GPU-Unlock promete até 2x mais desempenho em IA nas placas NVIDIA RTX 20, 30 e 40

Uma descoberta envolvendo as placas de vídeo NVIDIA GeForce RTX está chamando a atenção da comunidade de inteligência artificial. Um projeto de código aberto chamado GPU-Unlock permite liberar parte do desempenho de computação que estava limitado em determinadas operações dos Tensor Cores, alcançando resultados próximos de duas vezes a velocidade original em testes específicos.

A ferramenta está sendo desenvolvida por diferentes colaboradores e utiliza uma vulnerabilidade relacionada ao firmware da GPU para modificar parâmetros internos de funcionamento. O resultado pode beneficiar principalmente quem utiliza placas GeForce para geração de imagens por inteligência artificial, processamento de modelos de linguagem e outras tarefas que exigem operações matemáticas intensivas.

O que é o GPU-Unlock?

O GPU-Unlock é um projeto de código aberto hospedado no GitHub que busca liberar taxas maiores de processamento em determinadas operações FP16, BF16 e TF32 nas placas NVIDIA GeForce RTX.

Esses formatos numéricos são utilizados em diferentes aplicações de inteligência artificial, especialmente em multiplicações de matrizes executadas pelos Tensor Cores. Segundo os desenvolvedores, algumas GPUs GeForce operam com limitações nessas operações, mesmo possuindo hardware capaz de alcançar taxas superiores.

A ferramenta atua modificando seletores internos de velocidade da GPU antes que o driver convencional da NVIDIA assuma o controle da placa. Para isso, utiliza uma falha relacionada ao firmware Booter do processador de segurança da GPU.

O procedimento não exige a instalação de uma BIOS modificada na placa de vídeo nem a substituição do driver NVIDIA. Entretanto, trata-se de uma modificação experimental no processo de inicialização do hardware.

Quais placas NVIDIA RTX podem ganhar desempenho?

Os projetos relacionados ao GPU-Unlock já apresentam resultados em diferentes gerações de placas GeForce. Os números divulgados variam conforme o modelo, o formato numérico utilizado e o tipo de teste executado.

Os resultados são provenientes de testes publicados pelos desenvolvedores e relatos de usuários. Não representam ganhos garantidos para todas as placas de um mesmo modelo.

RTX 4090 consegue praticamente dobrar o desempenho em determinados testes

Um dos resultados mais impressionantes envolve a GeForce RTX 4090. Em testes de taxa de processamento dos Tensor Cores, a placa passou de aproximadamente 165,6 TFLOPS para 330,8 TFLOPS em operações FP16 com acumulação FP32.

O resultado representa praticamente o dobro da capacidade medida nesse caminho específico de processamento. Entretanto, é importante destacar que esse número representa uma taxa de execução de instruções, e não uma duplicação automática do desempenho em todos os programas.

Em aplicações reais, os ganhos podem ser menores. Limitações de consumo energético, largura de banda da memória e características de cada software influenciam diretamente o resultado final.

Quem utiliza inteligência artificial pode ser o maior beneficiado

O principal público interessado nessa descoberta é formado por usuários que executam ferramentas de inteligência artificial localmente.

Entre as aplicações que podem aproveitar o aumento de desempenho estão:

• Geração de imagens com Stable Diffusion e modelos relacionados.
• Fluxos de trabalho de inteligência artificial no ComfyUI.
• Processamento de modelos de linguagem locais.
• Treinamento e ajuste fino de modelos de IA.
• Operações matemáticas com grandes matrizes utilizando FP16 e BF16.

Entretanto, nem todas as aplicações apresentam melhorias significativas. A geração de texto de modelos locais, por exemplo, pode continuar limitada pela velocidade da memória da placa, reduzindo o benefício da alteração.

GPU-Unlock funciona no Windows?

Essa é uma das questões mais importantes para quem pretende experimentar a novidade.

A implementação principal do GPU-Unlock utiliza módulos de kernel do Linux, que precisam ser executados antes da inicialização do driver NVIDIA. Portanto, não basta instalar um programa convencional no Windows para liberar o desempenho.

Existem iniciativas independentes que utilizam aplicações UEFI para tentar realizar o procedimento durante a inicialização do Windows. Alguns resultados positivos já foram publicados para configurações específicas, incluindo determinadas placas RTX 30 e RTX 40.

Apesar disso, essas alternativas ainda são experimentais e dependem de configurações específicas de placa de vídeo, placa-mãe e firmware. Não existe uma solução universal e oficialmente suportada pela NVIDIA para todos os computadores.

Existe risco em desbloquear a placa de vídeo?

Sim. Embora o projeto tenha despertado bastante interesse, é importante considerar os riscos antes de qualquer tentativa.

A modificação interfere no processo de inicialização da GPU e altera parâmetros internos que normalmente são controlados pelo firmware e pelo driver. Problemas de compatibilidade podem provocar falhas na inicialização, travamentos e instabilidade do sistema.

Também existe preocupação com o consumo energético e a temperatura durante operações intensivas. Os desenvolvedores de algumas implementações alertam que a utilização prolongada dos Tensor Cores em taxas maiores pode representar riscos ao hardware.

Por isso, não recomendamos executar versões modificadas ou instaladores encontrados em sites desconhecidos. O ideal é consultar exclusivamente os repositórios oficiais, verificar a compatibilidade exata do equipamento e manter uma opção de inicialização original para recuperação.

A NVIDIA limitou propositalmente o desempenho das placas GeForce?

Uma das principais discussões levantadas pelo projeto envolve a diferenciação entre as placas GeForce, voltadas ao consumidor, e as GPUs profissionais destinadas a aplicações de computação acelerada.

Os resultados sugerem que determinadas limitações de taxa de processamento estão relacionadas a seletores de velocidade configurados no hardware e no firmware. A alteração desses parâmetros permite alcançar taxas superiores em operações específicas.

Isso, entretanto, não comprova por si só que a NVIDIA tenha criado essas limitações exclusivamente para obrigar consumidores a comprar placas profissionais mais caras. A existência de segmentação de desempenho é uma questão diferente da comprovação da intenção comercial por trás de cada configuração.

Vale a pena acompanhar o GPU-Unlock?

Sem dúvida. O projeto demonstra como modificações de baixo nível podem revelar capacidades de processamento pouco exploradas em placas de vídeo que já estão nas mãos dos consumidores.

Para quem trabalha com geração de imagens, treinamento de modelos e inteligência artificial local, os resultados são especialmente interessantes. Já para jogadores, não existe comprovação de aumento relevante na taxa de quadros dos jogos, pois o desbloqueio não foi desenvolvido para acelerar o processamento gráfico tradicional.

O GPU-Unlock ainda está em desenvolvimento e a compatibilidade varia bastante entre as gerações e os modelos de placas. Mesmo assim, a iniciativa abre uma discussão importante sobre o potencial das GPUs GeForce e o desempenho disponível para aplicações de inteligência artificial.

Repositório oficial: GPU-Unlock no GitHub.

Resultados dos testes: Comparação entre desempenho original e desbloqueado.