3090算力从77.5到129.6，一个开源模块改回来了

一块 2020 年发布的 RTX 3090，最近的 BF16 矩阵乘成绩从 77.5 TFLOPS 变成了 129.6 TFLOPS。没换卡，没刷 VBIOS，也没装被改过的驱动，用的是 GitHub 上一个叫 gpu-unlock 的开源项目。国内把这条例行快讯翻出来的，多数转载只留下一句"提升 60%"，而真正决定它值不值得动手的细节，全在那句话后面。

被砍掉的不是核心，是发射速率

Ampere 这一代 GeForce 卡上有一条限制：做 FP16 或 BF16 的张量核心运算、又把累加结果落到 FP32 时，指令序列的发射速率大约只有专业卡的一半。同一代硅片，专业卡上跑满速，消费卡上被按住了。

gpu-unlock 的作者 Zagitta 没去动模型，也没改驱动，他改的是硬件里的速率选择寄存器。具体手法是一个 Linux 内核模块，在英伟达驱动加载之前先执行，把寄存器写完、复位 GPU，再把控制权交回原版驱动。所以整条链路里没有刷固件这一步，断电重启也不会留下一块半砖的卡。

这套路子不算新鲜，它沿用的是当年解锁 CMP 挖矿卡的那批研究。同一家公司、同一类被区分开的硬件、同一批寄存器，只是这次被用在了跑模型的卡上。

涨的是哪一段，不涨的又是哪一段

把数字摆全：一台 3090 Ti 的 BF16 吞吐从 87.5 涨到 157.4 TFLOPS，3090 的 TF32 从 40.2 到 69.8。看上去像白拿一倍，可另一位 3090 用户在自己机器上的记录更说明问题，长上下文提示词处理提升 16%，而逐 token 生成速度基本没动。

差别来自运算形态。预填充是把整段提示词一次性摊进矩阵乘，算力密度高，张量核心跑得越满越好；解码是一个 token 一个 token 往前挤，瓶颈压在显存带宽和调度上，张量核心再快也使不上劲。图像生成那边，有人拿 3090 Ti 在 ComfyUI 上测出 47% 到 59% 的吞吐提升，同样是 BF16 密集的活。

所以"提升 60%"这个说法没有错，只是它默认你已经知道自己卡在哪一段。

玩家先别急，代价写在最后

DLSS 也走张量核心，理论上有些 AI 渲染环节能沾光，但目前独立验证过的帧数数据，一个都没有。原项目只支持 Linux，Windows 侧另有一个实验性移植，在一台机器上成功引导过。

在主力机上装这种内核模块，等于把一块用了六年的卡当试验品，出事时你手里没有官方回滚路径。想试的话，先用备用盘引导一次，确认能进系统、能跑通你要跑的那类负载，再考虑换到日常机器上。

判断标准其实只有一条

这类工具值不值得跟，看的不是"提升多少百分比"，而是你的瓶颈在矩阵乘还是在显存带宽。批量跑长上下文预填充、做出图这类 BF16 密集任务的人，收益是真的；日常逐 token 对话、打游戏的人，装完大概率只觉得多折腾了一晚。

我的判断是：这更像把一条多年前划下的产品线从硬件层擦掉，而不是白送算力。你手上那块 30 系，平时卡住的到底是算力，还是显存带宽？

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～