新买的RTX 4080s 32gb 显卡 运行llamacpp的时候，偶然报错无响应，求助
-
各位大佬，
背景
我在京东购入一张RTX 4080s 32gb的显卡，大概有一周时间了。
刚回来做了基础的显存测试，没有报错就正常使用了。
机器是跟着站长的推荐配的X99，X99-AD3主板，64gb 内存。
出错情况：
昨晚（08/31）使用RTX 4080s 运行llamacpp Qwen 3.8-27B，使用中途 突然发现llamacpp 无响应。使用Nvidia-smi命令查看发现，RTX 4080s 显卡出现Error，无法恢复。Nvidia-smi 错误截图
使用hermes/deepseek 抓取了日志：
补充系统信息：
- 机器:AI 服务器 192.168.5.127(Ubuntu 24.04.4, Xeon E5-2686 v4 / 62GB / 双卡)
- 目标显卡:RTX 4080 SUPER 32GB(Bus 0x04, Device ID 0x2702, 魔改 32GB 版)
- 驱动:595.84 (open kernel), CUDA 13.2
Hermes/deepseek的错误分析
一、故障现象时间 事件 21:11 系统开机,llama-server 自动启动(Qwen3.8-27-UD-XL,锁 4080 SUPER) 21:33 正常运行,推理速度 40+ t/s 21:56:08 任务 6600 启动,前 15 秒正常(40 t/s) 21:57:03 内核检测 GPU1 心跳超时(差距 46s > 阈值 5.2s) 21:57:33 Memory Subsystem Error detected + TLB 失效失败 21:57:33 Xid 175:GSP RPC 超时(等待 75s 无响应),pid=2033 llama-server 21:57:36 Xid 154:GPU recovery action → Reset Required 21:59 服务强制取消任务,API 完全无响应 22:00+ nvidia-smi 显示 4080:温度/功耗/风扇/时钟全部 ERR!,显存 27.3GB 冻结 症状总结:llama-server 推理速度暴跌(40→1 t/s)后 GPU 完全挂死,显存无法释放,
nvidia-smi --gpu-reset报 Not Supported,唯一恢复手段是重启。二、根因分析
证据链
- 内核日志:
kgmmuCheckMemSubsysError: Memory Subsystem Error detected+
kgmmuInvalidateTlb_GM107: TLB invalidation failed+ GSP 心跳超时 - 最终错误:Xid 175 (GSP RPC Timeout) → Xid 154 (Reset Required)
- "Memory Subsystem Error" 出现在 GSP 超时之后,为连锁检测结果
- 历史记录:往次开机(8/27、8/30)GPU 均正常,无类似故障
- 驱动 595.84 open kernel(2026-06-10 构建,较新)
判定
- 显存硬件故障嫌疑较高(Memory Subsystem Error 字面指向),但需压测验证
- 软件(驱动/GSP 固件)故障为次要嫌疑(Xid 175 是 GSP 固件无响应)
- 排除项:无 PCIe AER/总线错误(排除供电链路)、无 ECC 记录(消费卡不支持 ECC)
我做的额外测试
1） 使用hermes/deepseek 进行了 memtest_vulkan，跑了20min显存测试，没有错误。
2） 使用hermes/deepseek做了 GPU burn test（测核心），GPU能够跑满100%，功率达到满载 310w的样子，nvidia-smi显示的核心温度达到90℃，同时显卡发出响声（挺尖锐的声音，不是风扇的声音，感觉是不正常的声音），大概也就1-2min钟的样子，感觉不对劲，就手动停止了，没敢再接着测试。希望大佬帮忙解答的：
- 这个是不是硬件有故障？从hermes 分析来看，我担心大概率是硬件有故障。京东后台看显卡在 9/4之前支持换货，之后估计就只能维修了。。我考虑要不要换货。已经不支持退货了。。“退货”的选项已经不能点了。
2）使用GPU burn test 测试显卡功率满载的时候，发出异常的响声（非风扇声音），这个正常吗？我感觉不太正常啊。
感谢版主，各位大佬
-
我刚买4090，不会是大勤吧 0.0
-
@icyliving 结论先给：建议换货，别等维修。9/4 前能换就换，这个 Xid 175 + 异响组合不值得赌。
理由拆开说：
1. 错误链指向硬件问题，不是驱动
Xid 175（GSP RPC 超时）→ Xid 154（Reset Required）+ Memory Subsystem Error + TLB invalidation failed，这是 GPU 固件级挂死（GSP 75 秒无响应才报），正常卡上极其罕见。驱动 open kernel 595.84 是 2026-06 的版本不算新也不算旧，但"往次开机都正常、这次突然固件级挂死"更像硬件不稳定而不是驱动回归。驱动问题通常是复现性的（特定负载必炸），不是偶发一次。2. memtest 20 分钟无错 ≠ 硬件没问题
memtest_vulkan 只测显存静态读写，能排除坏点/固定位故障，排除不了两类魔改卡最常见的问题：- 虚焊/接触不良：温度上来、PCB 形变时才间歇性失效（你这次就是重载跑了 45 分钟后炸的）
- 加焊颗粒体质差：部分新增的 16GB 颗粒在高负载高温度下不稳定，平时测试碰不到
这类间歇性故障是 memtest 最难抓的，得过夜长测 + 反复重载才可能暴露。
3. burn test 的 90℃ + 尖锐异响是两个黄灯
- 4080S 原厂满载核心温度一般在 70-75℃ 区间，90℃ 偏高，魔改卡的散热规格（鳍片/背板/风扇曲线）不一定压得住多出来的 16G 颗粒
- 非风扇的尖锐声大概率是电感啸叫（coil whine）或供电模块异响。电感啸叫本身在满载高功率下不算致命，但"啸叫 + 固件级挂死 + 高温"三个信号叠在一起，没必要用保修期去赌
4. 换货 vs 维修的实际账
- 换货：9/4 前原店换新，周期几天，拿到的是另一张卡
- 维修：返店检测维修，周期一两周起，魔改卡店铺的维修质量参差，修完复发的不在少数（这卡本质是改卡，返修率高是行业常态）
- 你现在证据链够硬（Xid 175 + 异响 + 高温），直接申请换货，理由写"满载异响 + 推理时 GPU 固件超时挂死"，别只说 memtest 没过（memtest 没抓到问题，商家会拿这个卡你）
5. 换货回来的验证流程
到手先别急着上生产：- memtest_vulkan 过夜跑（至少 4-6 小时）
- 满载压测 30 分钟以上，盯温度和有没有异响
- llama.cpp 多轮长上下文推理，反复重载
三项都过、无 Xid 无异常声，再正常用。
顺便说下：你机器是 X99-AD3 + E5-2686 v4 双卡，如果是两张 4080S 魔改 32G 组双卡跑 27B，之前论坛有同样 4080S 32G 魔改卡的讨论（TID:1311），魔改卡的常见坑和选型思路可以参考，别一上来就双卡 tensor-split，先单卡跑稳再说。
-
我刚买4090，不会是大勤吧 0.0
-
@Xuan-Giang-Ngo 就不说明说哪家了
希望有大佬帮我看看啊，我真担心有硬件问题，后边再断断续续出问题的话，就比较烦人了。
@icyliving 兄弟，该换就换啊。我之前故障的那张4090 48G，三次故障都是在运行comfyui大概二三十小时后出故障，有时候掉驱动就一直不行了，有时候关机一阵子后冷启动了正常，正常之后用OCCT跑100%显存测试，或者GPU 100%负载测试，测个半小时也不出问题，用furymark跑也跑不出问题。但是再跑comfyui，显存加载到近100%，某个运算过程就出错了。这种卡不要消耗自己精力去验证是不是自己的软件环境问题。要是有个其他卡能测出来不是自己的软件问题就别纠结了，赶紧换。不换到时候修，像我之前一样修个四次，两个月才修好，很麻烦的。我后面第三次故障，故障了换上原厂版本4080S 16G不出问题，就返修了。之前每次故障后还不断排查自己软件问题，系统重装了两次，驱动不知道换了多少个版本，花了不少精力，最后证明根本就不是软件原因。另外能不能偷偷私信跟我说下是哪家，我最近也在考虑加购个4080S 32G来着，也在京东上看，就大勤，深图师两家。大勤我问了是7天内质量问题免费换新，深图师是说15天内退换，按你这个时间，是后面这家？
-
@icyliving 兄弟，该换就换啊。我之前故障的那张4090 48G，三次故障都是在运行comfyui大概二三十小时后出故障，有时候掉驱动就一直不行了，有时候关机一阵子后冷启动了正常，正常之后用OCCT跑100%显存测试，或者GPU 100%负载测试，测个半小时也不出问题，用furymark跑也跑不出问题。但是再跑comfyui，显存加载到近100%，某个运算过程就出错了。这种卡不要消耗自己精力去验证是不是自己的软件环境问题。要是有个其他卡能测出来不是自己的软件问题就别纠结了，赶紧换。不换到时候修，像我之前一样修个四次，两个月才修好，很麻烦的。我后面第三次故障，故障了换上原厂版本4080S 16G不出问题，就返修了。之前每次故障后还不断排查自己软件问题，系统重装了两次，驱动不知道换了多少个版本，花了不少精力，最后证明根本就不是软件原因。另外能不能偷偷私信跟我说下是哪家，我最近也在考虑加购个4080S 32G来着，也在京东上看，就大勤，深图师两家。大勤我问了是7天内质量问题免费换新，深图师是说15天内退换，按你这个时间，是后面这家？
-
我那时候的故障现象就是掉驱动，蓝屏，显卡一直维持在故障时候的功率一直卡在那，不去关它就一直这个功率也不关机。 硬件故障可能各种各样，你看老特的视频里，他好像是某个运算一直出错。这个魔改卡正常情况下基本不挑驱动和环境，出故障基本就是硬件了
-
@icyliving 赶快换修是正解。
-
@wop 我让hermes查了显卡默认配置，显示是比官方的默认频率高的。
这是hermes读的显卡VBIOS的数据。
【VBIOS 极限(驱动报告 Max Clocks)】- 核心 Max:3105 MHz ← 魔改超频 VBIOS
- 显存 Max:11501 MHz(= 官方规格,GDDR6X 23Gbps,没动)
【对照官方 RTX 4080 SUPER】
- 官方 boost:2550 MHz
- 这张卡:3105 MHz,高出 22%
@icyliving 用微星小飞机压到官方默认频率使用看看
-
@Hao-Wu 这个卡应该不挑驱动。我插上主板之后，都是自动识别的。。但是我在问ai的时候，ai说nvidia有两种驱动，一种是开源的open driver，一种是闭源驱动（proprietary driver），说是闭源驱动可能能解决我上边报的GSP error问题。。目前ubuntu上自动安装的都是开源驱动。。我没太多经验。。。我在想，不管三七二十一，先换卡再说。。。
@icyliving 完全不用折腾驱动，正常的卡随便驱动版本都不会有问题，出问题的驱动怎么折腾都没用浪费时间而已
-
@icyliving 完全不用折腾驱动，正常的卡随便驱动版本都不会有问题，出问题的驱动怎么折腾都没用浪费时间而已
-
@icyliving 用微星小飞机压到官方默认频率使用看看
-
@icyliving 赶快换修是正解。
@williamlouis 感谢版主回复，已听从各位建议，先换货再说。
-
@williamlouis 感谢版主回复，已听从各位建议，先换货再说。
@icyliving 能说说在哪买的么？ 是咸鱼， 还是淘宝， 是小店还是评分很高的大店？ 有没有看过用户评价？
-
我的4080s 32g 三风扇版，2个月前闲鱼买的，倒是一直挺好的，发热和噪音感觉都能接受，不过自己就是随便玩票一下，偶尔跑个几十分钟的，没有长时间高强度使用过。
