GPU Unlock, un module Linux open source, modifie une limitation de cadence sur certaines opérations utilisées en IA. Sur une RTX 4090 testée, leur débit double presque dans un microbenchmark. Mais cela ne signifie pas qu'une application complète sera deux fois plus rapide : les exemples retenus ici vont d'un gain non mesurable à environ 24 % de temps en moins sur un workflow ComfyUI. Ce n'est pas un plafond général. Les essais présentés ne permettent pas d'annoncer un gain en jeu. Le projet reste expérimental, avec des adaptations Windows elles aussi limitées à des configurations précises.
Il s'agit de mesures publiées par les auteurs et les contributeurs des projets, pas de tests réalisés par Xyrotek.
Ce que débloque GPU Unlock
Les cartes graphiques ont des unités spécialisées, les « Tensor Cores », qui accélèrent notamment les multiplications de matrices utilisées par de nombreux modèles d'IA. Sur les cartes testées, le projet relève une limitation de cadence de certaines opérations et cherche à la lever.
Les premiers résultats mis en avant concernent notamment des multiplications sur des nombres de 16 bits, FP16 ou BF16, dont les résultats sont additionnés avec une précision de 32 bits : l'« accumulation FP32 ». D'après le README du projet de Zagitta, le module vise ce déblocage sur les puces Ampere GA102, GA103, GA104 et GA106. Il intervient avant que le pilote Nvidia prenne la carte en main et ne nécessite pas de modifier ce pilote.
Sur Ada, des essais documentent aussi des gains en TF32 et en FP8, variables selon le kernel, c'est-à-dire la routine de calcul exécutée. Cela ne signifie pas que tous les calculs FP32 ou tous les usages du FP8 doublent. Les notes de la version 1.1.1 distinguent justement plusieurs résultats FP8.
Les RTX 40 (Ada) passent par une adaptation séparée, gpu-unlock-ada, et par une branche expérimentale du projet principal. Le projet de Zagitta se déclare en version 1.1.0, sans release publiée.
Trois mesures qui ne disent pas la même chose
Le piège de ce sujet, c'est de confondre trois niveaux : les instructions, une multiplication de matrices et une application complète. Le rapport d'alansley illustre les deux premiers sur une RTX 4090, avec le même pilote 615.78.08 et la même limite de puissance de 450 W avant et après. Les mesures d'applications suivent dans la section suivante.
| Niveau de mesure | Ce qui est testé | Avant | Après | Écart |
|---|---|---|---|---|
| Instructions | FP16, accumulation FP32 | 160,4 TFLOP/s | 320,4 TFLOP/s | ×2,0 |
| Multiplication de matrices | FP16, matrices 4096³ | 153,2 TFLOP/s | 206,0 TFLOP/s | +34 % |
| Multiplication de matrices | BF16, matrices 4096³ | 153,4 TFLOP/s | 152,7 TFLOP/s | inchangé |
Au premier niveau, une boucle qui ne fait que ces instructions approche le doublement. Au deuxième, une vraie multiplication de matrices gagne moins, et parfois rien : la mémoire, la taille des matrices et le reste du calcul pèsent aussi. Le troisième niveau, l'application complète, est le seul qui compte pour toi.
Dans ce même test, les instructions FP16 avec accumulation FP16, l'INT8 et le calcul FP32 classique ne bougent pas. Cela ne signifie donc pas que les calculs FP32 classiques doublent. Seuls certains chemins tensor gagnent.
Dans une vraie application IA
Le résultat le plus parlant vient de tomwalsham, le 27 octobre. Sur une RTX 3060 12 Go (version GA104) limitée à 170 W, il fait analyser 120 pages scannées par un petit modèle de vision (Qwen3-VL-4B quantifié, via vLLM). Le traitement passe d'environ 357 secondes à environ 286 secondes. Ça fait à peu près 25 % de pages traitées par heure en plus, ou 20 % de temps en moins. Le testeur suppose que le gain vient du chemin FP16, sans l'avoir profilé.
Le protocole comprend deux passages par état, avec les mêmes images d'entrée, le pilote 595.99.02 et 16 requêtes simultanées. La comparaison des réponses porte sur leurs différences de contenu : celles observées avant/après restent dans la variabilité observée entre deux passages sans changement. Cela ne certifie pas une identité parfaite ni toute la précision du modèle.
| Testeur | Carte et tâche | Résultat rapporté |
|---|---|---|
| tomwalsham | RTX 3060 GA104, 170 W, analyse de 120 pages (vLLM) | environ +25 % de débit |
| ccchenyulin | RTX 4080 SUPER, 340 W, image SDXL dans ComfyUI | 7,94 s → 6,06 s puis 6,28 s par image (médianes), soit 21 à 24 % de temps en moins |
| harmssi | RTX 4090, 340 W, clip vidéo LTX-2.5 | 148,6 s → 130,6 s, environ 12 % de temps en moins |
| dossier RTX 4090 48 Go | RTX 4090 modifiée, 450 W, modèle MoE quantifié | aucun gain mesurable sur le préremplissage long ; décodage trop variable pour conclure |
Ces mesures ne couvrent pas exactement le même périmètre. Pour ComfyUI, les durées mesurent l'exécution côté serveur après échauffement, hors chargement initial, attente et navigateur. Pour le modèle MoE sur la RTX 4090 48 Go, la référence vient d'un moteur déjà actif depuis longtemps, contre un moteur redémarré après déblocage ; les différences de cache limitent l'interprétation des petits écarts.
Le dernier cas compte autant que les autres. Un modèle quantifié peut profiter du déblocage si le moteur repasse par les opérations accélérées, ou presque pas s'il ne les utilise pas. Le format du modèle ne suffit pas à prédire le résultat.
Méfie-toi aussi des gros chiffres qui circulent. Un opérateur rapporte +41 à +50 % en production sur des RTX 4090 modifiées à 48 Go, mais avec une hausse simultanée de la limite de puissance de 260 à 350 W. Il tente de distinguer les deux effets avec une fenêtre à 350 W sans déblocage. Un essai contrôlé séparé, sur un autre modèle, mesure à 260 W identiques 2 210 → 2 332 tokens/s sur un préremplissage de 16 000 tokens, soit environ +5,5 %. Cela montre la dépendance au scénario, pas une limite universelle du gain.
Linux, Windows, et les cartes concernées
Le projet est d'abord développé sous Linux : il faut installer un module noyau et modifier les options de démarrage. Des adaptations Windows existent, comme le port UEFI d'impacifist, en préversion v0.3.1, mais leurs résultats restent liés à des cartes mères, des BIOS et des cartes précises. Je ne détaille pas l'installation ici.
Les mesures publiées couvrent surtout des RTX 3060 (GA104), 3090, 3090 Ti, 4070 Ti SUPER, 4080 SUPER et 4090, souvent sur une ou deux cartes par modèle. Qu'une puce figure dans le code ne prouve pas qu'elle a été testée. Sur un portable RTX 4070, un rapport décrit un retour à la cadence bridée une fois le pilote chargé. Aucun résultat RTX 20 suffisamment contrôlé ne figure dans ces sources, ce qui ne veut pas dire que c'est impossible. Et aucun de ces essais ne mesure les performances en jeu.
Les risques documentés
Le développeur estime très improbable que le module abîme la carte, et rappelle que la gestion thermique et de puissance reste active. Des incidents existent pourtant. Sur une RTX 3060 (version GA106) dans une machine virtuelle, la version 1.0.0 a empêché le pilote de démarrer jusqu'au retrait de l'option et un redémarrage. Dans une machine à huit GPU, une RTX 4090 a aussi été signalée comme absente du pilote jusqu'à un cycle d'alimentation. Le mainteneur souligne que la configuration utilisait un noyau 5.15 et des modifications locales non validés par ses essais ; il demande les journaux du timeout. Le ticket fermé ne suffit pas à établir la cause de cet incident ni sa résolution sur cette machine. Ces incidents concernent leurs versions et leurs configurations, pas forcément le dernier code.
Côté justesse des calculs, alansley ne relève aucune erreur sur les cas testés, et aucune erreur pilote (Xid). Ça vaut pour les chemins exercés, pas pour toutes les applications ni pour une utilisation longue.
Ce que je te conseille selon ton PC
Si tu joues seulement, ignore ce projet : les essais retenus ici ne montrent aucun gain en jeu. Si tu fais déjà de l'IA locale sous Linux et sais restaurer ton démarrage en cas de problème, le projet mérite d'être étudié sur une carte précisément documentée. Mesure ta propre tâche avant et après à limite de puissance identique. Sous Windows, j'attendrais.
J'ai aussi couvert un autre projet non officiel, le MFG Unlocker sur RTX 40, qui agit cette fois sur la génération d'images dans les jeux. Côté AMD, j'ai aussi parlé de l'IA locale sur Radeon sous Windows. Pour situer une machine pensée pour l'IA, il y a aussi mon article sur la RTX Spark.
Questions fréquentes
GPU Unlock double-t-il les performances d'une RTX ?
Pas dans son ensemble. Certains microbenchmarks d'instructions approchent un doublement. Dans les applications retenues ici, les résultats vont d'un gain non mesurable à environ 24 % de temps en moins sur un workflow précis. Ce ne sont ni une garantie ni un plafond général.
GPU Unlock améliore-t-il les FPS en jeu ?
Les essais retenus dans cet article ne mesurent pas les jeux. Ils ne permettent donc pas d'annoncer un gain de FPS.
GPU Unlock marche-t-il sous Windows ?
Le projet principal vise Linux. Des ports Windows existent en préversion, testés sur des configurations précises seulement.
Est-ce que ça peut abîmer ma carte ?
Le développeur juge ce risque très improbable. Des incidents de démarrage ont toutefois été rapportés sur certaines configurations, et la fiabilité à long terme n'est pas établie.
