AMD Ryzen 9 9950X3D 4.3/5.7 GHz Box

[jordiqui]

Plan de overclocking controlado para Super Pi

AMD Ryzen 9 9950X3D / ASUS ROG Crosshair X870E Extreme / DDR5 96 GB 5600 CL40
0. Caracterización de la plataforma

El sistema probado es una plataforma AM5 de gama alta construida alrededor de:

• CPU: AMD Ryzen 9 9950X3D
• Placa base: ASUS ROG Crosshair X870E Extreme
• Memoria: Corsair Vengeance DDR5 5600 MT/s 96 GB, 2 x 48 GB, CL40
• GPU: ASUS TUF Gaming GeForce RTX 5090 OC 32 GB
• Fuente de alimentación: Corsair HX1500i ATX 3.1 / PCIe 5.1, 1500 W, 80 Plus Platinum
• Almacenamiento: WD Black SN8100 4 TB PCIe 5.0 NVMe
• Chasis: HYTE Y70 Touch Infinite
• Refrigeración: refrigeración líquida personalizada con tubos rígidos
• Sistema operativo: Windows 11 Pro

El Ryzen 9 9950X3D es un procesador de 16 núcleos / 32 hilos con un reloj base de 4,3 GHz, hasta 5,7 GHz de reloj boost, 128 MB de caché L3, un TDP predeterminado de 170 W, compatibilidad con overclocking desbloqueado, soporte para AMD EXPO, soporte para Precision Boost Overdrive y soporte para Curve Optimizer. Estos puntos son importantes porque la optimización de Super Pi no debería comenzar con un overclocking manual fijo para todos los núcleos; debería comenzar preservando y mejorando el comportamiento efectivo del boost de un solo hilo.

La ASUS ROG Crosshair X870E Extreme es una placa base adecuada para este tipo de trabajo controlado. ASUS la lista como una placa AM5 insignia para procesadores Ryzen 9000, con soporte para DDR5, soporte para PCIe 5.0, USB4, control exhaustivo de refrigeración, soporte para ajuste de memoria EXPO/AEMP y un diseño VRM de gama alta con 20+2+2 etapas de alimentación.

Super Pi es un benchmark de Windows que calcula pi hasta 32 millones de dígitos y que históricamente ha sido utilizado en la comunidad de overclocking como referencia e indicador de estabilidad. No está limitado por la GPU; por lo tanto, la RTX 5090 debe dejarse en sus valores de fábrica para esta ruta de pruebas.

1. Objetivo del benchmark

El objetivo no es el rendimiento general en juegos. El objetivo es obtener el mejor resultado reproducible en Super Pi.

El rendimiento de Super Pi está controlado principalmente por:

• 1. Frecuencia efectiva de la CPU en un solo hilo
• 2. Latencia de memoria
• 3. Comportamiento de la caché y los interconexiones
• 4. Ruido del planificador de Windows
• 5. Estabilidad térmica
• 6. Consistencia entre ejecuciones

Para esta plataforma, la RTX 5090 no es una variable de rendimiento para Super Pi. Solo puede convertirse en una variable negativa si el calor de la GPU se vierte en el mismo circuito de refrigeración líquida y aumenta la temperatura del refrigerante.

2. Limitación importante: El kit de RAM instalado

La memoria instalada es:

• DDR5 5600 MT/s
• 96 GB en total
• 2 x 48 GB
• CL40

Se trata de un kit orientado a la capacidad para estaciones de trabajo/juegos, no de un kit naturalmente agresivo para Super Pi.

Latencia CAS teórica de la primera palabra:

Reloj efectivo DDR5-5600 = 2800 MHz
Latencia CL40 = 40 / 2800 MHz = 14,29 ns

Esto no significa que el kit sea malo. Significa que, para Super Pi 32M, el subsistema de memoria probablemente será el área limitante una vez optimizado el boost de la CPU.

El enfoque correcto no es inventar objetivos DDR5-6400 o DDR5-6600. El enfoque correcto es:

• Paso 1: Validar el 5600 CL40 de fábrica.
• Paso 2: Probar timings más ajustados a 5600.
• Paso 3: Probar aumentos moderados de frecuencia solo si el IMC permanece estable.
• Paso 4: Comparar la consistencia del bucle de Super Pi 32M, no solo la estabilidad al arranque.
• 3. Principio de seguridad

Esto debe tratarse como una configuración de benchmark controlada, no como un overclocking a ciegas para uso diario.

Reglas:

• No cambiar simultáneamente el voltaje de la CPU, la memoria, el SoC y los timings.
• No comenzar con un overclocking manual para todos los núcleos.
• No utilizar cambios agresivos del BCLK al principio.
• No hacer overclocking a la RTX 5090 para Super Pi.
• No juzgar la estabilidad solo con Super Pi 1M.
• No mantener una configuración si la puntuación mejora una vez pero se vuelve inconsistente.

El Ryzen 9 9950X3D ya tiene un comportamiento de boost elevado. Un reloj fijo para todos los núcleos puede reducir fácilmente la mejor ruta de boost de un solo hilo. Para Super Pi, el comportamiento pico efectivo del núcleo suele ser más importante que un número visualmente impresionante para todos los núcleos.

• Fase A — Línea base de evidencia
• Paso A1 — Restablecimiento de la BIOS y documentación

Comenzar desde los valores predeterminados optimizados de la BIOS.

Registrar:

Versión de la BIOS:
Versión de AGESA:
Temperatura de la CPU en reposo:
Temperatura del refrigerante, si existe el sensor:
Temperatura ambiente:
Perfil de RAM:
VDD:
VDDQ:
Voltaje del SoC:
FCLK:
UCLK:
MCLK:
Versión de Windows:
Versión del controlador del chipset AMD:
Por qué

Sin esta línea base, la mejora posterior no podrá atribuirse a ningún cambio específico.

Paso A2 — Línea base de Super Pi de fábrica

Ejecutar:

• Super Pi 1M: 5 ejecuciones
• Super Pi 32M: 3 ejecuciones

Registrar:

Mejor tiempo:
Tiempo mediano:
Peor tiempo:
Consistencia del bucle:
Reloj efectivo de la CPU:
Temperatura pico:
Procesos en segundo plano:
Por qué

Super Pi es sensible al ruido del planificador. La mejor ejecución por sí sola no es suficiente. La ejecución mediana importa porque muestra si la plataforma es realmente estable y repetible.

Fase B — Aislamiento del sistema operativo
Paso B1 — Perfil de benchmark de Windows

Crear un perfil de benchmark de Windows limpio:

Desactivar aplicaciones de inicio innecesarias.
Desconectar software en segundo plano no esencial.
Pausar Windows Update.
Cerrar suites de control RGB durante la ejecución si consultan los sensores con frecuencia.
Desactivar superposiciones (overlays).
Desactivar navegador, lanzadores y sincronización en la nube.
Utilizar un plan de energía fijo.
Mantener el benchmark en almacenamiento NVMe local.
Por qué

Super Pi es una carga de trabajo ligera de un solo hilo. La consulta en segundo plano puede afectar al resultado final de manera desproporcionada.

Paso B2 — Pruebas de afinidad de núcleo

No dar por sentado el mejor núcleo. Ponlo a prueba.

Procedimiento:

1. Utilizar CPU-Z / HWiNFO / Ryzen Master para identificar los núcleos preferidos.
2. Ejecutar Super Pi 1M anclado a cada núcleo preferido candidato.
3. Repetir cada núcleo candidato al menos tres veces.
4. Seleccionar el núcleo con la mediana repetible más alta, no solo la mejor ejecución puntual.
   Por qué

El 9950X3D es una CPU de doble chiplet. Super Pi puede preferir la ruta de mayor frecuencia efectiva en lugar de la ruta con mayor caché. Esto debe medirse, no asumirse.

Fase C — Optimización del boost de la CPU
Paso C1 — Preservar primero el boost automático

Estrategia inicial de la CPU:

• Overclocking manual para todos los núcleos: DESACTIVADO
• PBO: habilitado/avanzado solo después de la línea base
• Anulación de boost (Boost override): inicialmente 0
• Escalador: conservador / Automático
• Límite térmico: documentado, no adivinado
• Curve Optimizer: desactivado para la primera línea base
  Por qué

El 9950X3D es compatible con Precision Boost Overdrive y Curve Optimizer. El objetivo es mejorar el algoritmo de boost existente, no reemplazarlo inmediatamente con un reloj manual fijo.

Paso C2 — Método Curve Optimizer

Utilizar Curve Optimizer de forma incremental.

Secuencia forense recomendada:

• Ejecución 1: De fábrica / Automático
• Ejecución 2: PBO habilitado, sin CO
• Ejecución 3: CO negativo, compensación muy suave para todos los núcleos
• Ejecución 4: CO por núcleo solo después de identificar el núcleo preferido para Super Pi
• Ejecución 5: Ajustar solo el núcleo de benchmark seleccionado de forma más agresiva

No publicar un valor universal fijo como «CO -30» como si estuviera garantizado. Depende del silicio.

Por qué

Un Curve Optimizer negativo puede reducir la demanda de voltaje y permitir un boost efectivo más alto, pero una compensación negativa excesiva genera errores de cálculo, errores WHEA o inestabilidad silenciosa. Super Pi 32M es útil aquí porque expone la inestabilidad marginal mejor que una sola ejecución corta de 1M.

Paso C3 — Boost Override

Solo después de que Curve Optimizer sea estable:

• Aumentar el boost override en pequeños pasos.
• Ejecutar Super Pi 1M después de cada paso.
• Ejecutar Super Pi 32M después de cualquier paso prometedor.
• Monitorizar el reloj efectivo, no solo el reloj configurado.
  Por qué

Un aumento de boost configurado carece de sentido si el reloj efectivo no sube o si los límites térmicos/de energía reducen el comportamiento sostenido.

• Fase D — Optimización de memoria
• Paso D1 — Validar primero DDR5-5600 CL40

Antes de ajustar, validar el perfil de memoria de fábrica.

Validación mínima:

• Super Pi 32M: paso limpio
• Prueba de memoria: paso limpio
• Sin errores WHEA
• Sin fallos de reentrenamiento
• Sin inestabilidad en arranque en frío
  Por qué

El kit instalado es 2 x 48 GB. La DDR5 de alta capacidad puede ser más exigente para el controlador de memoria que los kits más pequeños orientados a benchmarks.

Paso D2 — Ajustar timings antes de buscar frecuencia

Primera dirección de ajuste:

• Mantener DDR5-5600.
• Reducir los timings primarios con cuidado.
• Validar cada cambio.
• Registrar los tiempos del bucle de Super Pi 32M.

Orden de ajuste sugerido:

• 1. Command rate / comportamiento del contexto de memoria
• 2. Latencia CAS
• 3. tRCD / tRP
• 4. tRAS
• 5. tRFC
• 6. Timings secundarios
• 7. Timings terciarios
     Por qué

Para Super Pi 32M, la latencia puede importar más que el ancho de banda bruto. Un perfil de menor frecuencia con timings más ajustados puede superar a un perfil de mayor frecuencia con timings sueltos.

Paso D3 — Escalado de frecuencia

Solo después del trabajo de timings a 5600:

Probar la siguiente relación de memoria.
Mantener los timings lo suficientemente sueltos para arrancar.
Validar.
Luego ajustar de nuevo.

Matriz de pruebas posible:

• Perfil 1: 5600 CL40 de fábrica
• Perfil 2: 5600 ajustado
• Perfil 3: frecuencia moderadamente superior, suelto
• Perfil 4: frecuencia moderadamente superior, ajustado
  Por qué

Esto evita el error común de comparar dos variables a la vez. Si cambian tanto la frecuencia como los timings, el resultado no podrá interpretarse con claridad.

Fase E — Control de FCLK / UCLK / MCLK

Para cada perfil de memoria, registrar:

• MCLK
• UCLK
• FCLK
• Relación UCLK:MCLK
• Resultado del entrenamiento de memoria
• Fiabilidad del arranque
• Varianza del bucle de Super Pi 32M
  Por qué

En AM5, el rendimiento de la memoria no es solo la frecuencia DDR5. La relación entre el reloj de memoria, el reloj del controlador de memoria y el comportamiento del fabric puede cambiar la latencia real. Super Pi 32M es sensible a esa relación.

• Fase F — Control térmico
• Paso F1 — Estabilización del circuito líquido

Antes de cada ejecución seria:

• Permitir que la temperatura del refrigerante se estabilice.
• Registrar la temperatura ambiente.
• Registrar la temperatura del refrigerante si está disponible.
• Ejecutar el mismo procedimiento de calentamiento.
• Iniciar Super Pi desde la misma condición térmica.
  Por qué

Un circuito personalizado con tubos rígidos ofrece una gran capacidad térmica, pero si la GPU y la CPU están en el mismo circuito, el calor residual de la GPU puede contaminar los resultados del benchmark de la CPU. Para Super Pi, la GPU debe estar en reposo.

Paso F2 — Política de ventiladores y bomba

Utilizar configuraciones fijas de ventiladores y bomba durante las ejecuciones de benchmark.

Bomba: configuración fija de alto rendimiento
Ventiladores del radiador: RPM fijas o curva fija
Ventiladores del chasis: perfil fijo
GPU: de fábrica / en reposo
Por qué

Cambiar las curvas de ventilación durante una ejecución puede alterar la temperatura del refrigerante e introducir variaciones entre ejecuciones.

Fase G — Perfiles finales de benchmark

Utilizar tres perfiles finales.

• Perfil 1 — Referencia de fábrica
• Valores predeterminados de la BIOS
• EXPO/XMP tal como se suministran
• Sin ajuste de PBO
• Sin ajuste de CO
• Sin ajuste manual de memoria

Propósito:

• Línea base oficial.
• Perfil 2 — Optimizado seguro para uso diario
• PBO ajustado de forma conservadora
• Curve Optimizer validado
• Memoria estable y modestamente ajustada
• Sin voltaje agresivo
• Sin ajuste de BCLK
• Sin overclocking de GPU

Propósito:

• Mejor configuración práctica sin sacrificar fiabilidad.
• Perfil 3 — Perfil exclusivo de benchmark para Super Pi
• Mejor núcleo anclado
• Sesión de Windows limpia
• Curve Optimizer agresivo pero validado
• Mejor perfil de timings de memoria validado
• Comportamiento de refrigeración fijo
• Temperatura ambiente/de refrigerante documentada

Propósito:

Mejor resultado de Super Pi en condiciones controladas.
Evidencia requerida para publicación en el foro

El resultado final debe incluir:

• Pestaña CPU de CPU-Z
• Pestaña Placa base de CPU-Z
• Pestaña Memoria de CPU-Z
• Captura de pantalla de ZenTimings
• Captura de pantalla del reloj efectivo de HWiNFO
• Captura de pantalla final de Super Pi
• Temperatura ambiente
• Temperatura del refrigerante si está disponible
• Versión de la BIOS
• Versión de Windows
• Versión del controlador del chipset AMD
• Configuraciones exactas de la BIOS cambiadas
• Número de ejecuciones
• Mejor / mediano / peor tiempo
• Interpretación técnica

Esta plataforma es extremadamente potente, pero para Super Pi los factores limitantes no son los mismos que para los juegos.

Las fortalezas son:

• Alto potencial de boost de un solo hilo
• Placa base excelente para el ajuste de AM5
• Amplio margen de la fuente de alimentación
• Gran potencial de refrigeración
• Almacenamiento NVMe rápido

La principal limitación para Super Pi probablemente sea:

Latencia de la memoria DDR5 5600 CL40 de 96 GB

Esa configuración de RAM es excelente para la multitarea pesada, la creación de contenido y el uso en estaciones de trabajo, pero no es un perfil de memoria obviamente optimizado para Super Pi 32M. Por lo tanto, el trabajo controlado de mayor impacto después del ajuste del boost de la CPU probablemente será la optimización de los timings de memoria.

Regla final

Ningún resultado debe considerarse válido a menos que sea:

• Repetible
• Documentado con capturas de pantalla
• Documentado térmicamente
• Libre de errores WHEA
• Estable en Super Pi 32M
• Comparado con una línea base de fábrica limpia

[cobito]

@jordiqui Veo que le das mucha importancia a la RAM pero el Ryzen 9 9950X3D tiene 128MB de caché de nivel 3 y 1MB de nivel 2. No sé cuanto consume SuperPi 32M, pero si se sale de los 128MB no será por demasiado. ¿De verdad afecta tanto la RAM? Y si afecta, al ser por cantidades pequeñas y un proceso intensivo de CPU, ¿no sería conveniente apretar las latencias más que la frecuencia? Es más, ¿no sería interesante probar a hacer underclocking a la memora con tal de mejorar las latencias?

Te lo comento porque yo estoy en el extremo contrario con los LLM con consumos enormes de RAM donde el ancho de banda es el cuello de botella predominante y donde tener mucha caché ayuda en cierta medida. Si por mi fuera, sacrificaría las latencias por ancho de banda porque sé que el aumento de rendimiento va a ser prácticamente lineal con cada MT/s que raspe.

[jordiqui]

@cobito said:

@jordiqui Veo que le das mucha importancia a la RAM pero el Ryzen 9 9950X3D tiene 128MB de caché de nivel 3 y 1MB de nivel 2. No sé cuanto consume SuperPi 32M, pero si se sale de los 128MB no será por demasiado. ¿De verdad afecta tanto la RAM? Y si afecta, al ser por cantidades pequeñas y un proceso intensivo de CPU, ¿no sería conveniente apretar las latencias más que la frecuencia? Es más, ¿no sería interesante probar a hacer underclocking a la memora con tal de mejorar las latencias?

Te lo comento porque yo estoy en el extremo contrario con los LLM con consumos enormes de RAM donde el ancho de banda es el cuello de botella predominante y donde tener mucha caché ayuda en cierta medida. Si por mi fuera, sacrificaría las latencias por ancho de banda porque sé que el aumento de rendimiento va a ser prácticamente lineal con cada MT/s que raspe.

Coincido contigo con el ancho de banda, estuve indagando con esta configuración diferentes test, luego viendo el conjunto le pregunté a gpt una recreación de este escenario.