- A NVIDIA Tesla V100 (16 GB) de 2017 caiu para cerca de US$ 100 no eBay, virando ponto de interesse para IA local conforme mostrado pelo Hardware Haven.
- O kit incluiu um adaptador SXM2 para PCIe e um duto impresso em 3D com ventoinha Noctua, elevando a preparação a roughly US$ 235 no total.
- Em testes com modelos locais, a V100 superou RTX 3060 e RX 7800 XT em tokens por segundo em determinados cenários de LLM, mesmo com consumo maior.
- Em configuração com power limit de 100 W, a V100 atingiu cerca de 95 tokens/s, mantendo vantagem de eficiência em tokens por watt frente à RTX 3060, devido à largura de banda da memória HBM2.
- Há limitações técnicas: não tem saída de vídeo própria, consome mais em idle e utiliza driver legado; a variante de 32 GB custa entre US$ 400 e US$ 500 no mercado de segunda mão.
A GPU NVIDIA V100 de 2017, grafista de data center, voltou aos holofotes ao aparecer no mercado de IA por cerca de US$ 100. Em teste conduzido pelo canal Hardware Haven, a placa foi adaptada para um PC comum e demonstrou desempenho surpreendente em modelos de inferência de IA, superando GPUs mais novas em determinadas tarefas.
A V100, primeira a trazer Tensor Cores na linha Volta, foi apresentada pela NVIDIA em 2017 e tinha preço elevado. Hoje, em configuração de segunda mão, o hardware chega a US$ 100 com 16 GB de memória, e o conjunto completo, incluindo adaptador SXM2 para PCIe e ventilação, fica próximo de US$ 235.
A adaptação exigiu soluções não ideais para uso doméstico. O modelo SXM2 não é compatível com PCIe nativo, então foi usado um adaptador para encaixar a placa em uma placa-mãe comum. Um duto impresso em 3D e uma ventoinha Noctua foram instalados para melhorar a refrigeração.
Resultados em LLMs e comparação com GPUs modernas
Testes locais com Ollama e openwebui mostraram a V100 entregando cerca de 130 tokens por segundo em GPT-oss com 20 bilhões de parâmetros, frente 90 tokens/s da RX 7800 XT. Em Gemma 4 E4B, a V100 marcou 108 tokens/s contra 76 tokens/s da RTX 3060.
Quando o consumo de energia é considerado, a V100 registrou 293 W versus 235 W da RTX 3060, mas a eficiência por watt ficou ligeiramente superior para a V100. Em configuração com limit de potência de 100 W, a V100 entregou 95 tokens/s a 170 W totais, enquanto a 3060 caiu para 68 tokens/s a 171 W.
Geometria de desempenho e limitações técnicas
A vantagem de largura de banda favorece a V100: 898 GB/s de HBM2 contra 360 GB/s da GDDR6, o que ajuda em workloads memory-bound como inferência de LLM. No entanto, a V100 não possui saída de vídeo direta, exigindo componente adicional para inicializar o sistema com saída gráfica.
O consumo em idle fica em torno de 45 W, e o driver está em modo legacy para compatibilidade com versões antigas de CUDA. A vida útil para workloads futuros pode depender de atualizações de software e de suporte a novas ABIs.
Especificações originais e panorama de mercado
A V100 SXM2 traz 5.120 CUDA Cores, 640 Tensor Cores, memória de 16 GB HBM2 e bandwidth de 898 GB/s, com TDP de 250 W. O preço de lançamento ficava acima de US$ 10 mil, enquanto a versão com 32 GB pode alcançar entre US$ 400 e US$ 500 no mercado de segunda mão.
Para quem busca um nó dedicado a inferência local de LLMs, o conjunto V100 + adaptador + ventoinha pode representar boa relação taxa de tokens por dólar em comparação com GPUs modernas, especialmente em cenários de uso específico.
Considerações finais e perspectiva de mercado
A história da V100 mostra que hardware antigo ainda pode competir em nichos de IA, especialmente para workloads bem delimitados e com orçamento restrito. A combinação de alto desempenho em memória e custo reduzido atrai entusiastas para projetos de servidor doméstico de IA.
A empresa Hardware Haven planeja continuar testando a V100 em diferentes modelos, incluindo a variante de 32 GB. O mercado permanece volátil: quando a disponibilidade de unidades usadas cair, o custo pode subir novamente, alterando a viabilidade econômica do setup.
Entre na conversa da comunidade