해외 기사를 번역기로 번역 하였습니다 오역이 있을수 있으니 원문을 참고 하세요
NVIDIA의 구형 GeForce RTX 30 시리즈 (코드명 Ampere ) GPU에는 아직 활용되지 않은 컴퓨팅 잠재력이 상당한 것으로 나타났습니다. GitHub 사용자 Zagitta 가 개발한 GPU Unlock 이라는 새로운 오픈 소스 프로젝트는 Ampere GPU가 특정 작업 부하에서 인위적인 성능 제한을 극복하고 Tensor Core 컴퓨팅 처리량을 거의 두 배로 늘릴 수 있도록 해줍니다. 이 작업은 NVIDIA 드라이버를 수정하거나 VBIOS를 영구적으로 업데이트할 필요가 없습니다 .
이 프로젝트는 특히 FP32 누적 연산을 사용하는 FP16/BF16 텐서 코어 연산에 영향을 미치는 명령어 발행률 제한 문제를 해결하는 것을 목표로 합니다. 이 연산은 전문가용 Ampere 그래픽 카드에 비해 일반 소비자용 Ampere 그래픽 카드에서 낮은 발행률로 작동합니다. 이 제한을 제거함으로써, 이 도구는 GPU가 이미 제공할 수 있는 추가적인 컴퓨팅 성능을 효과적으로 활용할 수 있도록 해줍니다 .
흥미롭게도, GPU Unlock은 NVIDIA의 CMP 암호화폐 채굴 GPU 관련 기존 연구를 기반으로 합니다 . 이 기술은 CMP 프로젝트의 펌웨어 잠금 해제 기법과 NVIDIA GPU 드라이버가 로드되기 전에 실행되는 Linux 커널 모듈을 사용하는 조기 초기화 방식을 결합합니다 . 이 모듈은 관련 하드웨어 속도 선택기를 수정하고, 기능 레벨 재설정(FLR)을 수행한 다음, 수정되지 않은 드라이버가 GPU를 정상적으로 초기화할 수 있도록 합니다.
이는 사용자가 새 버전이 출시될 때마다 NVIDIA 드라이버를 패치할 필요가 없다는 것을 의미합니다. 개발자는 현재 GA102, GA103, GA104 및 GA106 GPU를 지원한다고 명시하고 있으며 , 이는 GeForce RTX 30 시리즈 라인업의 상당 부분을 포함하지만 모든 그래픽 카드에서 호환성 및 성능 향상이 보장되는 것은 아닙니다.
성능 향상은 놀라울 정도입니다. 프로젝트의 GitHub 저장소에 공개된 벤치마크에 따르면, 450W 전력 제한으로 작동하는 RTX 3090 Ti 는 FP32 누적을 사용한 밀집 행렬 곱셈(GEMM) 테스트 에서 다음과 같은 결과를 보여주었습니다 .
이러한 결과는 RTX 3090 Ti에만 국한된 것이 아닙니다. RTX 3080 Ti 사용자는 BF16 처리량이 71.59 TFLOPS에서 113.98 TFLOPS 로 , TF32 성능은 35.65 TFLOPS에서 65.28 TFLOPS로 향상되었다고 보고했으며 , 이 경우 GPU의 전력 소비는 315W 로 제한되었습니다 . 또 다른 RTX 3080 10GB 호환성 보고서 에서는 FP16/BF16 성능이 카드의 원래 전력 제한인 320W 에서 약 65 TFLOPS 에서 110~113 TFLOPS 로 향상되었다고 기록했습니다 . 이러한 개선 사항은 X 에서도 강조되었습니다 .
🚨 你的 30 系显卡，算力被官方锁了一半
一个内核模块在 nvidia 驱动绑定之前动手，把 FP/BF16 指令的发射速率放到专业卡的水平。不是刷 vBIOS，也不是改驱动，驱动每次更新都不用重打补丁。
1️⃣ 3090 Ti 实测：BF16 从 87.5 涨到 157 TFLOPS，TF32 从 42.6 涨到 82.6
2️⃣ 3080 10GB 在原厂 320W…
— MrWhite 白先生 (@neuronxwhite) October 24, 2026
그렇다면 실제 애플리케이션 성능은 어떨까요? 다행히 커뮤니티 구성원들이 이미 실제 AI 워크로드에서 잠금 해제 기능을 테스트하기 시작했으며, 초기 결과는 고무적입니다.
레딧의 한 RTX 3090 Ti 사용자가 ComfyUI에서 GPU 언락 기능을 벤치마킹한 결과, MOSS-Image SFT BF16 에서 58.6% , Qwen-Image 2.1 Turbo BF16 에서 57.2% , Z-Image Turbo BF16 에서 56.1%의 처리량 향상을 보고 했습니다. 반면, INT8 구성에서는 개선 효과가 훨씬 미미하여 MOSS-Image SFT INT8 에서 단 0.3% 향상에 그쳤습니다 . 또한, 테스트 사용자는 기본 설정과 언락 설정 간의 디코딩된 이미지 출력 결과가 동일하다고 보고했습니다.
대규모 언어 모델(LLM) 추론 또한 잠재적인 수혜 분야이지만, 개선 효과는 워크로드에 따라 상당히 달라집니다. 예를 들어, RTX 3090 호환성 보고서에 따르면 vLLM 프롬프트 처리/추론 처리량 은 33% 향상된 반면, 토큰 생성은 거의 변화가 없었습니다. 이는 LLM 디코딩이 텐서 코어의 순수 연산 처리량보다는 메모리 대역폭에 의해 제한되는 경우가 많다는 점을 고려하면 당연한 결과입니다 .
주목할 만한 또 다른 개발 사항은 기존 리눅스 커널 모듈 대신 UEFI 기반 방식 을 사용하는 실험적인 윈도우 구현 입니다 . 개발자는 RTX 3090 구현에 성공했으며, BF16 연산 처리량이 약 82.5% 증가했다고 보고했습니다 . 그러나 이는 일반적인 윈도우 호환 버전이 아닌, 하드웨어에 특화된 실험적인 솔루션 입니다 .
하지만 중요한 한계점도 있습니다. GPU 언락은 메모리 대역폭을 증가시키거나, 추가 CUDA 코어를 활성화하거나, 모든 작업 부하를 자동으로 개선하지는 않습니다. 적어도 한 건의 RTX 3080 Ti 20GB 호환성 보고서에서는 언락 절차가 성공적으로 완료되었지만 BF16 성능 향상이 기대에 미치지 못했다고 기록하고 있어, 결과가 항상 동일한 것은 아님을 보여줍니다.
게임 성능 측면에서 NVIDIA의 DLSS 기술 역시 텐서 코어를 활용하지만, 현재로서는 GPU Unlock이 게임 성능이나 DLSS 실행 시간을 향상시킨다는 확실한 증거는 없습니다 . 실질적인 효과를 보려면 해당 명령어와 누적 모드가 실제 워크로드에서 사용되어야 합니다. 따라서 인상적인 컴퓨팅 벤치마크 결과를 게임 FPS의 동등한 증가로 오해해서는 안 됩니다 .
그럼에도 불구하고, GPU Unlock은 특히 로컬 AI 추론, 이미지 생성 및 기타 연산 집약적인 애플리케이션에 GPU를 사용하는 GeForce RTX 30 시리즈 사용자에게 매우 흥미로운 발전입니다. 이 프로젝트는 아직 실험 단계에 있지만, 하드웨어를 영구적으로 수정하지 않고도 성능을 크게 향상시킬 수 있다는 가능성은 분명 매력적입니다.
