GPU usada para IA local: confira 128 SMs

O risco de comprar GPU usada para IA local cresceu junto com o preço das placas de 24 GB. Vendedores anunciam projetos de reparo, enviam capturas de tela bonitas e pedem pagamento antes de qualquer teste. A saída é simples: exigir que o vendedor ligue a placa numa máquina com driver instalado e rode o sample deviceQuery na sua frente, comparando a linha de multiprocessadores com o valor esperado.

Qual número separa uma RTX 4090 real de uma remarcada?

O número que separa uma RTX 4090 real de uma placa remarcada é a contagem de multiprocessadores que o driver reporta: 128 SMs numa RTX 4090 padrão de 24 GB contra 82 numa RTX 3090. Nomes, adesivos e até gravações a laser podem ser refeitos, mas a quantidade de blocos de computação faz parte de como o chip foi fabricado.

A Nvidia constrói essas GPUs a partir de blocos repetidos chamados streaming multiprocessadores, ou SMs. A RTX 4090, baseada no die AD102, é especificada com 128 deles. Já os chips GA102 usados nas placas de 30ª série param em 82 SMs na RTX 3090, 84 na 3090 Ti e 80 na 3080 Ti.

Uma analogia ajuda: pense no nome da placa como a placa de um prédio e na contagem de SMs como o número de salas internas. Repintar a fachada é barato, mas um prédio de 84 salas não vira um de 128. A ressalva é que esse número diz qual chip você tem, não a velocidade dele.

Para ler a contagem, você pergunta ao driver em vez de olhar a etiqueta. O runtime CUDA da Nvidia define uma estrutura chamada CUDA device prop, com um campo multiprocessorCount documentado como o número de multiprocessadores do dispositivo. O sample deviceQuery, que acompanha o NVIDIA CUDA Toolkit, apenas imprime essas propriedades.

A documentação define o campo, mas não explica como o driver chega ao valor, e não há teste público registrado que tenha rodado um sample falso por ele. A afirmação de que uma placa falsa não passa é uma inferência a partir do layout do die, não uma medição verificada.

Duas variantes legítimas ficam fora da regra dos 128. A RTX 4090D, versão para o mercado chinês, tem 114 multiprocessadores, então uma unidade vendida como 4090 comum reprova no teste. Também existem 4090 modificadas com 48 GB de VRAM, o que restringe a regra a placas padrão de 24 GB.

Os três tipos de RTX 4090 falsa que circulam

Os três tipos de RTX 4090 falsa que circulam são a placa nua com pacote falso, o chip GA102 lixado e regravado como AD102 e a placa de 30ª série modificada. Cada um engana um tipo diferente de verificação, e só o primeiro nunca liga.

O caso noticiado em outubro de 2026 descreve uma placa comprada por 30 mil rublos, cerca de US$ 350, e enviada como projeto de reparo. Depois de dessoldar o pacote da GPU, não havia chip algum sob a tampa metálica, e a memória parecia GDDR6 em vez da GDDR6X da placa real. Vender a placa sem cooler é uma forma prática de garantir que ninguém descubra se ela funciona.

O segundo tipo usa uma GPU que funciona, mas mente sobre a identidade. A PC Guide documentou em julho de 2024 um caso em que um chip de 3080 Ti teve a marcação antiga polida e regravada a laser como AD102, com troca de memória junto.

O terceiro tipo parte de doadoras de 30ª série. A TechSpot relata um técnico que recebeu quatro 4090 com defeito e descobriu que três eram adaptadas de peças de 3090 e 3080, cada uma comprada por cerca de US$ 1.394. São GPUs reais rodando como o modelo errado, então uma placa que liga não prova quase nada.

A tabela abaixo resume o que cada tipo faz e como escapar dele.

Tipo de falsificação	Liga?	Como detectar
Placa nua, pacote falso	Não	Exigir teste ao vivo antes de pagar
Chip regravado (AD102 falso)	Sim	Contagem de SMs abaixo de 128
Doadora de 30ª série modificada	Sim	Contagem de SMs de 80, 82 ou 84

Por que GPU-Z e capturas de tela não bastam

O GPU-Z e capturas de tela não bastam porque leem identificadores que podem ser falsificados, e uma RTX 3090 legítima carrega a mesma memória GDDR6X de 24 GB que uma 4090. Ferramentas genéricas ajudam a flagrar o tipo errado de memória, mas não provam qual chip está sob a tampa.

O próprio detector de placas falsas do GPU-Z foi criado em 2018 para pegar chips antigos regravados como modelos mais novos, com exemplos como G84 e G92 numa lista publicada. Guias de compra de 2026 recomendam combinar o GPU-Z com um benchmark, o que é razoável até certo ponto.

A limitação aparece quando você compara 3090 e 4090 lado a lado. As duas trazem 24 GB de GDDR6X, então tamanho e tipo de memória não separam as duas. A única linha de memória que difere é a largura de banda: 936 GB/s na 3090 e 1.008 GB/s na 4090.

Esse número aparece em anúncios e capturas, ou seja, é mais um dado que o vendedor pode digitar. Ele não substitui uma contagem que o seu próprio driver lê da placa. A verificação precisa acontecer ao vivo, na sua máquina ou numa tela que você acompanhe o vendedor operar, nunca numa imagem enviada por mensagem.

A sequência prática em três passos:

1. Ligue a placa numa máquina com driver CUDA instalado e rode o sample deviceQuery.
2. Localize a linha de multiprocessadores e compare com 128 para uma 4090 de 24 GB.
3. Abra o GPU-Z como segunda olhada, sabendo que uma tela limpa não anula uma contagem abaixo de 128.

Quanta VRAM seu modelo realmente ocupa?

A VRAM que seu modelo ocupa sai de duas contas: parâmetros vezes bytes por parâmetro para os pesos, mais o cache KV do contexto. Em 16 bits cada peso ocupa cerca de 2 bytes; no formato comprimido Q4_K_M, cerca de 0,6 byte por peso.

Um modelo de 70 bilhões de parâmetros pede perto de 140 GB em 16 bits e aproximadamente 42 GB comprimido em Q4. Isso já responde à pergunta central de compra: nenhuma placa única de 24 GB carrega um modelo de 70B em Q4, seja uma 3090 ou uma 4090.

O cache KV guarda dados de atenção para cada token de contexto e cresce rápido. Para o Llama 3.3 de 70 bilhões em 16 bits, o cache fica em torno de 2,6 GB com 8K tokens e cerca de 41 GB com 128K tokens. Contexto longo é a forma mais cara de dizer "como conversamos antes".

Um modelo de 30 bilhões em Q4 ocupa cerca de 18 GB de pesos. Com a sobrecarga habitual de 15% a 20%, isso vira uns 21 GB, o que cabe numa placa de 24 GB com alguma folga para contexto.

Para fazer essa conta com os seus próprios números, use a fórmula padrão: parâmetros × bytes por parâmetro, mais o cache KV. A conta é aritmética simples, mas depende do formato de quantização e do tamanho do contexto que você pretende usar.

Largura de banda: a 4090 é só 8% mais rápida?

Nesta conta de teto, a RTX 4090 fica cerca de 8% acima da RTX 3090 na geração de tokens, porque a decodificação depende da velocidade com que os pesos saem da memória. A Databricks explicou em outubro de 2023 que o tempo por token é aproximadamente o tamanho do modelo mais o cache dividido pela largura de banda.

O exemplo da Databricks usa um modelo de 7 bilhões em 16 bits, que move 14 GB por token. Divida os 936 GB/s da 3090 por um modelo de 20 GB e você chega a um teto perto de 47 tokens por segundo. A mesma conta dá à 4090, com 1.008 GB/s, um teto próximo de 50 tokens por segundo.

Uma RTX 5060 Ti, com 448 GB/s, chega a cerca de 22 tokens por segundo nesse mesmo modelo, embora ele não caiba nos seus 16 GB. Todos esses valores são tetos calculados, não benchmarks medidos. Eles ignoram o processamento do prompt, que é um trabalho separado e não entra nessa fórmula.

Trate a largura de banda como critério de desempate, não como veredito. Capacidade decide se o modelo carrega, largura de banda decide a que velocidade ele responde. Por isso o custo por gigabyte funciona como primeiro filtro e a banda como segundo.

Custo por gigabyte: qual GPU usada para IA local compensa

O custo por gigabyte coloca a RTX 3060 usada na frente e a RTX 4090 no fim da fila, segundo instantâneos de agregadores de preço entre o fim de setembro e 11 de outubro de 2026. Os preços variam 30% ou mais entre rastreadores, então cada valor por GB é aritmética simples sobre um número que se move.

Uma RTX 3060 usada de 12 GB sai por cerca de US$ 290, o que dá aproximadamente US$ 24 por gigabyte. É a memória mais barata da lista e também o menor conjunto. Já uma RTX 5060 Ti de 16 GB aparece entre US$ 580 e US$ 650, algo entre US$ 36 e US$ 41 por gigabyte, sem que os instantâneos digam se o preço é de placa nova ou usada.

Uma RX 7900 XTX usada de 24 GB fica perto de US$ 975, cerca de US$ 41 por gigabyte. Lembre que o deviceQuery pertence ao ferramental CUDA da Nvidia, então ele não ajuda a verificar uma placa AMD.

As 3090 usadas ficam entre US$ 1.199 e US$ 1.450 conforme o rastreador, o que dá cerca de US$ 50 a US$ 60 por gigabyte pelos mesmos 24 GB de GDDR6X. Mesmo no preço mais baixo, perto de US$ 2.070, uma 4090 usada sai a aproximadamente US$ 86 por gigabyte. A US$ 2.800, cada um dos seus 24 GB custa cerca de US$ 117.

Placa	VRAM	Preço (US$)	US$ por GB	Banda
RTX 3060 usada	12 GB	~290	~24	360 GB/s
RTX 5060 Ti	16 GB	580–650	36–41	448 GB/s
RX 7900 XTX usada	24 GB	~975	~41	960 GB/s
RTX 3090 usada	24 GB	1.199–1.450	~50–60	936 GB/s
RTX 4090 usada	24 GB	~2.070–2.800	~86–117	1.008 GB/s

Usando os valores dos rastreadores, uma 3090 sai de 30% a 57% mais barata por gigabyte que uma 4090, com os mesmos 24 GB. Em janeiro de 2026, o XDA Developers defendeu a 3090 usada como escolha de custo-benefício a cerca de US$ 800; com os preços atuais, esse argumento perdeu força, mas a comparação relativa segue válida.

Rumor do RTX 5090 deve mudar sua decisão?

O rumor de que a Nvidia pode encerrar a venda da RTX 5090 não deve mudar sua decisão de compra, porque nenhuma das duas afirmações foi confirmada pela fabricante. Dois perfis no X publicaram, em 10 de outubro de 2026, versões diferentes dessa história, e ambas continuam no campo da especulação.

Uma das postagens diz que todo o fornecimento futuro de GB202 vai para a linha RTX Pro. A outra afirma ter uma nota de fábrica segundo a qual todo modelo 5090 sai de linha e a 5080 de 24 GB passa a ser a GeForce de topo. Nenhuma das duas tem confirmação oficial.

Mesmo que o rumor se concretize, o estoque existente pode continuar sendo vendido. Deixe o rumor fora do seu orçamento e trate qualquer anúncio que use escassez como prazo final com desconfiança redobrada. Urgência fabricada é uma ferramenta clássica de quem vende placa falsa.

O que muda a sua decisão é o modelo que você pretende rodar. Se o seu caso pede 24 GB numa placa Nvidia, a compra mais equilibrada é uma 3090 usada que reporte 82 multiprocessadores. Se 16 GB bastam, a 5060 Ti entre US$ 580 e US$ 650 é o caminho mais barato, ainda que os 448 GB/s reduzam o teto de velocidade. Para quem está começando, uma 3060 de US$ 290 entrega 12 GB com o menor dinheiro em risco.

Perguntas frequentes

• Qual número devo olhar para saber se uma RTX 4090 é real? É a contagem de multiprocessadores reportada pelo driver: 128 SMs numa RTX 4090 padrão de 24 GB. Uma RTX 3090 remarcada mostra 82, uma 3090 Ti mostra 84 e uma 3080 Ti mostra 80. O valor vem do silício e não pode ser reescrito por BIOS ou gravação a laser.

• O GPU-Z consegue detectar uma RTX 4090 falsa? Ele ajuda a flagrar o tipo errado de memória e o barramento, mas não é prova suficiente. Uma RTX 3090 legítima tem os mesmos 24 GB de GDDR6X de uma 4090, então tamanho e tipo de memória não separam as duas. Uma tela limpa de GPU-Z nunca anula uma contagem de SMs abaixo de 128.

• Uma RTX 4090 roda um modelo de 70B em Q4? Não. Um modelo de 70 bilhões em Q4 ocupa cerca de 42 GB só de pesos, acima dos 24 GB de qualquer placa única. Nem a 3090 nem a 4090 carregam esse modelo sem dividir camadas entre placas ou recorrer à memória do sistema.

• Quanto preciso pagar para começar em IA local? Se 12 GB bastam para os seus modelos, uma RTX 3060 usada de cerca de US$ 290 é o menor risco de entrada, segundo instantâneos de preço de outubro de 2026. Para 24 GB, o custo sobe bastante: as 3090 usadas ficam entre US$ 1.199 e US$ 1.450.

• Posso confiar no pagamento antes de testar a placa? Não. Mantenha o pagamento reversível até o deviceQuery ter rodado numa máquina com driver instalado. Se o vendedor não deixar a placa ligar antes de o dinheiro sair, trate o anúncio como o tipo de placa nua com pacote falso até prova em contrário.

Source video