En resumen
- NV UEFI Unlocker se desarrolló para tarjetas gráficas GeForce RTX 20, RTX 30 y RTX 40.
- La herramienta se ejecuta desde UEFI antes de que se cargue el controlador de NVIDIA; no requiere reescribir el VBIOS de forma permanente.
- En una prueba, se informó que el rendimiento de multiplicación de matrices FP32 de una RTX 2070 pasó de 36 TFLOPS a 60–63 TFLOPS.
- El proyecto es experimental; algunos modelos presentan problemas y la serie RTX 50 no es compatible.
El modder chino physicsdolphin publicó con soporte para Windows la herramienta NV UEFI Unlocker, que busca eliminar el límite de cálculo tensorial de las tarjetas gráficas GeForce RTX 20, RTX 30 y RTX 40. Según la información sobre la novedad difundida el 30 de octubre, la herramienta también funciona en Linux y se activa en la fase UEFI, antes de que se cargue el controlador de NVIDIA. El proyecto busca ofrecer un mayor rendimiento de cálculo en cargas de trabajo de inteligencia artificial.
¿Qué límite busca modificar la herramienta?
Según informa TechPowerUp, en las tarjetas GeForce las operaciones tensoriales FP16, BF16 y TF32 funcionan a media velocidad con acumulación FP32, mientras que el mismo silicio funciona a velocidad completa en tarjetas profesionales. NV UEFI Unlocker busca eliminar este límite antes de que se inicie el controlador. El proceso no requiere reescribir el VBIOS.
Playground.ru describe la herramienta como de código abierto e indica que los cambios se restablecen cuando el equipo se apaga por completo. Por lo tanto, el aumento de rendimiento aplicado no constituye una modificación permanente de la tarjeta. La herramienta se inicia desde una aplicación UEFI y los componentes necesarios preparados en una memoria USB; es necesario desactivar Secure Boot o marcar la aplicación EFI como confiable. También se señala que, en la serie RTX 20, primero hay que activar el modo de firmware correspondiente a GSP.
¿Qué mejoras se han informado en las primeras pruebas?
En los primeros resultados citados por Playground.ru, el rendimiento de multiplicación de matrices FP32 de la RTX 2070 pasa de 36 TFLOPS a un rango de 60–63 TFLOPS. Según la fuente, esto supone un aumento aproximado del 67–75 %, según las condiciones de prueba. También se informa que el rendimiento FP16 de una RTX 4060 móvil subió de 29,89 TFLOPS a 49,33 TFLOPS.
Estos resultados no deben presentarse como datos verificados y reproducidos en todos los sistemas por el desarrollador de la herramienta o por un laboratorio independiente. Playground.ru advierte que puede haber diferencias según el modelo y la configuración del equipo, y que un aumento de la capacidad de cálculo teórica no garantiza la misma aceleración en aplicaciones reales. Los límites de ancho de banda de memoria y consumo energético también pueden influir en el resultado.
Compatibilidad y aspectos que conviene tener en cuenta
La herramienta está dirigida a las series RTX 20, RTX 30 y RTX 40; la fuente indica que persisten problemas de compatibilidad con algunos modelos. La compatibilidad con GTX 16 sigue en fase experimental y la serie RTX 50 no es compatible. Por ello, no se debe asumir que funcionará sin problemas en todas las tarjetas basándose únicamente en la serie.
Playground.ru señala que la herramienta anterior, GPU Unlock, casi duplicó la velocidad de transferencia tensorial en algunos cálculos y mostró una mejora de alrededor del 60 % en pruebas de generación de imágenes con IA. Sin embargo, estos resultados no deben interpretarse como el rendimiento de la nueva herramienta en todos los escenarios. Además, las fuentes indican que no hay pruebas convincentes de mejoras en el rendimiento de los juegos o en la velocidad de DLSS.
Efectos en los flujos de trabajo de arquitectura y visualización
Los estudios de arquitectura y artistas de visualización que realizan generación de imágenes con IA u otros cálculos tensoriales en una tarjeta gráfica local pueden investigar la posibilidad de aprovechar mejor las tarjetas compatibles de generaciones anteriores. Sin embargo, esto no significa que todas las aplicaciones de renderizado o diseño vayan a acelerarse; las pruebas citadas se basan en tipos específicos de cálculo.
Antes de incorporarla al flujo de trabajo, hay que comprobar la compatibilidad del modelo de tarjeta, el sistema operativo utilizado y los requisitos de Secure Boot. Como la herramienta es experimental, lo más prudente es probarla en un sistema separado y medir los tiempos reales en las aplicaciones del flujo de trabajo antes de usarla en estaciones de trabajo críticas para la producción. Se indica que el proyecto es de código abierto, pero las fuentes no detallan las condiciones de licencia.
Fuentes
1 fuenteNo republicamos los textos de las fuentes; las citas breves van marcadas y el resto es resumen y comentario propios.
Para los estudios que tienen tarjetas RTX antiguas, la posibilidad de obtener más rendimiento en cálculos tensoriales resulta interesante; sin embargo, no sería correcto traducir directamente las mejoras comunicadas en una reducción del tiempo de renderizado o en una mayor velocidad de producción diaria. Los resultados se basan en pruebas específicas y pueden variar según la configuración del hardware.
Para los equipos de Turquía, los principales factores a considerar son el modelo de tarjeta compatible, los ajustes de arranque seguro de la estación de trabajo y el carácter experimental de la herramienta. Que sea de código abierto no significa por sí solo que no implique riesgos en un entorno de producción ni que todas las condiciones de uso estén claras. Antes de emplearla en entregas críticas, conviene establecer un plan de pruebas y de vuelta atrás.
Preguntas frecuentes
¿Qué tarjetas gráficas admite NV UEFI Unlocker?
La herramienta está dirigida a las series GeForce RTX 20, RTX 30 y RTX 40. Algunos modelos presentan problemas de compatibilidad; la compatibilidad con GTX 16 es experimental y la serie RTX 50 no es compatible.
¿NV UEFI Unlocker funciona en Windows?
Sí. La herramienta se publicó con soporte para Windows; las fuentes también indican que funciona en Linux.
¿NV UEFI Unlocker acelera los juegos o DLSS?
Las fuentes señalan que no hay pruebas convincentes que confirmen mejoras en el rendimiento de los juegos o en la velocidad de DLSS. La herramienta busca principalmente aumentar el rendimiento tensorial en cálculos de inteligencia artificial.
