У відкритому коді знайшли спосіб майже вдвічі збільшити обчислювальну потужність RTX 3090
Відкритий проєкт gpu-unlock обходить програмне обмеження Nvidia для тензорних ядер GeForce 30-ї серії, майже подвоює пропускну здатність FP16/BF16 і прискорює префіл LLM без патчингу драйвера.
У відкритому коді знайшли спосіб майже вдвічі збільшити обчислювальну потужність RTX 3090
Проект gpu-unlock за кілька днів набрав понад 5 тисяч зірок на GitHub.
Що відбувається з GeForce 30
У відеокартах GeForce 30-ї серії (RTX 3080, RTX 3090, RTX 3090 Ti) тензорні ядра вміють множити матриці у форматах FP16 і BF16 з накопиченням результату у FP32. Саме через цю операцію навчають і запускають нейромережі. Оскільки це ігрові GPU, Nvidia програмно вдвічі обмежила швидкість цієї операції — класична сегментація ринку: хочеш працювати з ML, плати за ML-відеокарту, а не за ігрову.
Обмеження реалізоване як дільник швидкості видачі інструкцій, а його значення лежить у регістрах, куди зазвичай не можна писати напряму. Тому обійти його «в лоб» неможливо.
Як працює gpu-unlock
Автор знайшов спосіб обійти обмеження. Він узяв техніку, раніше придуману для розблокування аналогічних обмежень майнінгових карт CMP 170HX, і оформив її як модуль ядра Linux.
Модуль запускається під час завантаження системи, до старту драйвера NVIDIA, прописує повну швидкість і лише потім передає карту штатному драйверу. Головне — модуль діє до драйвера, тому не потрібно патчити драйвер при кожному оновленні або перепрошивати BIOS.
Заявлені результати
Для RTX 3090 Ti у репозиторії наведено цифри для GEMM 8192 при 450 Вт:
- BF16: 87,5 → 157,4 TFLOPS
- FP16: 87,5 → 118,4 TFLOPS
- TF32: 42,6 → 82,6 TFLOPS
На реальних задачах приріст скромніший, але він є: префіл LLM прискорюється приблизно на 14–36%. При цьому результати обчислень побітово збігаються з попередніми.
Windows і встановлення
Оригінальний репозиторій призначений лише для Linux, але вже з’явилися сторонні порти для Windows, наприклад AD103_win_unlocker.
Інструкція з встановлення є в репозиторії.
Чому це важливо
АналітикаЦе показує, що штучні обмеження вендора можна обійти на рівні ядра Linux, даючи користувачам більше ML-потужності від ігрових GPU, хоча такі модулі можуть нести ризики сумісності та стабільності.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
ШІ допомагає збільшити пропускну здатність відеокарт Nvidia RTX 3000 та 4000
На GitHub з’явилися репозиторії gpu-unlock і gpu-unlock-ada, які заявляють про підвищення пропускної здатності відеокарт Nvidia серій RTX 3000 та 4000.
10 GitHub-репозиторіїв, які допоможуть стати AI-інженером за 90 днів
Стати AI-інженером сьогодні — це не лише про моделі та промпти. Більша частина реальної роботи будується навколо агентів, RAG-систем, оркестрації (orchestration), векторних баз даних (vector databases) та AI-інфраструктури.
Підбірка GitHub репозиторіїв для SEO та пошуку за ключами
8 перевірених open-source репозиторіїв на GitHub для збору семантики, технічного аудиту сайтів та Generative Engine Optimization (GEO).
Монополія Nvidia та платформа CUDA
Аналіз технологічного та економічного домінування корпорації Nvidia на ринку штучного інтелекту. Як створена у 2006 році програмна платформа CUDA (Compute Unified Device Architecture) перетворила звичайні ігрові відеокарти на головний обчислювальний інструмент планети і чому конкурентам (AMD, Intel) так важко зруйнувати цю монополію.
TensorRT-LLM & SGLang High-Speed Engines
Глибоко компільовані обчислювальні рушії для екстремальної оптимізації інференсу мовних моделей на серверах NVIDIA з оптимізацією графів, FlashAttention-3 та розширеним роутингом.
Open-source проєкт із 74 навичками для розробки ігор
На GitHub з’явився open-source проєкт awesome-gamedev-agent-skills, який об’єднує 74 навички для розробки ігор на Unity, Godot, Unreal Engine та інших рушіїв. Він підтримує Claude Code і Codex та автоматично підбирає навички під задачу.