Un grupo de modders ha conseguido desbloquear parte del rendimiento de cálculo que NVIDIA mantiene limitado en varias generaciones de tarjetas gráficas GeForce RTX. Los proyectos desarrollados, bajo el nombre de GPU Unlock, permiten aumentar considerablemente el rendimiento de las gráficas GeForce RTX 20, RTX 30 y RTX 40 en determinados cálculos ejecutados mediante los Tensor Cores. Dependiendo de los casos, hablamos de que se puede llegar a prácticamente duplicar la capacidad de cálculo sin necesidad de modificar físicamente la GPU ni instalar una VBIOS personalizada.

El desbloqueo afecta principalmente a determinadas operaciones FP16 y BF16 con acumulación FP32 utilizadas en cargas de inteligencia artificial, multiplicación de matrices, modelos de lenguaje o generación de imágenes. El trabajo comenzó principalmente alrededor de la arquitectura Ampere de las GeForce RTX 30, pero posteriormente se ha demostrado un procedimiento similar en Ada Lovelace y también en la veterana arquitectura Turing.

Una NVIDIA RTX 4090 prácticamente duplica su rendimiento Tensor, mientras una RTX 3090 Ti gana hasta un 80%

El proyecto GPU Unlock, desarrollado originalmente por Zagitta para las GeForce RTX 30, modifica unos registros internos de configuración de la GPU antes de que cargue el controlador oficial de NVIDIA. De esta forma se elimina la limitación en la velocidad de emisión de determinadas instrucciones relacionadas con los Tensor Cores. El módulo se ejecuta durante el arranque de Linux y después permite utilizar el controlador oficial de NVIDIA sin modificarlo, por lo que tampoco necesita volver a parchearse con cada nueva versión del driver.

En una GeForce RTX 3090 Ti, el rendimiento BF16 en una prueba GEMM pasó de 87,5 a 157,4 TFLOPS, alrededor de un 80% más, mientras que el rendimiento TF32 aumentó de 42,6 a 82,6 TFLOPS, acercándose prácticamente al doble. También se han registrado mejoras del 70-73% en una RTX 3080 de 10 GB, de hasta el 81% en una RTX 3070 . E incluso una humilde RTX 3060 12 GB es capaz de experimentar una mejora del 80%. Los propios desarrolladores advierten de que los resultados dependen bastante del límite de consumo y de la GPU concreta.

El mismo concepto se ha llevado a Ada Lovelace mediante otro proyecto experimental. En una GeForce RTX 4090, el rendimiento FP16 con acumulación FP32 pasó de 165,6 a 331,6 TFLOPS, mientras que BF16 aumentó de 165,5 a 330,6 TFLOPS: prácticamente se duplica el rendimiento. También existe soporte experimental para modelos como la RTX 4070 Ti SUPER y RTX 4060 Ti de 16 GB. Incluso una RTX 2080 Ti basada en la arquitectura Turing ha sido demostrada alcanzando unos 111 TFLOPS frente a los 59,9 TFLOPS previos al desbloqueo.

El gran beneficiado es la IA: por lo que la mejora en juegos está únicamente ligada en si usas la IA

El aumento de capacidad no se puede traducir de forma directa en la misma mejora de rendimiento en aplicaciones reales. En las pruebas de rendimiento realizadas sobre las NVIDIA RTX 30, el procesamiento de prompts en modelos LLM mostró mejoras aproximadamente del 14 al 36%. Otras cargas intensivas en matrices, como Diffusion o FlashAttention, también pueden beneficiarse significativamente. Sin embargo, la generación posterior de tokens apenas cambia porque suele encontrarse limitada por el ancho de banda de la memoria, no por los Tensor Cores.

Tampoco se han observado mejoras importantes en operaciones INT8 ni en cálculo FP32 tradicional. Y, sobre todo, este desbloqueo no aumenta directamente el rendimiento de los juegos, ya que modifica unas operaciones muy específicas en los núcleos Tensor. Es decir, no convierte una RTX 3090 en una GPU dos veces más rápida jugando, ni duplica automáticamente el rendimiento de DLSS. Su utilidad está principalmente en cargas de IA y cálculo que realmente puedan aprovechar estos formatos de precisión.

Ahora bien, podrían existir mejoras de rendimiento en juegos en casos muy concretos. Básicamente, en aquellos juegos donde se recurran a tecnologías como el DLSS y Frame Generation, porque estas tecnologías recurren a estos Tensor Cores ahora "overclockeados". Ahora bien, GPU Unlock duplica el rendimiento únicamente en ciertos cálculos Tensor concretos, no en toda la IA de la GPU. Es decir, aunque el DLSS se beneficiase, no implicaría duplicar los FPS. Sería interesante ver qué mejora existe en juegos como el Cyberpunk 2077 que puedes recurrir al DLSS + Frame Generation + Ray Reconstruction.