Un desarrollo de código abierto llamado gpu-unlock, disponible en GitHub y firmado por el usuario Zagitta, permite desbloquear capacidad de cálculo adicional en las tarjetas Nvidia GeForce RTX 30 (arquitectura Ampere) para operaciones de inteligencia artificial que usan los Tensor Cores. El método no requiere flashear la VBIOS ni instalar controladores gráficos modificados, sino un módulo del núcleo de Linux que actúa antes de cargar el driver oficial.
Qué hace y cómo lo logra
Según la documentación y las pruebas publicadas, la herramienta corrige una limitación en la tasa de emisión de instrucciones que afecta a operaciones en formatos FP16 y BF16 con acumulación en FP32. En las GeForce Ampere esa tasa estaba reducida respecto a las variantes profesionales; gpu-unlock modifica registros de selección de velocidad del hardware, reinicia la GPU a nivel de función (FLR) y devuelve el control al controlador oficial sin alterar permanentemente el firmware.
- No requiere flasheo de VBIOS ni firmware personalizado.
- Implementación: módulo del kernel de Linux que actúa antes del driver de Nvidia.
- Origen técnico: técnica inspirada en investigaciones aplicadas a GPU de criptominería CMP.
Notebookcheck recoge medidas de rendimiento sintéticas y de comunidad que muestran mejoras significativas en TFLOPS en multiplicación de matrices (GEMM) y en cargas reales de generación de imágenes con frameworks como ComfyUI.
| Modelo | Precisión | Stock (TFLOPS) | Con gpu-unlock (TFLOPS) | Mejora |
|---|---|---|---|---|
| RTX 3090 | BF16 (GEMM) | 77,5 | 129,6 | +67% |
| RTX 3090 Ti (450W) | FP16 (GEMM) | 87,46 | 118,39 | +35% |
| RTX 3090 Ti (450W) | BF16 (GEMM) | 87,50 | 157,41 | +80% |
| RTX 3090 Ti (450W) | TF32 (GEMM) | 42,58 | 82,61 | +94% |
En pruebas prácticas reportadas por usuarios, Notebookcheck menciona subidas de rendimiento del orden del 56–59% en modelos de generación de imágenes (por ejemplo, MOSS‑Image SFT BF16 y Qwen‑Image 2.1 Turbo BF16) ejecutados en entornos como ComfyUI.
La técnica presenta ventajas y límites: evita cambios permanentes en la VBIOS y no requiere controladores parcheados, pero las mejoras dependen de la carga de trabajo y de la implementación concreta en cada GPU. Notebookcheck señala además que las ganancias en juegos no están demostradas y que el proyecto actúa sobre parámetros de bajo nivel cuyo uso implica riesgos operativos que los usuarios deberán valorar.
El procedimiento se apoya en alterar registros internos del hardware y reiniciar la función de la GPU antes de cargar el controlador oficial, por lo que su aplicación exige acceso al sistema y conocimientos técnicos para instalar y ejecutar el módulo del kernel en Linux.
Los resultados citados proceden de pruebas de la comunidad y de informes de compatibilidad recogidos por Notebookcheck, que documenta tanto las cifras sintéticas en TFLOPS como ejemplos de mejoras en aplicaciones reales de IA.
