Nvidia-Crypto-Karten werden durch Driver-Lücke für KI-Inferenz freigeschaltet
Nvidia-Crypto-Karten werden durch Driver-Lücke für KI-Inferenz freigeschaltet
Eine Sicherheitslücke in Nvidia-Treibern ermöglichte es, die künstlichen Beschränkungen der CMP HX170 Mining-Karten aufzuheben. Dadurch verwandeln sich diese günstigen Karten in leistungsstarke Alternativen zu den teuren A100-GPUs für Inferenz-Aufgaben.
Nvidia-Crypto-Karten werden durch Driver-Lücke für KI-Inferenz freigeschaltet
Im Jahr 2021 brachte Nvidia eine Reihe stark reduzierter CMP HX170 Karten auf den Markt, die auf dem A100-Chip basierten und speziell für das Mining entwickelt wurden. Nominell verfügten sie über entweder 8 oder 10 Gigabyte Speicher bei einer um das 32-fache reduzierten Rechenleistung, behielten jedoch die volle Speicherbandbreite bei, die für Mining-Prozesse erforderlich ist. Nach dem Übergang von Ethereum zum Proof-of-Stake-Algorithmus wurden diese Karten nahezu nutzlos.
Ende Juni tauchte jedoch ein Fachartikel auf, der die Aufhebung einiger Einschränkungen durch eine Schwachstelle in den neuen Nvidia-Treibern beschrieb. Die Autoren veröffentlichten den Code nicht, doch innerhalb weniger Wochen wurde die Schwachstelle unabhängig repliziert, was zur Entwicklung des Tools cmpunlocker führte.
Die Karten mit 10 GB Speicher wurden so effektiv auf 40 (oder sogar 80) GB erweitert, während die 8-GB-Varianten zu 64-GB-Karten wurden. Das Problem bestand darin, dass die physische Entfernung der HBM-Speicherchips ohne Reduzierung der Bandbreite unmöglich war; Nvidia hatte daher einfach 80 % des Speichers per Software blockiert. Hacker gelang es zudem, die Limits für die Rechenleistung zu entfernen. Das verbleibende Hauptproblem ist, dass die PCIe-Anbindung auf Version 2.0 und physikalisch nur x4 beschränkt ist, aber Enthusiasten arbeiten bereits an Lösungen dafür.
Glückliche Käufer, die die Karten vor dem Preisanstieg für 100–200 US-Dollar ergattern konnten, besitzen nun eine nahezu vollwertige A100-GPU zu einem extrem niedrigen Preis – besonders relevant angesichts der aktuellen Marktkrise. Inzwischen sind die Preise explodiert, sodass ein Kauf zum 5- bis 10-fachen des ursprünglichen Preises kaum noch wirtschaftlich sinnvoll erscheint.
Warum das wichtig ist
AnalyseDiese Entwicklung zeigt eindrucksvoll, wie Software-Schwachstellen die Dynamik im Grafikmarkt grundlegend verändern können. Sie unterstreicht zudem die kritische Bedeutung von Sicherheitsarchitekturen in Technologien, die eng mit Kryptowährungen und High-Performance-Computing verknüpft sind.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Nvidias Monopolstellung und die CUDA-Plattform
Eine Analyse der technologischen und wirtschaftlichen Dominanz von Nvidia auf dem Markt für künstliche Intelligenz. Wie die im Jahr 2006 eingeführte Softwareplattform CUDA (Compute Unified Device Architecture) gewöhnliche Gaming-Grafikkarten zum wichtigsten Rechenwerkzeug der Welt machte und warum es Konkurrenten wie AMD und Intel so schwerfällt, dieses Monopol zu brechen.
TensorRT-LLM & SGLang Hochleistungs-Engines
Tief kompilierte Berechnungs-Engines für die extreme Optimierung der Inferenz von Sprachmodellen auf NVIDIA-Servern, mit Graphoptimierung, FlashAttention-3 und erweitertem Routing.
10 GitHub-Repositories, die Ihnen helfen, in 90 Tagen ein KI-Ingenieur zu werden
KI-Ingenieur zu werden bedeutet heute nicht nur, sich mit Modellen und Prompts auszukennen. Der Großteil der praktischen Arbeit dreht sich um Agenten, RAG-Systeme, Orchestrierung (Orchestration), Vektordatenbanken (Vector Databases) und KI-Infrastruktur.
Claude Fable 5: Wann das leistungsstarke Modell eingesetzt wird und welcher effort-Level gewählt werden sollte
Eine vollständige Analyse des Modells Claude Fable 5 und des Parameters effort: Funktionsweise des Verhaltenssignals für Reasoning, Verfügbarkeitsmatrix der Level (low/xhigh), Kostenberechnung pro Durchlauf sowie Konfiguration in API und Claude Code.