Zagitta 開發的開源工具 gpu-unlock，是針對部分 Ampere 架構 GeForce 顯卡的 Linux 核心模組。它鎖定的是特定 Tensor Core 運算：以 FP16 或 BF16 輸入、並以 FP32 累加的矩陣運算。開發者表示，這些運算的指令發射速率可恢復至專業卡等級；目前公布的測試確實顯示，部分矩陣工作負載有明顯提升，但不代表每種 AI 應用都會同幅變快。18

gpu-unlock 如何運作？

此模組針對採用 GA102、GA103、GA104 和 GA106 晶片的顯卡。它會在 NVIDIA 原廠驅動接管顯卡前，從 initramfs 載入並寫入硬體速度選擇器，接著執行功能層級重設（FLR），再交由未修改的原廠驅動初始化。專案列出的設定包括 SS0 0x88888888，以及四位元 SS1 的 0x8 IMLA4 選擇器。1

這種作法結合了早前 CMP 挖礦卡解鎖研究採用的 V67／PLM 技術，以及 UEFI 方法在驅動載入前操作的時機。它是 Linux 核心模組，不是修改過的 NVIDIA 驅動，也不是 UEFI 應用程式；依照目前描述的方法，無須永久刷寫 VBIOS 或改裝硬體。14

公布的矩陣測試成績

專案提供的 RTX 3090 Ti 數據，來自密集 8192³ GEMM 測試，採 FP32 累加、450 W 功耗上限，並以五次測試的中位數計算。這是開發者公布的測量結果，並非標準化的獨立測試套件。1

RTX 3090 Ti 測試	未解鎖	解鎖後	公布增幅
FP16	87.46 TFLOPS	118.39 TFLOPS	約 +35%
BF16	87.50 TFLOPS	157.41 TFLOPS	約 +80%
TF32	42.58 TFLOPS	82.61 TFLOPS	約 +94%

另有 RTX 3090 使用者回報，FP16 從 82 提升至 126 TFLOPS（+54%）、BF16 從 82 提升至 129 TFLOPS（+57%），TF32 則從 41 提升至 74 TFLOPS（+80%）。這些是個別使用者的測試結果，不宜視為每張顯卡、每種設定都能保證達成的增幅。13

另一份原廠 EVGA RTX 3090 相容性回報，表示在 Ubuntu 24.04、350 W 功耗上限下可運作，FP16／BF16 每 MHz 的吞吐量約為原本兩倍。這是以時脈正規化後的結果，不能據此推論功耗受限時，實際總吞吐量也會翻倍。30

為什麼實際 AI 應用不一定快近一倍？

矩陣基準測試會集中測量 gpu-unlock 針對的運算；實際應用則可能只把部分時間花在這類操作上，因此整體效能增幅往往不同。現有回報也呈現出這種落差：

• 一項原廠 RTX 3090 的 vLLM 測試回報，提示詞處理（prefill）約快 33%，但生成階段（decode）幾乎沒有變化。測試者另提到曾進行八小時混合工作負載測試。10
• 另一項採用 230 W 功耗限制的 RTX 3090 測試，提示詞處理約提升 22–30%，生成速度則提升約 1–5%。這兩項測試的工作負載與設定不同，數據不宜直接比較。43
• 在一張 RTX 3090 Ti 上，使用大量 BF16 運算的 ComfyUI 工作流程據報快了 31–60%；INT8 效能則幾乎沒有變化。19

實際表現取決於工作負載是否使用受影響的精度與指令，也會受到核心程式、矩陣大小、批次處理和功耗上限等因素影響。提高指令發射上限，可能讓 GEMM 矩陣測試大幅提速，卻不會自動讓端到端推論也有同等幅度的進步。1101943

支援狀態與使用注意事項

專案最晚於 2026 年 10 月 18 日公開。第三方追蹤資料顯示，2026 年 10 月 24 日的歷史星數約為 2,200。提供的活動紀錄也顯示，提交 4189b17 將分支回復至 c274e74 的可運作狀態；後者與系統休眠後重新套用解鎖有關。這些都是當時的紀錄快照，不代表目前專案狀態。19284244

Zagitta 的模組僅支援 Linux。另有一種實驗性的 UEFI Windows 方案，曾在特定硬體組合回報 BF16 效能提升；但這不能證明 Windows 普遍相容，也不代表 Zagitta 的模組已有受支援的 Windows 版本。20

安裝涉及核心與 initramfs 設定，並會在開機時重設 GPU。相容性回報中可見不同發行版的設定問題，專案開發紀錄也有回復提交。若要嘗試，應先查閱最新相容性資訊並準備好復原方式；短期成功回報不足以證明它能在不同顯卡、核心、驅動程式或休眠／喚醒情境下長期穩定運作。64244

目前較有根據的結論是：gpu-unlock 能顯著加速部分 Tensor Core 矩陣工作負載；專案公布的 RTX 3090 Ti 測試中，BF16 約提升 80%。但現有資料無法證明所有 AI 推論都會有相近幅度的提升，也沒有驗證它能改善 DLSS 或遊戲效能。1445

Zagitta 開發的開源工具 gpu-unlock，是針對部分 Ampere 架構 GeForce 顯卡的 Linux 核心模組。它鎖定的是特定 Tensor Core 運算：以 FP16 或 BF16 輸入、並以 FP32 累加的矩陣運算。開發者表示，這些運算的指令發射速率可恢復至專業卡等級；目前公布的測試確實顯示，部分矩陣工作負載有明顯提升，但不代表每種 AI 應用都會同幅變快。18

gpu-unlock 如何運作？

此模組針對採用 GA102、GA103、GA104 和 GA106 晶片的顯卡。它會在 NVIDIA 原廠驅動接管顯卡前，從 initramfs 載入並寫入硬體速度選擇器，接著執行功能層級重設（FLR），再交由未修改的原廠驅動初始化。專案列出的設定包括 SS0 0x88888888，以及四位元 SS1 的 0x8 IMLA4 選擇器。1

這種作法結合了早前 CMP 挖礦卡解鎖研究採用的 V67／PLM 技術，以及 UEFI 方法在驅動載入前操作的時機。它是 Linux 核心模組，不是修改過的 NVIDIA 驅動，也不是 UEFI 應用程式；依照目前描述的方法，無須永久刷寫 VBIOS 或改裝硬體。14

公布的矩陣測試成績

專案提供的 RTX 3090 Ti 數據，來自密集 8192³ GEMM 測試，採 FP32 累加、450 W 功耗上限，並以五次測試的中位數計算。這是開發者公布的測量結果，並非標準化的獨立測試套件。1

RTX 3090 Ti 測試	未解鎖	解鎖後	公布增幅
FP16	87.46 TFLOPS	118.39 TFLOPS	約 +35%
BF16	87.50 TFLOPS	157.41 TFLOPS	約 +80%
TF32	42.58 TFLOPS	82.61 TFLOPS	約 +94%

另有 RTX 3090 使用者回報，FP16 從 82 提升至 126 TFLOPS（+54%）、BF16 從 82 提升至 129 TFLOPS（+57%），TF32 則從 41 提升至 74 TFLOPS（+80%）。這些是個別使用者的測試結果，不宜視為每張顯卡、每種設定都能保證達成的增幅。13

另一份原廠 EVGA RTX 3090 相容性回報，表示在 Ubuntu 24.04、350 W 功耗上限下可運作，FP16／BF16 每 MHz 的吞吐量約為原本兩倍。這是以時脈正規化後的結果，不能據此推論功耗受限時，實際總吞吐量也會翻倍。30

為什麼實際 AI 應用不一定快近一倍？

矩陣基準測試會集中測量 gpu-unlock 針對的運算；實際應用則可能只把部分時間花在這類操作上，因此整體效能增幅往往不同。現有回報也呈現出這種落差：

• 一項原廠 RTX 3090 的 vLLM 測試回報，提示詞處理（prefill）約快 33%，但生成階段（decode）幾乎沒有變化。測試者另提到曾進行八小時混合工作負載測試。10
• 另一項採用 230 W 功耗限制的 RTX 3090 測試，提示詞處理約提升 22–30%，生成速度則提升約 1–5%。這兩項測試的工作負載與設定不同，數據不宜直接比較。43
• 在一張 RTX 3090 Ti 上，使用大量 BF16 運算的 ComfyUI 工作流程據報快了 31–60%；INT8 效能則幾乎沒有變化。19

實際表現取決於工作負載是否使用受影響的精度與指令，也會受到核心程式、矩陣大小、批次處理和功耗上限等因素影響。提高指令發射上限，可能讓 GEMM 矩陣測試大幅提速，卻不會自動讓端到端推論也有同等幅度的進步。1101943

支援狀態與使用注意事項

專案最晚於 2026 年 10 月 18 日公開。第三方追蹤資料顯示，2026 年 10 月 24 日的歷史星數約為 2,200。提供的活動紀錄也顯示，提交 4189b17 將分支回復至 c274e74 的可運作狀態；後者與系統休眠後重新套用解鎖有關。這些都是當時的紀錄快照，不代表目前專案狀態。19284244

Zagitta 的模組僅支援 Linux。另有一種實驗性的 UEFI Windows 方案，曾在特定硬體組合回報 BF16 效能提升；但這不能證明 Windows 普遍相容，也不代表 Zagitta 的模組已有受支援的 Windows 版本。20

安裝涉及核心與 initramfs 設定，並會在開機時重設 GPU。相容性回報中可見不同發行版的設定問題，專案開發紀錄也有回復提交。若要嘗試，應先查閱最新相容性資訊並準備好復原方式；短期成功回報不足以證明它能在不同顯卡、核心、驅動程式或休眠／喚醒情境下長期穩定運作。64244

目前較有根據的結論是：gpu-unlock 能顯著加速部分 Tensor Core 矩陣工作負載；專案公布的 RTX 3090 Ti 測試中，BF16 約提升 80%。但現有資料無法證明所有 AI 推論都會有相近幅度的提升，也沒有驗證它能改善 DLSS 或遊戲效能。1445