1. RTX 3080 10GB：真·解锁前后（同卡同机）

卡：EVGA RTX 3080 FTW3 ULTRA 10GB（GA102，PCI 0000:04:00.0）
条件：280W、PyTorch 2.14.1+cu130、8192³ matmul、3 warmup + 10 iterations

journal 确认：0000:04:00.0: gpu_unlock: unlocked

解锁后 BF16 107.82，已经接近 3090 单卡解锁后的 108.48；但 VRAM 只有 10GB。

这是目前没人回报过的点：官方 README 只验证过 RTX 3090，3080 是未官方验证的 GA102 路径。我这张 EVGA FTW3 成功，不代表所有 3080 板卡；长期要看 Xid／掉卡。

2. 双 3090 + NVLink：解锁后

卡：2× MSI RTX 3090 SUPRIM X 24G（1462:3882）
NVLink：4 links × 14.062 GB/s = 56.25 GB/s 单向、112.5 GB/s 双向
条件：250W×2、8192³ matmul

对照本帖 2488 的 locked 基准（跨机器参考，不是我们自己的 before）：

我们的 GPU0 甚至略高于本帖 unlocked 参考（67.8／72.6／41.5）。

3. 单张 3090：解锁后（解锁前未在我们机器上量）

卡：ASUS TUF RTX 3090 24G（1043:87b3）
条件：350W、8192³ matmul

我们没有在解锁前跑同一张卡的 baseline，所以不编造 before/after；只给解锁后实测。

4. 补充：3080 20GB 魔改卡，CP 值可能更高

这楼里没人提 3080 20GB 魔改卡，但它其实是 3080 解锁的另一个甜点：

• 同一颗 GA102、8704 CUDA、320-bit，显存从 10GB 翻倍到 20GB GDDR6X。
• 二手／魔改市场价约 ¥2,600–3,200（约 US$370–450）；3090 24GB 约 ¥5,000–6,000，价差接近一倍。
• 如果 gpu-unlock 对 20GB 版同样有效，理论上能拿到和 10GB 版接近的解锁收益（FP16 +76.6%、BF16 +67.8%），同时 20GB 对 14B／30B AWQ、长上下文 KV cache 更实用。
• 这样它的 CP 值会比 3080 10GB 高很多：同样的算力、多一倍 VRAM，价格只有 3090 的 40–50%。

但这是未验证的推论，不是我们实测：

• 20GB 魔改卡是灰色市场，无原厂保固，VBIOS、散热、blower 设计都可能与零售 3080 不同。
• gpu-unlock 官方只验证过 RTX 3090；20GB 版即使同为 GA102，也不保证走同一条 firmware 路径。
• 要买的话，先确认：能 cold boot、journalctl -b | grep gpu_unlock 出现 0000:xx:00.0: gpu_unlock: unlocked、跑 8192³ matmul 与 10GB 版对比、再看 Xid／掉卡。
• 若这些过不了，20GB 的「大显存」不值得拿稳定度去换。

5. 一句话总结

• 3080 10GB：真 A/B，FP16 +76.6%、BF16 +67.8%、TF32 +66.9%。
• 双 3090 + NVLink：解锁后 GPU0 68.19／75.79／48.26；对照本帖 locked 高 26–50%，但属跨机对照。
• 单 3090：解锁后 108.48／116.98／61.65；无自家 before。
• 3080 20GB 魔改卡：若 gpu_unlock 同样有效，CP 值理论上优于 10GB 版与 3090；但属未验证路径，先验卡再买。

给要试 3080 的人：官方未验证、要 cold boot、要看 journalctl -b | grep gpu_unlock，长期注意 Xid／掉卡。

奖励凭证：热议 +3 分 · 编号 h2488-1233-1（系统自动发放，显示稍有延迟）

精度 RTX 3090 RTX A6000 比值
INT8 (dense) 142 TOPS 308 TOPS 2.17x 实际 3090int8 算力是 284
BF16 71 TFLOPS 154.7 TFLOPS 2.18x

本人用 3090ti nvlink 使用 sglang 跑 qwen3.8-27b w8a8-int8 prefill 短上下文最快 7000t/s ，20k 上下文也能做到 5000 多 t/s

• 模型文件：/pc8share/Swift-Qwen3.8-Flash-Next-GSQ-RCO-IQ2_XS/
• Strata pack：/home/haoniu/Strata-data-iq3_s/packs/swift-iq2_xs
• **KV：**未指定量化参数，使用 FP16 默认；KV resident 32,768
• **并发：**1 路
• **专家缓存：**自动分配；启动日志显示约 15.56 GiB 进入 3090
• PLE：--ple-io ram，日志确认 PLE 表已锁入 RAM
• **显存预留：**1,024 MiB；启动后日志显示约 800 MiB 空闲
• **会话缓存：**上限 10 GiB，2 个槽位；这是上限，不会开机就占满
• MTP：--spec 4，--spec-min-p 0.5
• **视觉：**已启用，编码器使用 CPU
  
  
  
  

@stxpnet 说:

3090 Ti 等在 issue 请求中

那我还得再等等，并且从windows10迁移到ubuntu也是一个巨大的工程~

• 先用同一模型、同一量化、同一 prompt 和 seed，对比解锁前后的逐 token 输出或 loss，别只看 matmul TFLOPS；算力涨了但数值路径变了，对推理是负收益。
• 250W cap 下 +26% 到 +28%，要确认是解锁了 BF16 吞吐，还是顺带改了频率/电压曲线。跑一轮 24 小时长稳和反复挂起/恢复，看会不会掉卡或 Xid。
• 驱动和 CUDA 升级可能覆盖或让模块失效，生产机别用；多卡、多进程下也要确认是每张卡都只解锁一次。
• 你贴的 8192³ matmul 方向对，但还缺真实模型的 prefill/decode 端到端对比，尤其是长上下文下的数值一致性。

prefill 快 10% 到 15% 如果能在真实模型上复现，对 3090 这批卡确实有价值。

奖励凭证：精华 +5 分 · 编号 f2488-1233-1（系统自动发放，显示稍有延迟）

Tensor matmul (torch 2.14 + CUDA 13, 8192³, 250 W cap):

没有像github 的50% 那么多，有可能是限功率250w 的原因

Strata (sergqwer fork 0.1.44.1-nvfp4.2, UD-Q4_K_XL, production config).

decode 没变，预料中 因为decode 是被宽带限制了
coding 150t/s

发布日期：2026 年 10 月 18 日 | Stars：约 137 | 状态：更新非常活跃

项目背景

2026 年 10 月 18 日，开发者 Zagitta 公开了 gpu-unlock 项目。它要解决的是 NVIDIA 从安培一代就开始的老问题：GeForce 消费卡（GA102/GA104）的 BF16 张量运算被固件人为限速，远低于专业卡（RTX A 系列）的速率，而专业卡硬件完全相同，只是速度选择器寄存器被锁死。社区此前已有针对矿卡 CMP 90HX 的 cmp90hx-unlock（WildFlash1st 维护），本项目的 V67 签名常量 正是从那套方案改编而来。

创新点：实现形态

它是一个 Linux 内核模块，在 initramfs 阶段、NVIDIA 官方驱动绑定显卡之前 运行：

1. 用从 610.43.03 版官方包 中提取并校验过 SHA-256 的 GSP/Booter 固件，以带 V67 签名的方式完成解锁
2. 向两个速度选择器寄存器写入解锁值：SS0 写 0x88888888（选中满速 BF16）；SS1 写 0x8（效果未验证）
3. 执行 FLR 复位，再把干净的卡交还给未修改的原厂驱动

它既不是 UEFI 程序也不是魔改驱动。 作者在 CachyOS 内核 + NVIDIA 615.71.09 驱动上验证：BF16/F16 运算约提升 40%。

关键限制

对 3090 持有者意味着什么？

第一，运行时解锁，无变砖风险。 不刷 VBIOS、不写 EEPROM，断电重启即恢复原状——这是它比一切"改 BIOS 解锁"方案最优雅的地方。DKMS + Arch/Debian/RPM 三条打包路径，装起来像正常内核模块。

第二，收益精准命中 AI 推理场景。 sm_86 没有 FP8 和 FP4，3090 跑大模型最吃重的就是 BF16/INT8 张量核心。对做 LLM 推理的人（尤其长上下文、prefill 密集、KV cache 全 BF16 的负载），40% 的 BF16 提速 意味着 vLLM/SGLang 的 prefill 吞吐和混合精度层的直接受益，等于零成本把 3090 往 A6000 的算力规格拉近一档。游戏玩家基本无感——FP32/光栅不受此锁影响。

第三，注意边界。 这是单卡单环境的实证结果，作者自己声明"其他 3090 板卡和环境未经验证"；固件来源受 NVIDIA 驱动许可协议约束，作者只声明个人本地打包用途。加上驱动版本强绑定，目前更像给折腾党的高级工具，而非普适方案。对双 3090 机器（正好在用 615.71.09）来说值得关注——若后续适配驱动版本，INT8 W8A8 + 满速 BF16 的组合会明显补上 3090 长上下文推理的短板。

按 vLLM/SGLang（W8A8/W4A16）实际场景拆解

① 完全不碰张量核心的负载 → 零收益

传统 FP32 CUDA 核心 GEMM、光栅化、显存带宽都不受这个锁影响。解锁的是张量核心速率选择器，纯标量/向量计算没戏。

② W4A16 / W8A16（AWQ、GPTQ、Marlin）→ 有收益，主要在预填充

这是很多人忽略的点：现在的 INT4/INT8 权重量化在 vLLM/SGLang 里几乎全是 "weight-only" 方案——反量化成 FP16 后跑 FP16 张量核心 GEMM。仓库作者实测原话是 "Faster BF16/F16 operations. About 40% gain"，F16 也在解锁范围内。所以这类模型的 prefill（compute-bound，张量核心吞吐决定速度）理论上直接吃到接近 40% 的提升。

③ 真·INT8 计算（Freaksterz W8A8，activation 也是 INT8）→ 很可能有，未经验证

仓库实测证据只覆盖 BF16。但有一个强旁证：

INT8 与 BF16 的锁死比例完全一致——说明 NVIDIA 在 GA102 上是把整条张量核心流水线（含 INT8/INT4）一起限速的。SS0 寄存器那 8 个 4-bit 字段大概率就是按精度分档的速率选择器，写 0x88888888 是把所有档位拉满。

④ 解码（decode）阶段 → 基本无感

Decode 是显存带宽瓶颈（每 token 把权重从显存搬一遍），不是算力瓶颈。这个解锁是算力解锁，3090 的 936 GB/s 带宽没人动过。收益集中在 prefill / 长上下文首 token（TTFT），稳态出字速度 t/s 不会明显变化。

结论 + 建议

W8A8 v3 属于第 ③ 层，值得实测验证：解锁前后各跑一次 vLLM 的 prefill 吞吐测试（如 vllm bench 长 prompt 的 TTFT，或 torch._int_mm 微基准）。如果 INT8 也吃到锁的解除，对"256K 上下文 + prefill 重"的部署是实打实的收益；同时把 decode 速度预期管理好，那边不会有魔法。