверами. Внешнему оператору на первом этапе достаточно сводки, а подробный журнал остаётся у владельца до согласования технической проверки.
Подготовьте короткий паспорт результата
В итог включите конфигурацию, даты проверок, применённые инструменты, замечания и открытые вопросы. Формулировка «тест пройден» должна сопровождаться названием теста и условиями. Она не является гарантией исправности в будущем или определением гарантийного статуса.
Полный технический этап согласуем отдельно. Для дальнейшего разговора посмотрите план пилота и проверку оборудования после майнинга. Честно описанная машина удобнее для оценки, чем краткое обещание «работает идеально».