← Zurück zum Blog
Aica. 7 Min. Lesezeit

NVIDIA verkauft dasselbe Silizium zweimal: Ein Kernelmodul öffnet die Sperre vor dem Treiber

Veröffentlicht 11. Nov. 2026
NVIDIA verkauft dasselbe Silizium zweimal: Ein Kernelmodul öffnet die Sperre vor dem Treiber

NVIDIA liefert seine GeForce-Karten mit auf die halbe Rate gedrosselten Tensor Cores für FP16-, BF16- und TF32-Rechnungen mit FP32-Akkumulation aus. Auf dieser Arithmetik läuft fast jedes KI-Training und jede nicht quantisierte Inferenz. Dasselbe Silizium als RTX A-Serie oder Profikarte verkauft, läuft mit voller Rate.

Ein Projekt namens gpu-unlock hebt diese Sperre beim Booten auf, bevor der originale NVIDIA-Treiber die Karte bindet. Es erreichte in drei Wochen 17.990 Sterne – was etwas darüber sagt, wie viele Leute die Sperre vermutet hatten.

Was das README tatsächlich behauptet

Das Repository ist ein Linux-Kernelmodul in C, GPL-2.0 für das Modul und das Packaging, angelegt am 18. Oktober. Beim Booten schreibt es zwei Geschwindigkeitsselektoren: SS0 bekommt `0x88888888`, was die volle BF16-Rate auswählt, SS1 bekommt den 4-Bit-Wert `0x8` für IMLA4. Danach folgt ein FLR-Reset, und der unveränderte NVIDIA-Treiber lädt und bindet die Karte wie gewohnt.

Der Ansatz ist bewusst eng: keine UEFI-Anwendung, kein gepatchter Treiber, kein VBIOS-Flash. Das Modul liegt in der Initramfs vor `nvidia`, erledigt seine Arbeit in etwa einer Sekunde und lässt nichts zurück, das bei einem neuen NVIDIA-Treiber wiederholt werden müsste. Der Treiber wird nur während des Builds geladen, um die Firmware zu extrahieren, von der der Unlock abhängt – deshalb wird eine Version festgeschrieben.

Die gemeldeten Zahlen, eingetragen von Nutzern im Issue-Tracker und nicht allein vom Autor gemessen:

| Karte | BF16 vorher | BF16 nachher | Gewinn | | --- | --- | --- | --- | | RTX 3060 12GB | 27 TFLOPS | 51 TFLOPS | +87% | | RTX 3070 | 40 TFLOPS | 72 TFLOPS | +81% | | RTX 3080 10GB | 65 TFLOPS | 113 TFLOPS | +73% | | RTX 3090 | 75 TFLOPS | 125 TFLOPS | +65% | | RTX 4080 | 104 TFLOPS | 193 TFLOPS | +87% | | RTX 4090 | 165 TFLOPS | 329 TFLOPS | +100% |

Die Zeile zur RTX 4090 ist die interessante, und das README sagt es selbst: Die Karte geht ihr an Leistung aus, bevor ihr an Tensor Cores ausgeht, weshalb große GEMMs im Standard-Leistungslimit deutlich weniger gewinnen, als die Spitzenrate vermuten lässt. Hundert Prozent auf dem Papier werden in der Praxis eher ein Drittel.

Ein kleiner gefräster Messingring mit einer Kerbe an der Innenseite, auf schwarzem Filz.

Bei echten Lasten setzt sich die Ehrlichkeit fort. LLM-Prefill und Prompt-Verarbeitung in FP16/BF16 oder AWQ/GPTQ gewinnen 25 bis 55 Prozent, die Time to first token sinkt um 25 bis 30 Prozent, LoRA und volles Fine-Tuning in BF16 gewinnen 25 bis 50 Prozent, Bildgenerierung in FP16/BF16 mit SDXL, SD 1.5, Krea und DiT-Modellen in ComfyUI gewinnt 30 bis 55 Prozent, Videogenerierung in BF16 gewinnt 15 bis 20 Prozent auf Wan 2.2, und FlashAttention-Kernel gewinnen 50 bis 60 Prozent.

Dann die Spalte, die niemand in einen Launch-Post schreibt: Quantisiertes GGUF über llama.cpp oder Ollama gewinnt 0 bis 15 Prozent, vor allem bei langem Kontext. LLM-Decoding gewinnt nichts, weil es speichergebunden ist. INT8-, FP8- und INT4-Modelle gewinnen nichts. Gaming und FP32-CUDA gewinnen nichts.

Bit-identisch ist die Behauptung, auf die es ankommt

Mitten im README steht ein Satz: Die Ausgaben sind vorher und nachher bit-identisch, nur die Geschwindigkeit ändert sich.

Diese eine Zeile holt das Projekt aus der Overclocking-Kategorie. Overclocking verändert Ergebnisse, sobald es instabil ist, und Stabilität ist ein Münzwurf, den man jede Sitzung wiederholt. Hier ändert sich ein Ratenlimit, und die herauskommende Arithmetik bleibt dieselbe Arithmetik. Wenn der Satz stimmt, muss ein Trainingslauf nicht neu validiert werden, braucht ein Benchmark keine Fußnote, und ein Fine-Tuning driftet nicht, weil die Hardware anders multipliziert hat.

Das erklärt auch die Lizenzhaltung. Kernelmodul und Packaging sind GPL-2.0-only, und das README verweist für den generierten Puffer auf `firmware/NOTICE.md`, der von einer festgeschriebenen CMP-Referenz abgeleitet ist. NVIDIAs Firmware bleibt unter NVIDIAs eigenen Bedingungen. Das Projekt tut nicht so, als besäße es, was es weitergibt.

Installation – und die Stelle, an der man bremsen sollte

Die Installation sind drei Zeilen für jeden, der schon einmal ein Kernelmodul kompiliert hat:

git clone https://github.com/Zagitta/gpu-unlock
cd gpu-unlock
make install

Danach kommt `gpu_unlock.targets=all` auf die Kernel-Kommandozeile. `make install` liest `/etc/os-release` und wählt einen Installer für Arch, Debian/Ubuntu oder Fedora/RHEL. Für jede Variante gibt es explizite Ziele, falls die Erkennung falsch rät. GRUB-Nutzer bearbeiten `GRUB_CMDLINE_LINUX_DEFAULT` und rufen `update-grub` auf; unter Fedora läuft `grubby --update-kernel=ALL --args="gpu_unlock.targets=all"`; bei systemd-boot wird die Zeile `options` ergänzt.

Das Opt-in ist wichtig. Ohne den Kernel-Parameter tut das Modul nichts. Statt `all` lässt sich eine kommagetrennte Liste von PCI-Adressen übergeben, mit den Namen, die `lspci -D` ausgibt – so kann eine Maschine mit Anzeigekarte und Rechenkarte nur die zweite freischalten. Nicht unterstützte Karten werden protokolliert und ignoriert, und ein `all` gemischt mit expliziten Adressen wird abgelehnt statt halb angewendet.

Laptops sind der ehrliche Kollateralschaden. Der Unlock überlebt nur, wenn die diskrete GPU nie vollständig abschaltet, und viele Laptops tun genau das im Leerlauf, was den Selektor still zurücksetzt. Das README schlägt `NVreg_DynamicPowerManagement=0x00` in `/etc/modprobe.d/` vor und gibt dann zu, dass gemischte Ergebnisse zu erwarten sind.

Der Support ist abgestuft, nicht einheitlich. Ampere (RTX 30) ist stabil, mit über hundert Nutzerberichten. Ada (RTX 40) und Turing (RTX 20) sind experimentell. Blackwell (RTX 50) wird nicht unterstützt, und der Autor hält es für unwahrscheinlich. Windows wird nicht gepflegt, und das README rät zu größter Vorsicht bei den Installern, die dafür kursieren.

Warum es das gibt, in der Sprache des Autors

Die FAQ beantwortet „warum hat NVIDIA meine GPU kastriert“ mit einem Satz: Marktsegmentierung, man will, dass Firmen die Profikarten ohne diese Limitierungen zu deutlich höheren Preisen kaufen.

Das ist das Argument, und die Auslassungen sind Absicht. Es behauptet nicht, die beschnittenen Karten seien unbrauchbar, der Profi-Aufschlag sei Betrug oder der Unlock erzeuge andere Bilder. Es behauptet, zwei Produkte seien dasselbe Produkt mit einem Ratenlimit, und das Limit werde in der Firmware durchgesetzt, nicht im Die.

Ob das juristisch hält, ist eine andere Frage als die, ob es technisch hält. Das Modul ist GPL-2.0, und die GPL deckt das Modul, nicht den Akt, es gegen gekaufte Firmware laufen zu lassen. Interessant ist die Gewährleistung und, für alle, die das in einem bezahlten Cluster betreiben, das, was die Bedingungen des Betreibers zu nicht unterstützten Konfigurationen sagen.

Das Lieferkettenproblem, nach dem niemand gefragt hat

Halb unten in der FAQ steht eine Frage zu einer Website, einer Coin und einem Installer. Die Antwort ist ein klares Nein: Dies ist die eine und einzige Originalquelle, und Krypto, Websites und Installer haben mit dem Projekt nichts zu tun. Das README nennt außerdem drei Wallet-Adressen für Spenden – ein seltsamer Ort für eine Warnung vor Krypto und ein seltsamer Ort für Krypto.

Die Form dieses Projekts ist inzwischen vertraut. Ein Werkzeug, das eine Hardware-Fähigkeit freischaltet, ein großes Publikum, das es will, kein Vertriebskanal und ein README, das sich gegen Nachahmer verteidigen muss. Wer eine Farm aus 3090ern und ein Trainingsbudget hat, trägt das Risiko woanders: Wer das Modul am dringendsten braucht, liest am wenigsten wahrscheinlich die FAQ, bevor er ein `curl | bash` von einer ähnlich klingenden Domain ausführt.

Was daraus zu lernen ist

Der Gewinn ist real, aber schmal. Wer BF16-Matrixrechnung fährt, bekommt den Großteil der versprochenen Beschleunigung, mit Bildgenerierung und Fine-Tuning am oberen Ende. Wer quantisierte Inferenz fährt, bekommt fast nichts, und das README sagt das, bevor man irgendetwas installiert.

Die ehrliche Einordnung: ein Hardware-Segmentierungs-Unlock mit messbarem, lastabhängigem Nutzen, veröffentlicht samt eigener Fehlerfälle. Für ein Projekt mit 18.000 Sternen und starkem Anreiz zu übertreiben, verwendet das README ungewöhnlich viel Platz darauf, zu erklären, wann man es besser lässt.

Verwandte Artikel