Работника жилищно-коммунальной службы подозревают в том, что он установил майнинговое оборудование в служебных помещениях учреждения, обслуживающего военный городок.

По версии следствия, оборудование работало около года — в 2025–2026 годах. Значительная часть энергоресурсов уходила на личные цели, а Минобороны был причинён особо крупный ущерб. Дело возбудили по ч. 4 ст. 159 УК РФ — мошенничество в особо крупном размере.

Расследование продолжается, сумму ущерба и количество устройств публично не назвали.

Началось всё с генеральной уборки. Лезу на антресоли, а там - коробка. Не просто коробка, а Коробка. С десятью Gigabyte RX 580 Gaming на 8 гигов. Rev 1.1, если вы понимаете о чём я. Серая металлическая броня, кастомные вентиляторы, приделанные на пластиковых стяжках и такой конкретный слой пыли, что сразу вспоминается 2017-й - бум крипты, когда эти карты продавались по цене внедорожника, а я, молодой и наивный, собрал ферму на балконе. Эфир.. Жена тогда говорила, что я либо разбогатею, либо сгорим. Поджарился только пукан, на счетах за свет, а карты остались. Крипта упала, хотя что-то я успел вывести.. Тогда ферма окупилась.. я разобрал риги, спрятал всё на антресоль и благополучно забыл на восемь лет.

А тут - нейросети. ChatGPT, Stable Diffusion, вся эта движуха. И я подумал: блин, у меня же десять видеокарт. Восемь гигов каждая. В сумме - восемьдесят гигов видеопамяти! Это ж, по идее, какая-то махина должна получиться. Суперкомпьютер в гараже. Запущу 70-миллиардную LLaMA, буду свой ChatGPT дома держать, может даже соседям за Wi-Fi продавать. Ну, вы поняли - я опять стал молодым и наивным.

Что это за зверь, коротко

Для тех, кто не в теме: видеокарты Radeon RX 580 - это архитектура Polaris, или GCN 4.0. Выпускалась в 2017 году. 8 гигов GDDR5, пропускная способность памяти где-то 256 ГБ/с, вычислительная мощность около 6 терафлопс в FP32. Когда она вышла, это была рабочая лошадка для 1080p-гейминга. Сейчас, в 2026-м, это, конечно, антиквариат. Но антиквариат рабочий - карты-то заводятся, вентиляторы крутятся, и даже пыль вроде бы не убила чипы за восемь лет хранения.

Первым делом я их отмыл. Не полностью, конечно - не до уровня капитального ремонта с перекаткой термопрокладок, но продул компрессором, поменял термопасту (которая превратилась в плитку шоколада), и стал думать - как это всё подключить. Потому что десять карт - это не просто "воткнул в материнку". Моя текущая рабочая станция имеет три слота PCIe, и то один из них x4. Для десяти карт нужны райзеры, разветвители, и, самое главное, блок питания. Или два. Или три. Потому что каждая RX 580 жрёт под 185 ватт в пике. Десять карт - это полтора-два киловатта только на них. Плюс система. Плюс монитор, если вдруг понадобится. Короче, счет за свет снова начал сниться мне кошмарами, но это лирика. Ну хотя как “лирика”, за это время свет подорожал больше чем х2.. С 3.77 примерно на 8.90 (будет через месяц).. Примерно 6.5 и 10.2 цента.. На той же антресоли откопал серверный блок питания, стал вспоминать, каким контроллером он запускается, паутину из проводов, ригов и дополнительных проводочков стал распутывать.. Стал дёргать ии вопросами, что как в современном мире..

Попытка первая: "Я запущу ChatGPT дома!"

Пошёл я по пути классического энтузиаста. Скачал Ollama. Потому что Ollama - это же просто, там одна команда в терминале, "ollama run llama3.1", и вроде как всё летает. Запускаю на своей основной машине (там RTX 3070, кстати, живёт) - работает. Красота. Думаю, сейчас перенесу всё на ферму, подключу десять RX 580, и пойду в рай. В хорошем смысле.

Ага. Щас.

Ollama, как выяснилось, под Linux использует либо CUDA (для Nvidia), либо ROCm (для AMD). И тут я впервые столкнулся со стеной. AMD, оказывается, официально убила поддержку Polaris в ROCm ещё в пятой версии. То есть мои RX 580 - это как бы AMD, но “не такие” AMD. ROCm требует более новые карты, на архитектуре CDNA или RDNA. А Polaris - это старая школа, GCN. И современный PyTorch, современный Ollama, vLLM, Text Generation Inference - всё это на Polaris просто не стартует. Я часа три плясал с бубном вокруг драйверов amdgpu-pro, пытался заставить ROCm 4.x работать на современном Ubuntu 24.04, и чуть не сломал систему. Заработало .. Ну, как сказать… работает, но только если вы готовы сидеть на древнем ядре Linux и древнем ROCm, который не умеет современные модели. Короче, тупик.

Есть, кстати, ещё вариант с DirectML на Windows. Я даже попробовал ComfyUI через DirectML - запускается, но работает так, будто карта не RX 580, а встроенное видео 2010 года. И проект ZLUDA (который транслирует CUDA в ROCm) - он тоже не спасает, потому что ZLUDA опирается на... правильно, на ROCm. А его нет. Короче, весь этот путь - в мусор.

Спасение: llama.cpp и Vulkan

Тут я вспомнил про старого доброго товарища - llama.cpp. Это такой проект, который изначально делался для запуска LLM на CPU, но потом оброс бэкендами подо всё. И есть там Vulkan-бэкенд. Vulkan - это низкоуровневый графический API, который работает почти везде. И на RX 580 тоже.

Собрал llama.cpp с флагом `GGML_VULKAN=ON`. Запускаю. И - охренеть - работает.

Скачал LLaMA 3.1 8B Instruct в квантовании Q4_K_M (это такой формат, который сжимает веса модели, жертвуя чуть-чуть качества, но зато влезает в память). Запускаю на одной RX 580 через Vulkan, и карта выдаёт примерно 15-20 токенов в секунду на генерации. Для домашнего чат-бота - более чем. Можно разговаривать, можно код писать, можно рецепты борща спрашивать. Восемь гигов памяти как раз хватает для 8B-модели в Q4_K_M с небольшим контекстом.

И тут я понял главное: если у меня десять карт, я могу запустить десять независимых инстансов. То есть не одну большую модель (об этом позже), а десять маленьких, но рабочих серверов. Поставил Nginx как балансировщик, поднял на каждой карте свой `llama-server` на отдельном порту, и получил домашний кластер для 8B-моделей. Для команды разработчиков, для тестирования, для агентов - это реально полезно. Десять параллельных запросов одновременно, без очереди.

Но, конечно, мне было мало. Я же хотел 70B модель. Я же хотел большой ИИ.

Попытка вторая: "А давайте 70B запустим?"

Скачал LLaMA 3.3 70B Instruct, тоже в Q4_K_M. Весит она где-то 35-40 гигабайт. Вроде бы влезает в 80 гигов моей фермы. Запускаю llama.cpp с параметром `-ngl 99` (чтобы все слои модели ушли на GPU), и...

Работает.

Но. Но… еще одна разбитая клавиатура…

Скорость - примерно 1-3 токена в секунду. ОДИН - ТРИ! Это примерно одно слово в секунду. Диалог в таком темпе напоминает переписку с марсианином через радиотелескоп. Ты задаёшь вопрос, идёшь заваривать чай, возвращаешься - а он ещё думает.

Почему так медленно? Потому что llama.cpp на десяти RX 580 через Vulkan работает в режиме pipeline parallelism (или layer split). Это значит, что слои нейросети раскидываются по картам: первая карта считает слои 0-10, передаёт результат второй, вторая считает слои 11-20, передаёт третьей, и так далее. В каждый момент времени работает только одна карта. Остальные девять простаивают и ждут. И передача данных между ними идёт через PCIe, который на этих картах (особенно через райзеры x1) - узкое горлышко.

Я пытался ускорить через tensor parallelism (когда все карты работают одновременно, разбивая матрицы), но это требует NVLink или хотя бы быстрый interconnect. У RX 580 нет NVLink. У них даже нет SLI/CrossFire в современном понимании. Через Vulkan это не работает. Так что 70B модель запускается - но как эксперимент, а не как рабочий инструмент.

30B модель, кстати, влезает на 4-5 картах. Тоже работает, тоже не быстро, но для тестов сойдёт.

Stable Diffusion: можно, но медленно

Дальше я решил картинки генерировать. Скачал `stable-diffusion.cpp` - это такой же порт, как llama.cpp, но для картинок. Vulkan-бэкенд, запускаю SD 1.5 в формате GGUF.

Результат: картинка 512×512 генерируется примерно 72 секунды.

Для сравнения: на моей RTX 3070 та же картинка - за 3-5 секунд. На RX 580 - минута с лишним. FLUX.1 schnell (это более новая модель) - вообще 14 минут на одну картинку.

Десять карт = десять потоков генерации. То есть если мне нужно сгенерировать 100 превьюшек для какого-то проекта - я ставлю пакетную обработку, и за ночь оно нагенерирует. Но для интерактивного "нарисуй мне кота" - это боль.

Кстати, про ComfyUI и Automatic1111 - забудьте. Они требуют либо CUDA, либо ROCm. На RX 580 не заведутся нормально. Только `stable-diffusion.cpp` или аналогичные порты на Vulkan. И из-за энергонеэффективности это куча сожжённого электричества.. дешевле подписка на генерирующую модель..

Видеотранскодинг: тут unexpectedly хорошо

Круто! Реально круто!

А вот тут меня ждал сюрприз.! Оказывается, у RX 580 есть аппаратный видеокодер AMD VCE (Video Coding Engine). Он умеет кодировать H.264 и HEVC (H.265) на лету, не нагружая основные вычислительные блоки.

Я поднял ffmpeg-ферму. Каждой карте даю свой файл, она через VAAPI/AMF кодирует в HEVC с нужным битрейтом. Десять карт = десять параллельных потоков перекодирования. У меня завалялся архив старых видео с GoPro - сотни гигабайт в несжатом или слабо сжатом видео. Я их пакетно перегнал в HEVC, и сэкономил дискового пространства процентов 60. При этом CPU почти не напрягался - всё делали видеокарты. Хоть какой профит..

Если вы работаете с видео, если у вас есть архивы, если вы делаете рипы или готовите контент для стриминговых сервисов (нужны версии в разных битрейтах) - это реально полезное применение. RX 580 для этого подходят идеально. Запишем в книжечку.

Hashcat: для тех, кто в теме безопасности

Поставил Hashcat. Он работает через OpenCL, и Polaris в OpenCL ещё как-то держится.

На одной RX 580:

- MD5: около 6-8 миллиардов хешей в секунду

- WPA2 (Wi-Fi): 120-150 тысяч попыток в секунду

- NTLM: 10-12 миллиардов в секунду

На десяти картах - умножаем. Это серьёзная мощность для аудита безопасности, пентестов, проверки резистентности паролей. Легально, востребовано, и карты тут чувствуют себя как рыба в воде. Ну, довольно узкая ниша, нужно иметь под это заказчиков… и не из даркнета, а по договору.. Нам проблем не надо.

Рендеринг: LuxCoreRender, но не Blender

Тут я обломался. Blender, начиная с версии 3.0, выкинул OpenCL и перешёл на HIP. А HIP для архитектуры Polaris не существует. То есть в Blender Cycles мои десять карт - просто зрители. Они не рендерят.

Но есть отдельный движок - LuxCoreRender. Он до сих пор поддерживает OpenCL, и на RX 580 работает. Я поднял десять рендер-нод, и они через сеть рендерят сцены. Не Cycles, не Eevee, но если вы не привязаны к Blender-шейдерам - вполне рабочий инструмент. Для архвизов, для анимаций, где не нужны специфичные фичи Blender - пойдёт.

BOINC и наука: карма вместо денег

Поставил BOINC. Это такая платформа распределённых вычислений - Einstein@home, MilkyWay@home, Asteroids@home, GPUgrid. RX 580 поддерживает OpenCL 2.0, и многие проекты на нём работают.

С Folding@home, кстати, оказалось сложнее. Он требует OpenCL 1.2+, а встроенные драйверы Mesa в Linux дают только OpenCL 1.1. Чтобы заработало, нужны проприетарные драйверы amdgpu-pro или старые Radeon Pro Drivers с ROCm 4.x. Я не стал заморачиваться, потому что BOINC-а мне хватило.

Денег это не приносит, но мысль, что мои два киловатта где-то ищут гравитационные волны или моделируют галактики - приятная. Кому нужна карма и интересно заниматься этим, то хорошее дело.

Майнинг на rx580 в 2026-м: только если электричество даром

Ну, конечно, я проверил. Ради старой дружбы.

Смотрю на whattomine и аналоги. RX 580 в 2026 году при цене электричества 6-8 рублей за кВтч (или 0.08-0.10) приносит отрицательную прибыль. То есть она добывает, например, какой-нибудь NIR или ETC, но электричество стоит дороже, чем стоит намайненное. Где-то 0.10-0.20 в день(!) с карты, а счет за свет вгоняет в глубокий минус.

Если у вас есть бесплатная розетка (солнечные панели, работа оплачивает, или вы живете рядом с ГЭС) - тогда да, можно копать что-то вроде FLUX или ETC. Но в реальных условиях - это хобби для альтруистов. Есть ещё тема с криптокотлами, но там, опять же, лучше ставить железку-майнер и этим котлом надо что то греть, а в городской квартире греть нечего… ну, опять возвращаюсь к тому, что у меня была тема именно приспособить конкретные имеющиеся на руках железки..

Что я НЕ смог сделать (и почему)

Честно скажу - есть вещи, которые я либо не проверял лично, либо знаю, что не работают, но не экспериментировал до конца:

- Fine-tuning / обучение моделей. Теоретически, через какие-то древние версии PyTorch с ROCm 4.x можно попытаться, но я не нашёл рабочего способа запустить LoRA или полноценный файнтюн на Polaris. Backward pass (обратное распространение ошибки) в Vulkan/OpenCL для трансформеров - это боль, и никто это нормально не реализовал. Так что учить модели на этой ферме - скорее всего, нет.

- Ollama, vLLM, Text Generation Inference. Все они требуют ROCm или CUDA. На RX 580 - никак.

- Игровой ИИ, DLSS-аналоги, FSR3 frame generation. Всё это требует современных архитектур. Polaris тут беспомощен.

- Децентрализованные сети вроде Render Network или Livepeer. Они обычно требуют карты поновее. Не проверял лично, но в списках поддерживаемых GPU Polaris я не видел.

Энергопотребление: цифры, от которых хочется плакать

Давайте посчитаем вместе, чтобы вы понимали масштаб трагедии.

- Одна RX 580: 185 ватт в пике

- Десять карт: 1850 ватт

- Системы (CPU, RAM, диски, райзеры, вентиляторы): ещё 200-250 ватт

- Итого: два киловатта постоянной нагрузки

За сутки - 48 кВтч. За месяц - 1440 кВтч. Это как два мощных кондиционера, работающих круглосуточно. Если у вас нет промышленного тарифа или солнечных панелей - счет за свет будет конкретным.

Блоки питания: для такой фермы нужно либо два серверных БП по 1200 ватт, либо один майнинговый на 2400 ватт. И обязательно open-frame корпус или стойка, потому что в закрытом корпусе десять карт превратятся в печь за пять минут. Ну или, по дикому, можно на длинных проводочках пространственно распределить на проволочках подвесить и будет такая пространственная конструкция.. Выглядит дико, занимает кучу места.. У меня на балконе стоит отдельный вентилятор, гоняющий воздух через риг, иначе температура под 90 градусов лезет. А при перегреве карты могут сдохнуть, это не надо..

Вывод: что же делать с десятью RX 580?

После двух недель экспериментов я пришёл к такой картине.

Если вы хотите одну быструю большую нейросеть (70B модель, которая отвечает быстро) - продавайте. Серьёзно. Продайте восемь карт, докиньте денег, купите одну RTX 3090/4090 на 24 гига или RX 7900 XTX. Будет счастье, скорость, и никаких танцев с Vulkan. (Не является инвестиционной рекомендацией, цены могут измениться)

Если же ваши задачи параллелятся - то есть вам нужно много независимых потоков, а не один сверхбыстрый - тогда ферма жива. Вот реальные сценарии:

1. Десять LLM-серверов с 8B моделями для команды/друзей/лаборатории. Через llama.cpp + Vulkan + балансировщик. Работает, летает, полезно.

2. Видеотранскодинг-ферма. Самый неожиданно практичный сценарий. VCE кодирует, не напрягая CPU, и делает это быстро.

3. Hashcat-ферма для пентестов. Если вы в информационной безопасности - это рабочий инструмент.

4. Рендер-ферма через LuxCoreRender. Не Blender, но если вы готовы пересесть - работает.

5. BOINC и наука. Для души. Для тех, кому важно, что GPU считает что-то полезное, а не просто греет воздух.

6. Облачный гейминг. Десять сессий Sunshine/Apollo для LAN-вечеринок. Требует мощного CPU и сети, но возможно.

7. Майнинг. Только при бесплатном электричестве. Иначе - спонсор энергокомпании.

Продажа карт на Авито

Масса объявлений стоит по 2000 рублей за карту.. некоторое количество от 4, 5 до 7, 5 тысяч. Таким образом, продав 10 карт можно получить максимум 75000, и плюс-минус.

Rtx 3090 на 24 гб стоит от 60 до 80.. Гораздо более быстрая карта но памяти в 3 раза меньше чем было. Надо смотреть применимость и отсюда делать вывод, что важнее: 10 потоков и 80 гб общий объём памяти или быстродействие на одной карте и 24 гб.

Иногда стоит пробовать продавать именно оптом, одним лотом: кому-то это может оказаться более удобным и он заплатит больше, чем искать у разных продавцов разрозненные карты и каждый раз платить за доставку..

Если у вас тоже завалялись старые карты - не выбрасывайте. Они ещё могут. Но будьте реалистами: это не суперкомпьютер, это десять старых, но верных рабочих лошадок. Каждая по отдельности тянет свою телегу. А вместе - они просто десять телег.

---

P.S. Если кто-то знает, как заставить Polaris делать fine-tuning через что-то отличное от ROCm - пишите в комменты. Я перепробовал всё, что нашёл, но, может, есть какой-то шаманский способ, о котором Google молчит. И да, я знаю, что лучше продать. Жена тоже знает. Но продать - это же скучно, правда?

Да, реально, ребят если у кого то похожая боль была и есть варианты как сейчас это использовать энергетически и экономически эффективно буду очень рад увидеть идеи в комментариях.

Генеративный ИИ, конечно, применялся как для создания “сложных букв”, так и для проверки грамматики. В современном мире, безусловно, проще воспользоваться ИИ, чем тратить время на изучение множества форумов в поисках информации. Без подобного инструмента исследования бы затянулись гораздо на больший срок и, скорее всего, сломав больше клавиатур я бросил бы все это на полпути..