Si chiama GPU Unlock ed è l'ultima trovata dello sviluppatore Zagitta: un progetto open source che promette di spremere le GeForce RTX 30 nel calcolo legato all'intelligenza artificiale. L'obiettivo è ambizioso e chiaro: rimuovere una limitazione software che castra i Tensor Core delle schede della generazione Ampere, liberandone tutto il potenziale nei carichi di lavoro AI.
Cos'è GPU Unlock e come funziona
La mod agisce direttamente sul modo in cui il driver gestisce le operazioni sui Tensor Core, i nuclei specializzati nel calcolo matriciale che alimentano l'inferenza e l'addestramento dei modelli di machine learning. Secondo quanto riportato dallo sviluppatore, la patch consente di sfruttare percorsi di calcolo che il firmware originale tiene volutamente chiusi, con un impatto diretto sulle prestazioni nei framework più diffusi.
Nei benchmark pubblicati il guadagno è tutt'altro che simbolico: il throughput arriva quasi a raddoppiare in alcune configurazioni, un risultato che spiegherebbe l'interesse immediato della community. Va però sottolineato che i numeri vanno letti con cautela, perché dipendono da modello, precisione numerica e versione del driver utilizzata.
Quanto si guadagna davvero (e quali sono i rischi)
Il punto cruciale è la sostenibilità: una mod open source che altera il comportamento dei Tensor Core può garantire prestazioni extra, ma solleva interrogativi su stabilità, consumi e temperature delle schede. Inoltre, modificare il funzionamento del driver potrebbe invalidare la garanzia o creare incompatibilità con aggiornamenti futuri. Per chi lavora con l'AI su hardware consumer, però, la prospettiva di ottenere quasi il doppio della potenza senza cambiare GPU è difficile da ignorare.
Il progetto conferma una tendenza sempre più marcata: le RTX 30 restano valide per l'inferenza locale, e iniziative come GPU Unlock ne allungano la vita utile. La domanda ora è se Zagitta riuscirà a trasformare un esperimento in uno strumento stabile e sicuro per tutti.
