NVIDIA vuelve a situarse en el centro de la comunidad de modding gracias a nv-uefi-unlocker, una herramienta desarrollada por el modder chino physicsdolphin que permite desbloquear determinadas operaciones de los núcleos Tensor en Windows. El proyecto está dirigido a tarjetas GeForce RTX 20, RTX 30 y RTX 40, con mejoras importantes en cargas de inteligencia artificial.
Las primeras pruebas muestran resultados llamativos: una GeForce RTX 4070 Ti SUPER ha pasado de 57 a 150,93 TFLOPS en FP16, multiplicando su rendimiento por 2,65 en un benchmark específico. Sin embargo, el consumo también ha aumentado considerablemente y el desbloqueo no proporciona mejoras equivalentes en videojuegos ni en operaciones CUDA convencionales de precisión FP32.
nv-uefi-unlocker elimina una limitación de los núcleos Tensor antes de iniciar Windows
La herramienta parte del trabajo realizado anteriormente por Zagitta con gpu-unlock, un proyecto inicialmente desarrollado para Linux. Su objetivo es eliminar una limitación de rendimiento aplicada a las operaciones Tensor FP16, BF16 y TF32 con acumulación FP32 en determinadas tarjetas GeForce, que reduce su capacidad de procesamiento frente a variantes profesionales basadas en hardware relacionado.
En condiciones normales, estas operaciones pueden ejecutarse a una velocidad inferior a la que permiten físicamente los núcleos Tensor. La modificación busca eliminar esa restricción mediante cambios en determinados registros internos de la GPU, sin aumentar necesariamente sus frecuencias ni modificar las unidades de procesamiento disponibles.
La principal novedad de nv-uefi-unlocker es su funcionamiento durante la fase UEFI, antes de que se cargue el controlador de NVIDIA. El programa, escrito en Rust, utiliza componentes del firmware para aplicar los cambios y comprobar su estado. Posteriormente, devuelve el control al gestor de arranque de Windows, permitiendo utilizar el controlador habitual.
Este procedimiento evita modificar permanentemente la VBIOS o instalar controladores gráficos parcheados, dos aspectos que diferencian la herramienta de otras modificaciones de GPU. No obstante, el desbloqueo es temporal y desaparece cuando la tarjeta pierde completamente la alimentación, por lo que debe aplicarse nuevamente durante el arranque para mantener sus efectos.
Una RTX 4070 Ti SUPER alcanza 150,93 TFLOPS con un aumento de consumo de 65W
Los resultados publicados por la comunidad muestran mejoras considerables en operaciones matriciales utilizadas por determinadas cargas de IA. El caso más destacado corresponde a una GeForce RTX 4070 Ti SUPER, que registra 150,93 TFLOPS frente a los 57 TFLOPS anteriores en una prueba FP16 con acumulación FP32.
| Tarjeta gráfica | Operación Tensor | Antes | Después | Mejora |
|---|---|---|---|---|
| RTX 4070 Ti SUPER | FP16 | 57,00 TFLOPS | 150,93 TFLOPS | +165% |
| RTX 4070 Ti SUPER | BF16 | 57,51 TFLOPS | 127,32 TFLOPS | +121% |
| RTX 2070 | Matrices con acumulación FP32 | 36 TFLOPS | 60-63 TFLOPS | +67-75% |
| RTX 4060 Laptop GPU | FP16 | 29,89 TFLOPS | 49,33 TFLOPS | +65% |
Resultados comunicados por desarrolladores y usuarios del proyecto. Corresponden a benchmarks específicos, no a mediciones de rendimiento general ni a pruebas independientes bajo condiciones uniformes.
El incremento de la RTX 4070 Ti SUPER también tuvo consecuencias energéticas. Su consumo pasó de aproximadamente 227W a 291,58W, acercándose al límite de potencia de 295W registrado durante la prueba. Por tanto, el aumento de rendimiento no se consiguió manteniendo el mismo consumo, un detalle fundamental para interpretar correctamente el resultado.
Además, la mejora de 2,65 veces supera el factor de dos asociado a la eliminación de la limitación Tensor. Esto no significa que la capacidad física de los núcleos haya aumentado en esa proporción. El comportamiento del benchmark, las condiciones de ejecución y los límites de potencia pueden influir en la diferencia observada.
Los desarrolladores también advierten de que combinar el desbloqueo Tensor con modificaciones adicionales del límite de potencia puede elevar todavía más el consumo y las temperaturas. Por ahora, faltan pruebas prolongadas que permitan valorar la estabilidad y el comportamiento térmico en distintas tarjetas gráficas y sistemas de refrigeración.
Compatible con RTX 20, RTX 30 y RTX 40, pero no con RTX 50
El proyecto contempla las arquitecturas Turing, Ampere y Ada Lovelace, utilizadas respectivamente por las GeForce RTX 20, RTX 30 y RTX 40. El repositorio incluye compatibilidad con numerosos identificadores de GPU, aunque la validación práctica no es igual de completa en todos los modelos y continúa ampliándose mediante informes de usuarios.
En el caso de las RTX 30, el desarrollador ya ha habilitado los rangos de identificación de la familia GA10x, mientras que diferentes tarjetas RTX 20 y RTX 40 cuentan con pruebas individuales. Las GPU Turing requieren además activar previamente el modo de firmware GSP, una condición necesaria para conservar correctamente el desbloqueo en Windows.
Por el contrario, las GeForce RTX 50 con arquitectura Blackwell no están soportadas. Su funcionamiento interno utiliza una cadena de inicialización diferente, por lo que el procedimiento actual no puede trasladarse directamente. Tampoco debe interpretarse la compatibilidad anunciada para una familia como una garantía de funcionamiento en cualquier portátil o configuración con varias GPU.
Secure Boot puede dificultar su utilización en equipos gaming
Una de las principales limitaciones prácticas es la necesidad de ejecutar la herramienta desde una unidad USB durante el arranque. Como la modificación no se conserva tras un apagado completo, el usuario debe repetir el procedimiento para recuperar el rendimiento desbloqueado, una diferencia importante respecto a una configuración convencional del controlador.
La documentación contempla desactivar Secure Boot o utilizar un certificado propio incorporado a la base de confianza UEFI. Esta condición puede generar problemas de compatibilidad con videojuegos cuyos sistemas antitrampas exigen un arranque seguro, además de introducir consideraciones de seguridad que conviene valorar antes de modificar la configuración del equipo.
El carácter experimental también implica riesgos de funcionamiento. Una inicialización incorrecta puede provocar pantallas negras, errores del controlador o fallos durante el arranque, especialmente en configuraciones todavía no verificadas. Aunque la modificación no se almacena permanentemente en la VBIOS, eso no elimina los posibles problemas durante su ejecución.
La mejora está dirigida a la IA local y no aumenta los FPS en videojuegos
El principal interés de nv-uefi-unlocker se encuentra en aplicaciones que aprovechan intensivamente los núcleos Tensor, como determinadas tareas de generación de imágenes, entrenamiento mediante LoRA y procesamiento de modelos de lenguaje. En estos casos, el beneficio real dependerá de cuánto tiempo dedique cada aplicación a las operaciones matriciales afectadas.
Sin embargo, las mejoras de los benchmarks no se trasladan directamente al rendimiento de una aplicación completa. Los modelos limitados por el ancho de banda de memoria, la capacidad de VRAM o las operaciones no afectadas pueden experimentar ganancias inferiores. Los desarrolladores originales también señalan la ausencia de mejoras en videojuegos y cálculos CUDA FP32 convencionales.
Por ahora, nv-uefi-unlocker representa una vía experimental para aprovechar mayor capacidad de cálculo Tensor en tarjetas GeForce anteriores a Blackwell. Los resultados publicados son prometedores para determinadas cargas de IA, pero el aumento de consumo, las restricciones de Secure Boot y la compatibilidad todavía desigual hacen que su utilidad dependa considerablemente del equipo y del trabajo que se quiera realizar.
Vía: TechPowerUp
