Pe scurt
- Instrumente open-source (în principal module de kernel Linux) ridică pe GeForce RTX 20, 30 și 40 rata de emitere a instrucțiunilor Tensor Core FP16/BF16 cu acumulare FP32, fără modificări hardware sau flash de VBIOS.
- Cifre de vârf raportate: RTX 3090 Ti, BF16: 87,50 → 157,41 TFLOPS (+80%); RTX 4090: ~165,6 → ~331,6 TFLOPS.
- În aplicații câștigul este mai mic: ComfyUI +56–59%, LLM prefill +14–36%, iar generarea de tokeni (decode) rămâne aproape neschimbată.
- Schimbările sunt temporare, nu ajută la jocuri sau DLSS și vin cu riscuri: instabilitate, eșecuri de boot și pierderea garanției.
NVIDIA a aplicat de ani de zile limite software deliberate pe plăcile GeForce consumer, reducând viteza de emitere a instrucțiunilor Tensor Core pentru operațiile de precizie redusă cu acumulare în FP32. Această practică de segmentare de piață face ca aceleași die-uri de siliciu să ofere performanțe Tensor semnificativ mai mici pe cardurile GeForce față de variantele profesionale (Quadro, RTX A-series, RTX Ada). Conform raportărilor din octombrie 2026, comunitatea de modderi a publicat instrumente open-source care ocolesc aceste restricții pe seriile RTX 20 (Turing), RTX 30 (Ampere) și RTX 40 (Ada Lovelace), fără modificări hardware sau flash de VBIOS. Primul proiect, destinat RTX 30, a apărut la sfârșitul lui septembrie 2026, iar extinderile către RTX 40 și RTX 20 au fost raportate de presă la sfârșitul lui octombrie 2026.
De ce există aceste limite?
NVIDIA restricționează pe cardurile GeForce rata de emitere a instrucțiunilor Tensor Core pentru operațiile FP16 și BF16 care acumulează în FP32 (precum și TF32 în anumite cazuri). Conform specificațiilor și whitepaper-urilor publicate de NVIDIA, operațiile cu acumulare FP32 rulează la aproximativ jumătate din rata celor cu acumulare FP16 pe cardurile consumer. Pe cardurile profesionale care folosesc aceleași die-uri, ambele căi rulează la viteză maximă.
Aceasta este o formă clasică de product segmentation, similară, ca principiu, cu limitarea performanței FP64 pe GeForce. Scopul este, în interpretarea comunității, să diferențieze cardurile de gaming (preț mai accesibil) de cele workstation/AI, care costă considerabil mai mult, deși siliciul este esențial același.
Cum funcționează unlock-ul
Instrumentele (în principal kernel module Linux) intervin înainte ca driverul NVIDIA să se lege de card. Ele:
- Aplică tehnica de unlock (derivată din metodele folosite pe cardurile CMP de mining).
- Scriu „speed selectors” (de exemplu SS0 = 0x88888888 pentru rata completă BF16 și SS1 corespunzător) care ridică rata de emitere a instrucțiunilor.
- Efectuează un Function-Level Reset (FLR) pe GPU.
- Permit apoi driverului NVIDIA nealterat să se încarce.
Schimbările sunt temporare și se pierd la pierderea alimentării GPU-ului. Nu se modifică VBIOS-ul și nu se patch-uiește permanent driverul. Pe unele implementări, modulul se reaplică automat la resume din suspend (de exemplu, proiectul gpu-unlock documentează reaplicarea după suspend to RAM).
Proiectele principale:
- gpu-unlock (Zagitta) – pentru RTX 30-series (GA102, GA103, GA104, GA106)
- gpu-unlock-ada – pentru RTX 40-series (Ada Lovelace)
- Turing-unlock – pentru RTX 20-series
Notă de verificare: conform raportărilor, acoperirea reală diferă pe generații: pe RTX 40, rezultatele raportate vizează în principal RTX 4090 (alte modele, precum RTX 4090 D, RTX 4070 Ti Super sau RTX 4060 Ti 16GB, sunt marcate experimentale, câte o placă testată), iar pe RTX 20 rezultatele raportate vizează RTX 2080 Ti. Pe Turing este afectat doar FP16, deoarece arhitectura nu are suport hardware BF16.
Rezultate pe generații
RTX 30 (Ampere)
Unlock-ul dublează rata de emitere a operațiilor FP16 și BF16 cu acumulare FP32 pe GA102/GA103/GA104/GA106.
Exemplu pe RTX 3090 Ti la 450W (GEMM dens 8192³, mediane din cinci rulări):
- FP16: 87,46 → 118,39 TFLOPS (+35%)
- BF16: 87,50 → 157,41 TFLOPS (+80%)
- TF32: 42,58 → 82,61 TFLOPS (+94%)
RTX 40 (Ada Lovelace)
Throughput-ul Tensor FP16 și BF16 cu acumulare FP32 se dublează aproape exact, în testele sintetice de vârf.
- RTX 4090: ~165,6 → ~331,6 TFLOPS (cifre apropiate de RTX 6000 Ada)
Notă de verificare: cifra de vârf provine dintr-un test sintetic de rată de emitere a instrucțiunilor. Într-un test independent al unui proprietar de RTX 4090 (cuBLAS GEMM, valori mediane), citat în documentația proiectului gpu-unlock-ada, câștigurile au fost mai mici: aproximativ +12–34% pentru FP16 și până la circa +20% pentru BF16.
RTX 20 (Turing)
Aceeași tehnică aplicată.
- RTX 2080 Ti (unele teste, inclusiv pe variante cu VRAM modificat): ~59,9 → 111 TFLOPS în FP16→FP32
Notă de verificare: cifra de 111 TFLOPS a fost raportată pe o placă RTX 2080 Ti cu VRAM modificat (22 GB). Alte rapoarte din comunitate indică câștiguri mai mici pe același model, în jur de +36–77% în teste de înmulțire de matrice, în funcție de placă și de test.
Rezumat comparativ
| Generație | Placă și test | Înainte | După | Câștig |
|---|---|---|---|---|
| RTX 30 (Ampere) | RTX 3090 Ti, FP16 (450 W, GEMM 8192³) | 87,46 | 118,39 | +35% |
| RTX 30 (Ampere) | RTX 3090 Ti, BF16 (450 W, GEMM 8192³) | 87,50 | 157,41 | +80% |
| RTX 30 (Ampere) | RTX 3090 Ti, TF32 (450 W, GEMM 8192³) | 42,58 | 82,61 | +94% |
| RTX 40 (Ada Lovelace) | RTX 4090, FP16/BF16 (test sintetic de vârf) | ~165,6 | ~331,6 | ~2× |
| RTX 20 (Turing) | RTX 2080 Ti (VRAM modificat), FP16→FP32 | ~59,9 | 111 | ~+85% |
Câștiguri în lumea reală vs. peak throughput
Câștigurile de vârf nu se traduc integral în aplicații, deoarece multe workload-uri AI sunt limitate de lățimea de bandă a memoriei:
- ComfyUI / modele de imagine BF16: +56–59% throughput pe RTX 3090 Ti.
- LLM prompt processing (prefill): +14–36%.
- Token generation (decode): aproape neschimbată (bandwidth-bound).
- INT8: variații minime.
Unlock-ul nu îmbunătățește:
- Performanța în jocuri
- DLSS
- Lățimea de bandă a memoriei
- Numărul de nuclee CUDA
| Scenariu | Câștig raportat | Observație |
|---|---|---|
| BF16, GEMM dens, RTX 3090 Ti | +80% | Test sintetic de vârf, 450 W |
| ComfyUI, modele de imagine BF16, RTX 3090 Ti | +56–59% | Throughput în aplicație |
| LLM prompt processing (prefill) | +14–36% | Procesarea prompt-ului, câștig raportat de comunitate |
| LLM token generation (decode) | Aproape neschimbat | Limitat de lățimea de bandă a memoriei |
| INT8 | Variații minime | Fără câștig semnificativ raportat |
Notă de verificare: limita de putere contează mult. Conform documentației proiectului gpu-unlock, câștigurile BF16 raportate de utilizatori pe RTX 3090 variază între +25% (plăci limitate la 225 W) și +67%, iar rezultatele din rapoartele diferiților utilizatori nu sunt direct comparabile.
Riscuri și limitări importante
- Rezultatele nu sunt garantate pe toate SKU-urile (exemple: unele RTX 3080 Ti 20GB OEM nu au arătat câștig BF16).
- Poate cauza eșecuri de boot pe configurații nesuportate.
- Anulează garanția.
- Suport principal pe Linux; versiuni experimentale Windows există și au arătat câștiguri (ex. ~82,5% BF16 pe RTX 3090).
- Nu există confirmări solide pentru RTX 50 (Blackwell) – limita pare implementată diferit (dezvoltatorul gpu-unlock indică un lanț de boot și de securitate diferit).
- Consumul și temperatura cresc ușor în workload-uri compute intensive, dar power management-ul rămâne activ (conform FAQ-ului proiectului gpu-unlock).
| Aspect | Ce s-a raportat |
|---|---|
| Garanție | Orice modificare a GPU-ului poate duce la pierderea garanției |
| Stabilitate | Posibile eșecuri de boot pe configurații nesuportate |
| Compatibilitate | Rezultate neconfirmate pe toate SKU-urile; suport principal pe Linux, versiuni Windows experimentale |
| RTX 50 (Blackwell) | Fără confirmări solide de unlock funcțional |
| Consum și temperatură | Cresc ușor în sarcini compute intensive; power management-ul rămâne activ |
| Ce nu se schimbă | Jocuri, DLSS, lățimea de bandă a memoriei, numărul de nuclee CUDA |
Implicații pentru AI local
Pentru dezvoltatorii și cercetătorii care rulează modele locale (LLM-uri, difuzie, fine-tuning, ComfyUI), unlock-ul poate reduce semnificativ bariera de cost. O RTX 3090 Ti sau 4090 deblocată se apropie, în testele de vârf, de performanța compute a cardurilor profesionale mult mai scumpe, pe același siliciu. În contextul României, unde prețurile cardurilor workstation sunt foarte mari pentru mulți entuziaști și startup-uri mici, aceste instrumente open-source pot accelera experimentarea cu AI local.
NVIDIA a practicat această formă de limitare de mult timp. Comunitatea a găsit din nou o cale de ocolire temporară. Rămâne de văzut dacă și cât de repede va reacționa NVIDIA prin actualizări de driver sau firmware.
Notă de avertizare: Folosiți aceste unlock-uri doar pe sisteme de test, cu înțelegerea clară a riscurilor de stabilitate și pierdere a garanției. Verificați întotdeauna sursele oficiale ale proiectelor GitHub înainte de utilizare.
Surse: TweakTown (Hassam Nasir, 25 oct. 2026), proiectele GitHub menționate (gpu-unlock, gpu-unlock-ada, turing-unlock), VideoCardz, TechPowerUp, Tom’s Hardware și rapoarte independente ale comunității.
