Smettete di cercare il miracolo nel reparto hardware, perché la notizia che arriva da AMD è più simile a un esperimento di sopravvivenza che a un vero salto generazionale.

Secondo quanto trapelato (e confermato dalle ultime indiscrezioni su Gizmodo), la nuova RX 9070 GRE non è altro che un tentativo disperato di AMD di gestire la scarsità di GPU sul mercato. In pratica, invece di darci una scheda che faccia saltare i transistor, hanno deciso di prendere una GPU di fascia alta, castrarla in qualche punto critico e chiamarla ‘GRE’. È un po’ come se io provassi a costruire una CNC per la stampa 3D usando solo i motori recuperati da una vecchia stampante inkjet e poi cercassi di convincervi che sia un mostro di precisione.

Il problema non è il concetto di ‘versione economica’ — noi che amiamo smanettare con l’hardware sappiamo che il downgrade è una pratica comune. Il problema è il ‘perché’. Se il mercato è in sofferenza di supply, perché la soluzione deve essere necessariamente una versione depotenziata che costringe l’utente a compromessi pesanti? È il classico approccio corporate: invece di risolvere il collo di bottiglia della produzione, creano un prodotto ‘di riempimento’ per mantenere i margini, sperando che il marketing faccia il resto.

Per noi che passiamo le notti su Godot o a renderizzare scene complesse in Blender, questa è una notizia che fa venire il nervoso. Quando lavori con la grafica 3D, il calcolo dei ray-tracing e la gestione della memoria VRAM non sono optional che puoi ‘tagliare’ per risparmiare. Se tagli i nodi o riduci la larghezza di banda, non stai solo facendo risparmiare soldi all’azienda, stai rendendo la vita un inferno a chi deve far girare progetti seri senza che il PC esploda.

In definitiva, la 9070 GRE sembra l’ennesimo trucco per far sembrare le prestazioni accettabili su carta, mentre nella pratica ti ritroveresti con un hardware che fatica non appena provi a spingere qualcosa oltre il minimo sindacale. Se cercate potenza bruta, meglio continuare a tenere d’occhio il mercato dell’usato o sperare che i vecchi mostri della generazione precedente tengano botta. Non fatevi abbindolare dal nome: è solo un altro modo elegante per dire ‘abbiamo tagliato i costi’.

Source: AMD’s RX 9070 GRE Graphics Card Is a Compromise No Matter How You Slice It

Ecco una notizia che farà drizzare le antenne a tutti gli appassionati di hardware e sicurezza: gli attacchi Rowhammer sono tornati, ma questa volta hanno preso di mira le GPU Nvidia. Sì, avete capito bene, non più solo la RAM, ma anche i vostri amati schemi video.

GDDRHammer, GeForge e GPUBreach sono i nuovi nomi che dovreste iniziare a temere (o almeno rispettare). Questi attacchi sfruttano le vulnerabilità nelle memorie GDDR delle GPU per ottenere il controllo completo dei sistemi. In pratica, stiamo parlando di un modo per hackerare la CPU attraverso la GPU. Non male, eh?

Se siete tra quelli che pensano che la sicurezza hardware sia roba da nerd con troppo tempo libero, forse è il momento di ricredervi. Questi attacchi dimostrano che anche i componenti più avanzati possono diventare punti deboli in un sistema.

Ma cosa significa per noi smanettoni? Beh, prima di tutto, significa che dobbiamo stare ancora più attenti quando facciamo overclocking o modding sulle nostre schede video. E sì, anche se usate una GPU Nvidia per fare rendering 3D o giocare, non siete immuni.

Nvidia, da parte sua, ha già rilasciato alcuni aggiornamenti, ma sappiamo tutti come vanno queste cose: patch oggi, nuove vulnerabilità domani. Il problema è che, mentre i vendor continuano a correre dietro alle vulnerabilità, noi utenti siamo costretti a fare i conti con hardware che potrebbe non essere così sicuro come pensavamo.

Per chi ama metter le mani in pasta, questo è un altro motivo per esplorare alternative open-source o soluzioni più trasparenti. Perché, diciamocelo, la sicurezza è come il sesso: meglio farlo con qualcuno di cui ti fidi.

In conclusione, tenete gli occhi aperti, aggiornate i vostri driver e, soprattutto, non date per scontato che la vostra GPU sia un’isola felice. Il mondo della sicurezza hardware è un campo minato, e questi nuovi attacchi sono solo l’ultima prova.

Source: New Rowhammer attacks give complete control of machines running Nvidia GPUs

Avete mai provato a rendere del testo su schermo con una qualità tale da far invidia a un tipografo professionista? Bene, l’algoritmo Slug lo fa da 10 anni, e non smette di stupire (o almeno, così dicono).

Il Slug Algorithm, nato nel 2016, ha rivoluzionato il modo di renderizzare font direttamente dalle curve di Bézier sulla GPU, senza passare per texture precalcolate. E dopo un decennio, il suo creatore, Eric Lengyel, ci racconta come è cambiato e cosa bolle in pentola per il futuro.

Se siete come me, probabilmente avete già fatto un sospiro di sollievo pensando a quanto sia bello non dover più lottare con texture map e antialiasing approssimativo. Ma andiamo con ordine.

L’evoluzione del rendering
Il punto di forza di Slug è sempre stato la capacità di produrre testo e grafica vettoriale di altissima qualità, senza artefatti e con performance da far invidia ai motori grafici più moderni. Il tutto, senza dover pre-rendere texture e gestire problemi di precisione dei numeri in virgola mobile.

La vera magia sta nel modo in cui Slug gestisce gli errori di approssimazione, mantenendo sempre una qualità impeccabile, indipendentemente dalla scala o dall’angolo di visualizzazione. E sì, anche se vi sembra una cosa da poco, provate a fare lo stesso con un motore grafico casereccio e vedrete quante notti bianche vi aspettano.

Cosa significa per noi smanettoni
Se siete appassionati di sviluppo di giochi, strumenti CAD o qualsiasi altra cosa che richieda un rendering di testo di alta qualità, Slug potrebbe essere una manna dal cielo. Ma attenzione: il software è proprietario e le licenze non sono proprio economiche.

Quindi, se da una parte è bello sapere che esiste una soluzione così robusta e potente, dall’altra dobbiamo fare i conti con il solito problema del vendor lock-in. Per non parlare del fatto che, se volete implementare l’algoritmo per i vostri progetti, dovrete probabilmente sborsare una bella sommetta.

La domanda che ci poniamo è: vale la pena? Dipende. Se siete una grande azienda con budget illimitati, probabilmente sì. Se invece siete un maker o un piccolo sviluppatore, forse è meglio continuare a cercare alternative open-source, anche se meno perfette.

L’annuncio che tutti aspettavamo (o no?)
Nella conclusione del post, Lengyel accenna a un’annuncio eccitante per chi vuole implementare l’algoritmo Slug nei propri progetti. Sarà finalmente disponibile una versione open-source? O forse un SDK più accessibile? Per ora, possiamo solo aspettare e sperare che non sia l’ennesimo trucco di marketing per vendere più licenze.

In ogni caso, è sempre bello vedere come la tecnologia evolva, anche se a volte ci tocca fare i conti con le scelte commerciali meno simpatiche. E voi, vi buttereste su Slug o preferite continuare a smanettare con soluzioni più artigianali?

Source: A Decade of Slug

Hai mai provato a ottimizzare un modello solo per scoprire che, invece di volare, si trascinava come un mollusco stanco? Ecco la verità scomoda: ridurre i bit dei dati non è sempre la soluzione magica che speri.

I risultati recenti mostrano che, soprattutto sulle GPU, spingere la quantizzazione oltre certi limiti può portare a un paradosso: modelli più piccoli che diventano più lenti. Perché? Perché le architetture hardware sono ottimizzate per specifiche “strade d’oro” di calcolo, e uscirne significa pagare un prezzo in prestazioni.

Immagina di avere una Ferrari: se la costringi a girare in seconda marcia su un’autostrada, consumerà più carburante e andrà più lenta. Lo stesso vale per le GPU: certi formati di dati, come i 4-bit, sfruttano al meglio la banda passante e le unità di calcolo, mentre altri, come i 2-bit o i 3-bit, possono causare rallentamenti dovuti a decodifica extra o accessi memoria inefficienti.

Per noi smanettoni, questo significa che la scelta dei dati non è mai un dettaglio trascurabile. Se stai cercando di far girare un modello su un Raspberry Pi, un CPU potente o una GPU di fascia alta, la regola è semplice: prima fai stare il modello nel dispositivo, poi ottimizza il compromesso tra velocità e qualità. E se vuoi un consiglio spassionato, inizia con Q3_K_S-2.70bpw per un’esperienza interattiva decente.

Certo, non è tutto rose e fiori. La scelta di formati quantizzati universali come quelli di llama.cpp ha i suoi vantaggi in portabilità, ma paga un prezzo in efficienza su hardware specifico. E qui arriva la critica: perché non possiamo avere modelli più flessibili, ottimizzati per ogni scenario? La risposta è semplice: perché progettare hardware flessibile costa di più, e i vendor preferiscono ottimizzare per i casi più comuni.

In sintesi, la prossima volta che ottimizzi un modello, ricordati: non è solo una questione di bit. È una questione di hardware, di compromessi, e di quanto sei disposto a sperimentare.

E tu, hai mai avuto un caso in cui meno bit ha significato più problemi?”

Source: A 30B Qwen model walks into a Raspberry Pi and runs in real time