gpu-unlock: 15 mil estrelas para tirar um limite que a NVIDIA não documenta

A afirmação tem uma frase e é do tipo que irrita as pessoas antes de terminarem de ler: a NVIDIA entrega as placas GeForce com os tensor cores limitados à metade da velocidade para matemática FP16, BF16 e TF32 com acumulação em FP32.
Essa é a matemática que quase todo treinamento e toda inferência não quantizada usam. O mesmo silício vendido como série RTX A ou placa profissional roda na velocidade cheia. Um projeto chamado gpu-unlock diz que remove o limite no boot, antes de o driver de fábrica carregar, e chegou a cerca de 15 mil estrelas fazendo isso.
Antes de seguir: é um patch de kernel em nível de boot no Linux, GPL-2.0, e não é algo para testar na máquina que paga as suas contas.
Por que a afirmação não é absurda
Segmentação de produto por firmware não é teoria da conspiração, é modelo de negócio. A Intel vendeu CPUs com multiplicador travado por décadas. Fabricantes de GPU classificam chips, e as classificações diferem em mais do que clock. A pergunta interessante nunca é “eles segmentam?”, mas “qual capacidade específica foi desligada, e está desligada em hardware ou em software?”.
A resposta do projeto é software, e é específica: acumulação FP16, BF16 e TF32 com acumulador FP32. O próprio FAQ responde à pergunta óbvia em uma linha — “segmentação de mercado, eles querem que empresas comprem as placas profissionais sem essas limitações a preços bem mais altos” — e depois responde à segunda pergunta óbvia, se isso danifica a placa, com “muito improvável”, observando que throttling e gerenciamento de energia continuam intactos.
Eu trataria as duas respostas como alegações, não como garantias. O mecanismo é plausível e o motivo está documentado em toda a indústria. As consequências térmicas de longo prazo num SKU específico não são algo que um README possa prometer.
O que isso faz com os números
O README publica uma tabela de ganhos esperados: até 2× de throughput de tensor em FP16/BF16/TF32, +25–55% no prefill de LLM, +25–50% em fine-tuning, +30–55% em geração de imagem.
As faixas são incomumente específicas, e o formato delas informa. Prefill é uma carga grande de matmul, então é o que mais se beneficia de throughput bruto de tensor. Decode é limitado por banda de memória, então é o que menos ganha — e é por isso que a alegação fala de prefill e não de tokens por segundo no total. Fine-tuning fica no meio. Geração de imagem, que é uma carga densa de convolução e atenção, fica perto do topo.
Se você faz fine-tuning de LoRA numa 4090, é a diferença entre uma rodada de nove horas e uma de cinco. Se você gera imagens em lote durante a noite, é a diferença entre 400 e 550 imagens. Nenhuma das duas é erro de arredondamento.

A lista de compatibilidade é a história de verdade
Aqui o projeto fica honesto de um jeito que a maioria dos hacks de hardware não fica.
Ampere, série RTX 30: suportado. A lista completa está escrita — da 3050 à 3090 Ti, mais peças específicas de notebook.
Ada Lovelace, série RTX 40: experimental.
Turing, série RTX 20: experimental.
Blackwell, série RTX 50: sem suporte, e o FAQ acrescenta “pouco provável que aconteça”.
Essa última linha importa mais que a lista de suportados. As placas mais novas, justamente as que as pessoas estão comprando agora para trabalhar com IA, são exatamente as que não funcionam. Então a ferramenta não é um desbloqueio geral. É uma missão de resgate para uma geração específica de hardware que muita gente já tem.
Há uma ressalva de notebook fácil de perder e que vai custar uma tarde: notebooks só permanecem desbloqueados se a GPU discreta nunca for totalmente desligada. Muitos a desligam em idle, o que reinicia o desbloqueio em silêncio. Definir NVreg_DynamicPowerManagement=0x00 ajuda em alguns modelos. “Espere resultados mistos” é a formulação do README, e é a expectativa correta.
Como a instalação funciona de fato
Não é substituição de driver. Essa é a escolha de design que torna o projeto interessante.
Você clona o repositório, roda make install e depois adiciona gpu_unlock.targets=all à linha de comando do kernel. No GRUB, edite GRUB_CMDLINE_LINUX_DEFAULT e regenere. No Fedora, use grubby. No systemd-boot, edite a linha de opções. Depois reinicie.
O desbloqueio acontece antes de o driver NVIDIA de fábrica carregar, o que significa que sobrevive a atualizações de driver. O README é explícito ao dizer que a versão de driver fixada no build só é baixada para extrair o firmware de que o desbloqueio depende, não porque o desbloqueio seja específico de versão.
É um perfil de risco bem diferente de patchear o binário do driver. Um patch de driver quebra a cada atualização e pode te deixar sem tela. Um patch de firmware em tempo de boot que o driver desconhece tem mais chance de funcionar ou de falhar de forma limpa.
Mais chance não é garantia. Tenha uma forma de dar boot sem o parâmetro antes de adicioná-lo.
Quem deveria se importar, e quem não deveria
Importe-se, se você tem uma RTX 3090 ou 4090 fazendo fine-tuning ou geração de imagem em lote, roda Linux e está confortável editando a configuração do bootloader. A economia é absurda: 30% mais throughput por zero dólar, num hardware que você já pagou. Num mercado em que as pessoas alugam H100 por hora, é um tipo estranho de almoço grátis.
Não se importe, se você está no Windows. Existe um port da comunidade, e o conselho do próprio README é ter “muito cuidado” com os instaladores que circulam. É o conselho certo. Desbloqueios de GPU em nível de kernel a partir de binários não oficiais são uma categoria ruim para confiar.
Não se importe, se você tem uma placa da série RTX 50. Não funciona, e segundo o autor provavelmente não vai funcionar.
Não se importe, se o seu trabalho é pesado em inferência e limitado por banda. A velocidade de decode quase não muda, e você terá assumido complexidade de boot por uma diferença que não consegue medir.
A parte incômoda
Existe uma versão desta história em que a lição é “os fabricantes estão te enganando”. Não acho que seja bem isso, e vale ser preciso sobre o porquê.
A NVIDIA vende uma 4090 por US$ 1.600 e uma RTX 6000 Ada por cerca de US$ 6.800. Se fossem idênticas em todos os aspectos, ninguém compraria a segunda, e é a segunda que financia os drivers, o ecossistema CUDA e os contratos de suporte de que as empresas realmente precisam. Segmentação é como esse mercado se equilibra.
A parte incômoda não é o limite existir. É o limite ser invisível. Nada na caixa diz “throughput de tensor em FP16: metade”. Nada na ficha técnica diz. Você descobre fazendo benchmark, ou lendo um repositório no GitHub com 15 mil estrelas e um FAQ que responde à pergunta que a ficha técnica evitou.
Isso é mais um problema de documentação do que de hardware, e a correção é mais barata que o hardware. Publique o número. Deixe as pessoas decidirem se a placa profissional vale a pena com o delta real na frente delas, em vez de descobrir anos depois pelo patch de kernel de um estranho.
Artigos relacionados
O Antigravity levou os agentes para a nuvem. O que fica de fora é o seu setup local
A versão 2.29 do Antigravity coloca o agente em uma VM na nuvem que sobrevive ao seu laptop e usa voz para aprovar permissões. O setup local não vai junto.
A NVIDIA abriu quatro modelos de mundo de 16B. O que ninguém mediu é o aprendizado de política
Quatro modelos de mundo abertos de 16B e um decodificador que emite geometria de uma só vez. A NVIDIA entregou as duas metades, mas admitiu que falta medir o aprendizado de política.
Quatro dos repositórios em alta no GitHub são bibliotecas de skills. O problema agora é empacotar
Skills de agente ocupam mais de um quarto das tendências do GitHub, vindas da Anthropic, Google e Cloudflare. O formato é simples; o empacotamento é um caos de quatro caminhos.
A Thinking Machines lançou um modelo de 594B e empurrou os pesos para a semana seguinte
O Inkling 2 Small chega com contexto de um milhão de tokens e visão como canal de verificação. Os pesos abertos, prometidos para a semana seguinte, ainda não têm data.