AnswersPublished24 sources
gpu-unlock odblokowuje wybrane obliczenia Tensor Core w kartach RTX 30
gpu unlock to moduł jądra Linuksa dla wybranych kart Ampere GeForce; celuje w operacje FP16 i BF16 z akumulacją FP32. W teście RTX 3090 Ti odnotowano wzrost wydajności BF16 z 87,50 do 157,41 TFLOPS, ale wyniki aplikacji AI są bardziej zróżnicowane.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- gpu unlock to moduł jądra Linuksa dla wybranych kart Ampere GeForce; celuje w operacje FP16 i BF16 z akumulacją FP32.
- W teście RTX 3090 Ti odnotowano wzrost wydajności BF16 z 87,50 do 157,41 TFLOPS, ale wyniki aplikacji AI są bardziej zróżnicowane.
- To nie jest uniwersalne przyspieszenie AI ani potwierdzony sposób na wyższą wydajność w grach czy DLSS.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Zagitta’s free, open-source gpu-unlock tool, how does its Linux kernel module raise FP16 and BF16 multiply-accumulate instruction is. Article summary: Zagitta’s gpu-unlock is an open-source Linux kernel module intended to remove selected Tensor Core instruction-issue limits on Ampere GeForce GPUs, bringing those issue rates—not overall GPU performance—to professional-c. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Otwarty projekt gpu-unlock autorstwa Zagitty to moduł jądra Linuksa przeznaczony dla wybranych kart GeForce opartych na architekturze Ampere. Zmienia szybkość wydawania instrukcji Tensor Core dla operacji FP16 i BF16 z akumulacją FP32. Deweloper deklaruje przywrócenie ich do poziomu kart profesjonalnych, a opublikowane testy pokazują duże wzrosty w niektórych obliczeniach macierzowych — nie zaś jednakowe przyspieszenie każdego zadania AI. 1
8
Co robi gpu-unlock
Projekt obejmuje układy GA102, GA103, GA104 i GA106. Moduł ładuje się z initramfs — środowiska uruchamianego podczas startu Linuksa — zanim kartę przejmie standardowy sterownik NVIDIA. Następnie ustawia sprzętowe selektory szybkości i wykonuje reset funkcji urządzenia (FLR), po czym sterowanie przejmuje niezmodyfikowany sterownik. Wśród ustawień repozytorium wymienia SS0 0x88888888 oraz czterobitowy selektor SS1 0x8 dla IMLA4. 1
Rozwiązanie łączy technikę V67/PLM znaną z wcześniejszych prac nad kartami CMP do kopania kryptowalut z uruchamianiem zmian przed załadowaniem sterownika, jak w podejściu UEFI. To moduł jądra Linuksa, a nie zmodyfikowany sterownik NVIDIA ani aplikacja UEFI. Opisana metoda nie wymaga też trwałego flashowania VBIOS-u ani modyfikacji sprzętu. 1
4
Wyniki testów: duży wzrost w wybranych obliczeniach
Wyniki projektu dla RTX 3090 Ti pochodzą z testu gęstego mnożenia macierzy 8192³ z akumulacją FP32, przy limicie mocy 450 W. Podano mediany z pięciu pomiarów. To wyniki opublikowane przez twórcę, a nie rezultaty standaryzowanego, niezależnego zestawu testów. 1
| Test RTX 3090 Ti | Przed | Po odblokowaniu | Zmiana |
|---|---|---|---|
| FP16 | 87,46 TFLOPS | 118,39 TFLOPS | ok. +35% |
| BF16 | 87,50 TFLOPS | 157,41 TFLOPS | ok. +80% |
| TF32 | 42,58 TFLOPS | 82,61 TFLOPS | ok. +94% |
Jeden z użytkowników RTX 3090 zgłosił wzrost FP16 z 82 do 126 TFLOPS (+54%), BF16 z 82 do 129 TFLOPS (+57%) oraz TF32 z 41 do 74 TFLOPS (+80%). To pojedynczy wynik społeczności, a nie gwarancja podobnego przyrostu na każdej karcie i konfiguracji. 13
W osobnym zgłoszeniu opisano działanie na standardowej karcie EVGA RTX 3090 z Ubuntu 24.04 i limitem mocy 350 W. Użytkownik podał około dwukrotnie wyższą przepustowość FP16/BF16 na MHz. Jest to wynik przeliczony na częstotliwość taktowania — nie dowodzi dwukrotnie wyższej bezwzględnej wydajności przy tym limicie mocy. 30
Dlaczego aplikacje AI mogą przyspieszyć mniej
Test mnożenia macierzy koncentruje się na obliczeniach, które mają być przyspieszane przez gpu-unlock. Aplikacja może wykonywać takie operacje tylko przez część czasu, dlatego jej ogólny wynik nie musi dorównywać wzrostowi z testu syntetycznego. Zgłoszone pomiary dobrze pokazują tę różnicę:
- Na standardowej RTX 3090 w teście vLLM odnotowano około 33% szybsze przetwarzanie promptu, ale generowanie kolejnych tokenów pozostało zasadniczo bez zmian. Autor zgłoszenia opisał też osiem godzin testów mieszanych obciążeń.
10
- W innym teście, na RTX 3090 z limitem mocy 230 W, przetwarzanie promptu przyspieszyło o około 22–30%, a generowanie tokenów o około 1–5%. To inny sprzętowo-programowy zestaw i inne obciążenie, więc wyników nie należy bezpośrednio porównywać z testem vLLM.
43
- Na jednej RTX 3090 Ti grafy ComfyUI intensywnie korzystające z BF16 działały, według zgłoszenia, o 31–60% szybciej. Wydajność INT8 pozostała praktycznie bez zmian.
19
Efekt zależy od tego, czy program korzysta z obsługiwanej precyzji i instrukcji, a także od użytych jąder obliczeniowych, rozmiaru macierzy, grupowania zadań i limitu mocy. Wyższy pułap szybkości wydawania instrukcji może mocno poprawić wynik GEMM, czyli mnożenia macierzy, ale nie musi dać podobnego wzrostu w całym procesie wnioskowania. 1
10
19
43
Dostępność i zastrzeżenia
Repozytorium było publiczne najpóźniej 18 października 2026 r. Z historycznych danych zewnętrznego trackera wynika, że 24 października miało około 2200 gwiazdek na GitHubie. W historii aktywności widać też commit 4189b17, który cofał gałąź do działającego stanu c274e74 — zmiany związanej z ponownym odblokowaniem karty po wybudzeniu z uśpienia. To migawki stanu projektu z tamtego okresu, a nie informacja o jego obecnej wersji. 19
28
42
44
Moduł Zagitty jest przeznaczony dla Linuksa. Osobne, eksperymentalne podejście oparte na UEFI dla Windowsa przyniosło poprawę BF16 na konkretnej konfiguracji, ale nie potwierdza szerokiej zgodności z Windowsem ani istnienia wspieranej wersji modułu Zagitty dla tego systemu. 20
Instalacja wymaga zmian w konfiguracji jądra i initramfs oraz resetu GPU podczas uruchamiania. Zgłoszenia użytkowników obejmują problemy zależne od dystrybucji, a historia projektu zawiera cofnięcie zmian. Przed próbą warto więc sprawdzić aktualne informacje o zgodności i przygotować sposób odzyskania systemu. Krótkie testy nie potwierdzają długoterminowej niezawodności na różnych kartach, jądrach, sterownikach ani przy usypianiu i wybudzaniu. 6
42
44
Najbezpieczniejszy wniosek jest węższy niż obietnica „dwukrotnie szybszej AI”: gpu-unlock może wyraźnie przyspieszyć wybrane obliczenia Tensor Core, a w teście projektu na RTX 3090 Ti wzrost BF16 wyniósł około 80%. Dostępne wyniki nie dowodzą podobnej poprawy we wszystkich zadaniach wnioskowania AI — ani korzyści w DLSS czy grach. 1
4
45
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "gpu-unlock odblokowuje wybrane obliczenia Tensor Core w kartach RTX 30"?
gpu unlock to moduł jądra Linuksa dla wybranych kart Ampere GeForce; celuje w operacje FP16 i BF16 z akumulacją FP32.
What are the key points to validate first?
gpu unlock to moduł jądra Linuksa dla wybranych kart Ampere GeForce; celuje w operacje FP16 i BF16 z akumulacją FP32. W teście RTX 3090 Ti odnotowano wzrost wydajności BF16 z 87,50 do 157,41 TFLOPS, ale wyniki aplikacji AI są bardziej zróżnicowane.
What should I do next in practice?
To nie jest uniwersalne przyspieszenie AI ani potwierdzony sposób na wyższą wydajność w grach czy DLSS.
Sources
3dmgame.com开源工具gpu-unlock解除RTX 30系限制，部分计算性能提升近80%_3DM单机
x.comDavid Y. Tan on X: "Tried gpu-unlock on an RTX 3090 (cold ...