给3090、4070和4090加个“Ti”：这几天的Tensor解锁小记

这几天最开心的事是：我们的3090、4070、4090先后完成解锁，短时数值检查也过了。于是它们在我们这儿有了新名字：3090 Ti、4070 Ti、4090 Ti。

这个“Ti”是自己封的，算个玩笑。卡还是原来那张卡，没有增加SM或显存，也没有刷成Ti的BIOS。真正变了的是一部分Tensor指令的吞吐：FP16/BF16输入、FP32累加这一档，短测接近原来的两倍。

#原理：一句话加三步

一句话版本：消费级卡上的部分Tensor速率受到限制；在原驱动接管前调整相关状态，再交还原驱动使用。上游的逆向实现与解释见 Zagitta/gpu-unlock。

1. 抢在驱动之前：Linux通过早期模块，Windows适配走UEFI阶段。
2. 调整速率选择：修改SM相关的speed-select状态。
3. 复位并交接：完成所需的FLR等初始化流程，再让原驱动接管。

思路很短，适配却不一定简单。板卡、显示拓扑、固件和启动路径都可能影响结果。Windows项目还是实验性适配，不是同型号通用的一键升级包；尝试前要留好原始启动入口和恢复办法。

#我们自己的数字

下面是26日保存的同卡前后短时Tensor微基准，单位TF/s，显示值取两位小数。它测指令吞吐，不是游戏帧数或整套模型速度。4070使用同配置的近期配对记录，不混用更早批次的基线。

这些数字来自我们的记录，下面两张社区截图则是另一组证据，不能合并成同一套测试。

#哪些计算吃得到

我们在Linux 4090上的GEMM短测里，4096³的FP16约提升18–28%，8192³约提升11–14%，4096³的BF16基本持平。吞吐上限解开了，应用到底能吃多少，要看它在忙什么。

#B站网友的应用实测参考

以下为用户提供的B站网友截图，非本站测试；目前未取得可核对的原帖链接和作者名，因此只按截图所示条件讨论，不将数字视作我们的复现结果。

图1：B站网友实测，用户提供截图。图示为4090 48GB、完整14步、BF16底模工作流；不是标准24GB 4090的本站测试。点图查看原图。

截图里97帧任务的单步时间从27.50降至13.95秒，速度约为1.97×；含解码总耗时从431.49降至246.35秒，耗时缩短约42.9%。这两种说法分母不同，不应把“省时42.9%”写成“速度提升42.9%”。

图2：B站网友实测，用户提供截图。截图标注RTX 3090 Ti，按原文型号保留，不冒称我们的3090；不同模型、量化与注意力路径的收益差别明显。点图查看原图。

例如图中的MOSS-Image SFT BF16为71.98→45.40秒，按前后耗时计算，吞吐约提升58.5%；同模型INT8则几乎没变。这也是这个解锁有意思的地方：不是所有负载一起涨，而是某些原本受限的路径突然能跑开了。

#这次先庆祝到这里

• 三种卡已经完成解锁及短时吞吐、数值检查。
• Windows自动启动入口已配置；首次自动生效仍待实际重启验证，手动成功不代替自动成功。
• 我们自己的长期稳定性、真实模型端到端测试还没做，社区截图不能代替它们。

先给三张老伙计戴上引号里的“Ti”。不用换卡，就多出一截能用的计算空间，已经很值得开心了。

#项目入口

以下均为社区项目，不是NVIDIA官方功能。先读适用硬件、风险和恢复说明，不照抄别人的固件配置。

• gpu-unlock：原始Linux项目与原理
• gpu-unlock-ada：Ada分支及测试说明
• Windows-GPU-UNLOCK：实验性UEFI路线
• windows_rtx3090_unlock：特定Windows配置的适配记录