128G内存扛不住35B模型？90分钟烧坏一根，9天后第二根告急

最近有位海外网友分享了个惨痛教训。他在家里的老工作站上跑35B参数的大模型，结果才用了90分钟，一根内存条就直接报废了。更糟的是，过了八九天，第二根也开始报错。这事儿发生在9月30日，网友名叫Future_Fuel_8425，他用的是一台2019年的ThinkStation P920。

这台机器配置不低，双路至强处理器，配上128GB的DDR4 ECC内存，一共16根8GB的条子。显卡方面，用的是RTX 5070 Ti 16GB版本。 说白了，之前这机器一直很稳。过去半年里，这位网友一直在跑20B以下的小模型。

那时候模型能完全塞进显存里，就算长时间高负载运转，也没出过任何岔子。直到这次，因为数据库任务的需求，他不得不换上更大的35B模型，也就是Ornith-1.5-35B-A3B。这一换，麻烦来了。模型太大，显存放不下，一部分只能溢出来，挤到了系统内存里。

结果就是，跑了仅仅90分钟，系统直接崩了。查看日志发现，第8插槽的内存条ECC错误疯狂堆积。他把这根内存条拔下来之后，系统又恢复正常了。 本以为换了根新的就能安心干活，没想到好日子没过几天。继续高强度使用八九天后，日志再次报警，提示另一根内存条也快撑不住了。

这位网友特别强调，温度绝对不是罪魁祸首。他说CPU从来没超过80摄氏度，GPU也很少突破65度。而且他还专门加了辅助散热设备，所有内存条都是同一批次的匹配条。他自己猜测，可能只是这些内存条老化太严重，实在扛不住这种长时间、高强度的连续读取压力。

不过话说回来，这位网友只晒出了CPU和GPU的温度数据，唯独没提内存本身的温度。这就有点耐人寻味了。DDR4内存的老化问题，加上长时间连续的顺序读取高负载，再考虑到内存条自身的散热条件其实挺有限的，这几个因素叠在一起，很可能才是导致内存损坏的真正元凶。

毕竟，内存条要是长期在过热状态下工作，寿命缩短那是必然的。