Actualización de julio de 2024 sobre los informes de inestabilidad en CPUs de escritorio Intel Core de 13.ª/14.ª generación
(community.intel.com)- Intel determinó, a partir del análisis de procesadores de escritorio Core de 13.ª/14.ª generación devueltos, que la inestabilidad de algunos productos está relacionada con voltajes de operación elevados
- La causa se identificó como un algoritmo de microcódigo que envía solicitudes de voltaje incorrectas al procesador
- Intel está preparando un parche de microcódigo que corrige la causa raíz de la exposición a voltajes elevados y apunta a lanzarlo a sus socios a mediados de agosto, tras completar la validación
- Los clientes que hayan experimentado o estén experimentando síntomas de inestabilidad podrán recibir asistencia en el proceso de reemplazo
- Los canales de contacto varían según el tipo de compra: para sistemas de OEM/System Integrator se debe contactar al vendedor; para productos en caja, a Intel Customer Support; y para CPUs en bandeja, al lugar de compra
Causa de la inestabilidad
- Intel realizó un análisis amplio de procesadores de escritorio Core de 13.ª/14.ª generación devueltos por problemas de inestabilidad
- En algunos productos, se determinó que los voltajes de operación elevados eran un factor que provocaba la inestabilidad
- Según el análisis de los procesadores devueltos, se confirmó que los voltajes de operación elevados se originaban en un algoritmo de microcódigo que enviaba solicitudes de voltaje incorrectas al procesador
Plan para el parche de microcódigo
- Intel planea proporcionar un parche de microcódigo que corrige la causa raíz de la exposición a voltajes elevados
- En relación con los procesadores de escritorio Core de 13.ª/14.ª generación, Intel sigue realizando validaciones para comprobar si se resuelven los escenarios de inestabilidad reportados a la compañía
- El objetivo es lanzar el parche a sus socios a mediados de agosto, después de completar la validación completa
Soporte para reemplazos de clientes
- Intel indicó que se asegurará de que los clientes que hayan experimentado o estén experimentando síntomas de inestabilidad en procesadores de escritorio de 13.ª y/o 14.ª generación reciban asistencia en el proceso de reemplazo
- El proceso de soporte se divide según la forma de compra
- Los compradores de sistemas de escritorio OEM/System Integrator deben contactar al equipo de soporte al cliente del vendedor del sistema
- Los compradores de procesadores de escritorio de 13.ª/14.ª generación en caja deben contactar a Intel Customer Support
- Los compradores de procesadores de escritorio de 13.ª/14.ª generación en bandeja deben contactar al lugar donde los compraron
Actualizaciones posteriores
- La actualización del 25 de septiembre de 2024 indica consultar la información más reciente en Intel Core 13th and 14th Gen Desktop Processor Vmin Instability Issue Root Cause
- La actualización del 26 de agosto de 2024 aclara las indicaciones de soporte para la compra de CPUs de escritorio Core de 13.ª/14.ª generación en bandeja
- La actualización del 29 de julio de 2024 indica consultar Clarification Update on Intel Core 13th/14th Gen Desktop en relación con las indicaciones del proceso de soporte al cliente
1 comentarios
Opiniones en Hacker News
Cuesta creer la explicación de que en realidad sea un problema de microcódigo
Intel tiene demasiado incentivo para atribuírselo al microcódigo. Si solo mete un parche, puede arreglarlo gratis, pero si en realidad es un defecto de hardware tendría que retirar los CPU defectuosos y eso podría costar miles de millones de dólares
Además, guardó silencio durante demasiado tiempo. Si el microcódigo con errores fuera un problema simple en el que la placa madre recibe una solicitud de voltaje fuera de especificación, bastaría con registrar el voltaje en el VRM de la motherboard para detectarlo rápido y corregirlo en unas semanas. Según algunas fuentes, Intel ya venía enviando CPU sin defectos desde hace meses, creo que desde abril, y esos productos no habrían recibido una actualización de microcódigo
Esta larga demora da la impresión de que pasaron meses de I+D creando una nueva especificación de voltaje para esquivar un defecto de hardware en la mayor cantidad posible de productos, minimizando a la vez la pérdida de rendimiento o nuevos errores por bajo voltaje
Parece que esta actualización de microcódigo solo “arreglará” los cuelgues de algunos CPU, y que dentro de un mes Intel terminará diciendo que en realidad había dos problemas independientes entre sí, para luego hacer a regañadientes un retiro de los productos que no se solucionen con microcódigo
Aun así, sigo siendo muy escéptico, así que en la empresa suspendimos temporalmente la compra de Intel de 13.ª/14.ª generación y estamos esperando evidencia real de que el problema quedó totalmente resuelto
Fabricar CPU se parece a clasificar huevos. Los chips producidos tienen características ligeramente distintas y se clasifican por rangos según cuánto cumplan la especificación
Simplificando, los chips “mejores” soportan clocks o voltajes más altos, así que se venden más caros. Si hay una sola partícula de polvo en el die, se desactiva parte de la funcionalidad y se vende más barato
En este caso, probablemente se trate de casos límite que no se habrían considerado defectuosos si el microcódigo distribuido los hubiera manejado desde el principio. Aun así, vale la pena discutir si los chips afectados debieron haber caído originalmente en un rango de precio más bajo
Esquivar ese comportamiento desde el microcódigo del CPU no es algo trivial. No parece que todos los modelos de motherboard fallen, así que el comportamiento de la motherboard al menos parece ser un factor
El diseño de CPU avanza empujando todo lo posible al firmware, e incorporando chicken switches, rutas alternativas y mecanismos para interceptar el funcionamiento normal y convertirlo en traps de microcódigo, flushes o degradaciones de rendimiento
Una corrección o mitigación puede tener un costo de rendimiento bastante alto. Un ejemplo clásico es desactivar ciertos predictores de saltos como respuesta a Spectre. Incluso en errata públicos a veces se dejan sin corregir bugs de corrección teórica. El punto a partir del cual habría que aceptar devoluciones es muy difuso
El control de voltaje probablemente sea bastante configurable junto con la frecuencia, la temperatura y el throttling lógico, y es muy posible que lo maneje un microcontrolador completamente programable dentro del chip. Lo que está fijo en el silicio podrían ser sensores de voltaje, sensores de droop, sensores de temperatura y cosas así, y hasta eso puede comportarse de maneras inesperadas. Aun así, podría haber redundancia o pequeños mecanismos para compensar errores
No veo que Intel lo haya “encajado” como un problema de microcódigo. Lo único que dijo es que se puede corregir con un parche de microcódigo. Desde afuera es muy difícil saber qué se puede corregir razonablemente con microcódigo y qué debería llamarse problema de microcódigo. Por diseño, muchas cosas pueden corregirse con firmware o parches de microcódigo, y de hecho así se corrigen
Por ejemplo, si el circuito del sensor de voltaje del chip se comporta un poco distinto de lo previsto en el diseño, pero se puede compensar agregando un offset en una tabla, el “problema” es que el silicio se desvió del modelo o del diseño, y el silicio en sí no puede cambiarse. Aun así, una actualización de firmware puede ser una corrección completamente apropiada, e incluso podría pasar que ni en una nueva revisión de máscara vuelvan a fabricar el sensor
También sobre el problema de voltaje, Intel no dijo que hubiera solicitado un voltaje fuera de especificación, sino que era “incorrecto”. No es algo que se detecte fácilmente sin contexto. El escalado dinámico de voltaje y frecuencia y los problemas analógicos relacionados son endemoniadamente complejos. El voltaje solicitado al regulador no es lo mismo que el voltaje que realmente ve un componente específico del chip, y la carga, la conmutación, la capacitancia, la frecuencia y la temperatura influyen
Los CPU modernos operan lo más cerca posible del mínimo margen de voltaje y temporización para mejorar la eficiencia, y hacen boost hasta voltajes lo más altos posible para maximizar el rendimiento. En algoritmos complejos compuestos por muchas variables y grandes tablas multidimensionales, basta un pequeño bug o un error en los datos de caracterización para que el voltaje o la temporización se salgan de especificación y aparezca inestabilidad. No se puede medir continuamente el voltaje de miles de millones de componentes dentro del chip, así que tampoco queda un log de depuración limpio
Algunos bugs simplemente tardan mucho en encontrarse y corregirse. No fue en Intel, pero una vez encontré en un CPU comercial un bug lógico que se reproducía rápido y dejaba bloqueada de forma permanente una unidad interna del core, y aun así tomó semanas. Si se trata de un bug analógico transitorio escondido en una esquina del rango operativo, puede ser muchísimo más difícil
Después hay que crear la corrección real y correr pruebas bastante estrictas para tener una confianza razonable de que el problema quedó resuelto antes de anunciarlo. Eso suma varias semanas más
No descarto que Intel esté siendo deshonesta o que tenga malas motivaciones, pero con la información actual es imposible hacer ese tipo de suposiciones. Este anuncio suena bastante plausible
https://scholar.harvard.edu/files/mickens/files/theslowwinte...
“Por desgracia para John, las ramas hicieron un pacto con Satanás y con la mecánica cuántica [...] a cambio del último fragmento de entropía que quedaba, las ramas lanzaron un hechizo maligno sobre las futuras generaciones de procesadores. El nombre de ese hechizo era algo como ‘fuga de voltaje inducida por escalado’ y ‘calor residual en aumento’ [...] las ramas, que habían sido derrotadas hacía mucho, serían las que reirían al final”
“John se asustó por el colapso de la burbuja del paralelismo y, en Gary, Indiana, abandonó apresuradamente por tercera vez el plan del procesador de 743 núcleos ‘The Hydra of Destiny’, que por un breve instante fue una forma ideal abstracta y platónica de jugar ajedrez. Con una botella de whisky en una mano y una escopeta en la otra, John revisó la literatura académica en busca de una idea que salvara el sueño del escalado infinito. Encontró varios artículos sobre recuperación de hardware asistida por software. La idea básica era simple. Si al reducirse el hardware aumentan las fallas transitorias, ¿por qué no hacer que el software detecte los cálculos erróneos y los vuelva a ejecutar? La idea parecía prometedora hasta que John se dio cuenta de que era la peor idea de todos los tiempos. El software moderno apenas funciona incluso cuando el hardware está bien, así que encargarle al software que corrija fallas de hardware es como pedirle a Godzilla que impida que Mega-Godzilla aterrorice Japón. Esto no lleva a un aumento en el valor inmobiliario de Tokio. Es mejor simplemente dejar de escalar transistores y no jugar con monstruos desde el principio. Es mejor que crear un elaborado sistema de controles y contrapesos para monstruos y luego esperar que los monstruos no hagan lo que siempre han hecho. Si no hicieran eso, se llamarían dientes de león o abrazos de cachorro”
Claramente hay un componente de privilegio, y algunas personas atractivas reciben ese beneficio de formas predecibles, además de acceder a otros cuidados caros para mantener la salud y la apariencia. Puede que después terminemos diciéndoles algo parecido a nuestros hijos
Habrá que ver qué impacto tendrá el parche de microcódigo en el rendimiento y cómo envejecerán dentro de 6 meses o de algunos años los CPU que se vieron afectados hasta el punto de volverse inestables por sobrevoltaje
En general, subir el voltaje aumenta el margen de temporización y mejora la estabilidad. Que sea inestable con voltajes altos sugiere un nivel peligroso. Un parche de software puede reducir el voltaje a futuro, pero no puede revertir la fatiga acumulada que ya se produjo
En Intel, la diferencia entre la frecuencia base y la frecuencia boost parecía mucho mayor que en AMD en la mayoría de los casos. Eso se notaba especialmente en laptops, donde la refrigeración es una limitación mayor, y daba la impresión de que estaban empujando demasiado los límites
La configuración de núcleos de rendimiento y núcleos de eficiencia también me pareció medio engañosa, porque tiene pocos núcleos de rendimiento y muchos de eficiencia. Dicen “¡procesador de 20 núcleos!”, pero desde una perspectiva de rendimiento en realidad es casi como si fuera de 8 núcleos. Es difícil compararlo con un Ryzen de 12 núcleos con 3D cache y clocks más altos
Aun así, Intel puede seguir teniendo algunas ventajas. AMD parecía tener problemas con el soporte de ECC en su chipset actual, y por eso casi me voy por Intel. Al final decidí que la corrección de errores integrada en DDR5 era suficiente. Los gráficos de rendimiento también mostraban un throughput más uniforme, lo que daba la impresión de una ejecución más eficiente o más elegante, es decir, con menos atascos. En promedio, AMD parece entregar resultados finales parecidos, aunque sus gráficos se vean un poco más irregulares
Si baja demasiado, es peligroso porque se pierde la capacidad de pensar racionalmente, de mantenerse consciente y de recuperarse por cuenta propia. Pero aunque no exista un peligro inmediato por glucosa baja, lo que con el tiempo provoca daño orgánico es la glucosa alta
Parece significativo que hayan pospuesto el parche de microcódigo hasta después de que los reviewers de Zen5 publicaran todas sus reseñas comparándolo con el rendimiento actual de Raptor Lake
Hace recordar al Sudden Northwood Death Syndrome de 2002
Parece que la historia se repite, o al menos rima
En ese entonces los CPU funcionaban con voltaje fijo y frecuencia fija, y solo los overclockers encontraban los límites. Incluso en esa época, salvo en casos extremos, eran raros los reportes de CPU muertos por sobrevoltaje. Antes del daño real, parecía que primero aparecían el thermal throttling, la inestabilidad y el apagado (THERMTRIP), evitando el daño
Ahora los fabricantes de CPU intentan exprimir al máximo todo el rendimiento posible y, en la práctica, aplican overclock y sobrevoltaje de forma automática y dinámica desde el firmware/microcódigo. No sorprendería que un bug que pasó por alto la confiabilidad, o que fue ignorado intencionalmente, hubiera cruzado la línea. Puede que Intel hasta hace poco haya sido más conservador con el voltaje máximo absoluto, y también influye que en procesos más pequeños aumenta la posibilidad de electromigración, lo que incrementa la vulnerabilidad
Como anécdota, tuve un CPU móvil de 8.ª generación funcionando por más de 5 años al 100% de forma continua, pegado al límite térmico de 100 grados, con todos los límites de energía desbloqueados y con voltaje stock, y sigue siendo 100% estable. También ha habido casos de CPU usados durante años con el disipador obstruido o incluso desprendido, lo que parece reforzar la idea de que lo que mata a un CPU no es el calor ni la frecuencia, sino el alto voltaje
Busqué el valor máximo de VCore de los procesadores de 13.ª/14.ª generación y en la hoja de datos figura como 1.72V. Es muchísimo más alto de lo esperado para un proceso de 10nm. Para comparar, el i7 de 1.ª generación en 45nm tenía un máximo absoluto de 1.55V; en la versión de 32nm bajó a 1.4V; y en la de 22nm subió un poco a 1.52V
Era estable a 1600MHz y lo usé así durante años. Incluso podía subirlo a 1700MHz, pero a partir de ahí la estabilidad del CPU dependía de la temperatura ambiente. Cuando en verano el cuarto se calentaba más, la workstation daba kernel panics aleatorios
Pensé en eso el verano pasado cuando armé un sistema con un 13900K, ajustando la configuración con la idea de usar el CPU por 10 años
Anecdóticamente, mi CPU se usa bastante para juegos y compilación, y no he notado problemas de estabilidad. Le puse un límite de energía de 150W, perdí un poco de rendimiento, pero no fue mucho
Hace poco también se habló de un problema parecido en chips móviles de 13.ª/14.ª generación, pero Intel sostuvo que era un problema distinto
Será interesante ver cómo evoluciona
[1]: https://news.ycombinator.com/item?id=41026123
Comparado con hace unas generaciones, no me entusiasma mucho la perspectiva de comprar Intel mientras evalúo si esperar hasta reemplazarlos dentro de 5 años. Aunque las opciones de AMD para servidores también pueden ser algo limitadas, y en general tampoco sé bien cómo evaluar la posibilidad de que aparezcan más problemas sorprendentes
Después de ver https://youtube.com/watch?v=gTeubeCIwRw y contenido relacionado, personalmente no creo que sea un problema que se pueda corregir con microcódigo. Habrá que ver
Ese video es de GamersNexus y trata una afirmación no verificada de que se trata de un problema del proceso de fabricación causado por oxidación entre capas depositadas atómicamente. Si eso fuera cierto, lo que puede hacer el microcódigo sería limitado. Igual, como dice Steve en el video, la teoría de la oxidación todavía no está probada, y esto se publicó primero con la información disponible antes de que salgan las reseñas de Zen 5
¿Los CPU que recibieron altos voltajes de operación quedaron con daño permanente?
Estoy muy satisfecho con mi 7800X3D. Funciona como los viejos chips de Intel, a un máximo de unos 70 grados, un cooler por aire de 35 dólares es suficiente, y en las cargas de juego actuales es, en promedio, el chip más rápido
Considerando las absurdas tarifas eléctricas del Reino Unido, la eficiencia energética se agradece muchísimo
Me preocupaba que pudiera pasar algo así al ver que le metían demasiada energía al chip para seguir siendo competitivos
Da la impresión de que la innovación de Intel realmente se desaceleró mucho, o de que AMD logró arrinconar a Intel al adelantarse varios pasos en tecnología, marketing y patentes
Aun así, no creo que Intel esté acabada. Al menos todavía no