EP28: DGX Spark 断电级宕机排查实录

本期要点

• 三次宕机全部是硬件级掉电复位（abnormal-power-loss），零条软件崩溃痕迹
• 触发条件：GPU/统一内存重负载瞬间（ollama 256K prefill · ComfyUI MiniMax-H3 INT8 加载）
• 模型 58.31GB 权重放得下，崩在加载完成后的首步推理峰值——账面、峰值、电源是三笔不同的账
• KV cache 数学：DiT 无跨步 KV cache（每层瞬态 ≈0.4GB），不是内存凶手
• INT8 在 SM121 上两种死法：vLLM kernel 级报错可修 vs ComfyUI 静默掉电不可调试；FP8 配方是可行路径