转载声明:本文转载自 零度博客(作者:零度解说),原文链接:https://www.freedidi.com/25903.html,原文发表于 2026-11-03。版权归原作者所有,转载仅作分享学习。

你有没有想过,自己电脑里的 NVIDIA 显卡,可能并没有发挥出全部性能?尤其是在本地部署 AI 大模型时,显卡的算力表现直接决定了模型的推理速度和使用体验。

最近,一个名为 GPU-UNLOCK 的开源项目引起了我的注意,它尝试通过解除显卡的部分性能限制,释放更多 GPU 算力,让本地运行大模型变得更加高效。更重要的是,它提供了相对简单的自动化操作方式,不需要复杂的手动配置。如果你也喜欢在自己的电脑上折腾本地 AI、大语言模型,那么这个工具值得一试!

安装教程

一、下载 GPU-UNLOCK 显卡解锁器

1、Windows 版:【点击前往】 或 【备用下载】2、Linux 版:【点击前往】 或 【备用下载】

支持的GPU

版本 显卡 状况

(RTX 30) RTX 3050、3060、3060 Ti、3070、3070 Ti、3080、3080 Ti、3090、3090 Ti 以及 RTX 3070/3080 笔记本电脑 GPU 稳定,100+ 用户报告

(RTX 40) RTX 4060、4060 Ti、4070、4070 SUPER、4070 Ti、4070 Ti SUPER、4080、4080 SUPER、4090、4090 D、RTX 4050/4060 笔记本电脑显卡 实验

(RTX 20) RTX 2060、2060 SUPER、2070、2070 SUPER、2080、2080 SUPER、2080 Ti、Titan RTX 实验

Blackwell(RTX 50)

不支持

| | | | | --- | --- | --- | | | | | | | | | | | | | | | | |

注意:目前在Windows系统上主要支持30系显卡,如果想获得更广泛的解锁支持,推荐使用Linux系统

你将获得什么

张量核心频率翻倍。具体提升幅度取决于你的工作负载中有多少是 FP16/BF16/TF32 矩阵运算,以及显卡是否有足够的性能余量来运行这些运算。

稠密矩阵乘法(FP32 累积,股票功率限制):

卡片 BF16之前 BF16 之后 获得

RTX 3060 12 GB 27 TFLOPS 51 TFLOPS +87%

RTX 3060 Ti 37 TFLOPS 68 TFLOPS +82%

RTX 3070 40 TFLOPS 72 TFLOPS +81%

RTX 3080 10 GB 65 TFLOPS 113 TFLOPS +73%

RTX 3090 75 TFLOPS 125 TFLOPS +65%

RTX 3090 Ti (450 W) 88 TFLOPS 157 TFLOPS +80%

RTX 4070 Ti 81 TFLOPS 150 TFLOPS +84%

RTX 4080 104 TFLOPS 193 TFLOPS +87%

RTX 4090 165 TFLOPS 329 TFLOPS +100%(MMA峰值速率)

| | | | | | --- | --- | --- | --- | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

RTX 4090 的功耗先于张量核心耗尽,因此,在默认功耗限制下,大容量 GEMM 内存的增益远低于峰值速率所显示的增益。

实际工作负载:

工作量 典型加速

LLM 预填充/提示处理,FP16/BF16 或 AWQ/GPTQ(vLLM、PyTorch、Transformers) +25–55%

到达第一个代币的时间 降低 25-30%

LoRA 和 BF16 中的全面微调 +25–50%

图像生成,FP16/BF16(ComfyUI 中的 SDXL、SD 1.5、Krea、DiT 模型) +30–55%

视频生成,BF16 计算(WAN 2.2) +15-20%

FlashAttention / SDPA 内核 +50–60%

llama.cpp / 带有量化 GGUF 的 Ollama 0-15%,主要在长上下文中

LLM解码/令牌生成(内存密集型) 无变化

INT8、FP8 和 INT4 型号 无变化

游戏和FP32 CUDA 无变化

| | | | --- | --- | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

前后输出结果完全相同,只有速度有所变化。这些数据来自 用户提交的兼容性报告,您可以在报告中找到完整的基准测试详情并发布您自己的测试结果。

二、安装 Python 环境

官方要求是安装 Python 3.10 或更高版本,如果你电脑上已经安装了python环境,可以直接跳过第2个步骤,如果没安装,需要通过下方的链接来进行下载下必备的环境。

Python 官方下载:【点击前往】

进入后选择对应的版本,Windows 推荐选择x64位的版本

注意:安装的时候务必勾选这里面的2个选项,否则后面可能会出错!

三、下载 LocModel 本地模型部署工具

LocModel 是一款免费的开源模型加载软件,安装后可以自动识别你的硬件,推荐最合适的开源模型,装好推理引擎。支持在线下载或导入 GGUF,点一下,就在本地跑起来。现在,它也学会了画图、生成视频和替你动手的Agent。

**LocModel 官方下载:https://locmodel.com **

一键解锁(检测)命令:

# 1. 切换当前 PowerShell 窗口编码为 UTF-8
chcp 65001
$OutputEncoding = [System.Text.Encoding]::UTF8
[Console]::OutputEncoding = [System.Text.Encoding]::UTF8
[Console]::InputEncoding = [System.Text.Encoding]::UTF8

# 2. 重新运行兼容性收集脚本
python -I .\tools\collect_compatibility.py

此操作会打印硬件/驱动程序信息;不会解锁、更改设置或上传任何内容。**not-assessed这些信息can_unlock: false均属正常。**请从输出中删除个人信息,然后将审核后的文本粘贴到兼容性报告中。请勿附加固件或原始转储文件。

如果上面的命令执行后顺利通过,那么就可以执行下一步了

解锁启动

启动路径 显示和输入 指示

内部无显示 适用于B650M/3090FE或B660M/3070Ti/3090Ti配置;显示器连接在 RTX 显卡上;可临时移除显示器;启动过程中无需按 T/U/Enter。 内部无显示指南

【点击下载】

无显示 USB 启动 适用于已报告的RTX3060/3090Ti等配置:使用特定配置文件的封装程序,并将其子文件放在一个 FAT32 格式的 USB U 盘中。 无显示USB 指南

【点击下载】

内置AMD显示

手动/自动 使用原始的B650M配置文件;保留主板/核显的显示输出:手动变体需要按U键。 现有内部显示指南

【点击下载】

传统 USB 启动 使用原始的 AMD/核显(iGPU)显示配置文件;按一次 U 键, 随后通过Boot Override(启动覆盖)直接进入Windows,无需重启 传统 USB 指南

【点击下载】

| | | | | --- | --- | --- | | | | | | | | | | | | | | | | |

X870、B660-PLUS 和 H610M 未连接到USB 接口Configure.ps1;Headless.ps1请参考 USB 指南。虽然可以为前两个配置构建 USB 软件包,但其内部启动记录并未验证这些 USB 路径。传统的 USB EFI 仍然依赖于 AMD 显示设备。USB → Windows仅靠 BIOS 优先级无法实现直接切换。

内部无头快速启动

**此示例适用于默认的 B650M / RTX 3090 FE 配置。**对于 B660M,请-HardwareProfile b660m-3070ti按照兼容性说明在配置和构建中进行选择。X870 使用单独的 USB 接口。

更改启动设置前,请阅读完整指南和恢复步骤。请使用完全受支持的硬件,禁用安全启动,确保 C 盘已完全解密且 BitLocker 保护已关闭,并连接键盘。这些工具不会禁用加密。

保留现有的 Windows ESP 分区和恢复分区。准备一个****至少 1 GiB 的独立 GPT FAT32 EFI 系统分区,盘符例如 U:。工具不会创建、缩小、删除或格式化分区。普通的 FAT32 数据分区并非所需的 ESP 分区。

您需要 Python 3.9+、clang/lld-link 20.1.8、已锁定的仓库依赖项以及五个本地获取的固件资源。主机集成测试还需要 MSVC/Windows SDK 和私有 fixtures。

从存储库根目录下的管理员 PowerShell 中:

# Replace the GUID and tool paths with your own values.
.\internal-boot\Configure.ps1 -UnlockDriveLetter U `
 -WindowsEspGuid 'YOUR-WINDOWS-ESP-GUID'
.\research\headless\build-unlock.ps1 `
 -Clang 'C:\TOOLS\LLVM20\bin\clang.exe' `
 -LldLink 'C:\TOOLS\LLVM20\bin\lld-link.exe'

# Stage and append a separate F8 test entry; retain existing boot priority.
.\internal-boot\Headless.ps1 -Assets '.\assets' -Register

如果没有操作开关,Headless.ps1 -Assets '.\assets'则只会暂存文件。配置和构建不会注册启动项。

保存工作并完全关机。在已测试的华硕固件中,选择 F8 → GPU 无头解锁 – 实验版。

**等待片刻,不要按 T、U 或 Enter 键。**五秒内首次按下 Esc 键会跳过释放和解锁步骤,直接启动 Windows。

移除 RTX GOP 时屏幕会变黑。子程序尝试一次后,包装器会直接启动 Windows。请勿在解锁和 Windows 启动之间重置。确认显示恢复并进行测量。

只有在 F8 测试成功后,才能启用默认自动启动:

.\internal-boot\Headless.ps1 -EnableAutomatic -ConfirmedSuccess

该明确操作会将无头模式启动优先,Windows 启动管理器次之,并禁用 Windows 快速启动。仅进行测试注册则不会。发布此版本不会更改研究用 PC 当前的默认启动选项。

两个 Esc 窗口有所不同:初始的 Esc 窗口会在不松开的情况下启动 Windows;而稍后出现的三秒钟的子 Esc 窗口则是在松开 Esc 键后弹出,并会取消启动。它不会恢复显示或继续进入 Windows。如果失败或 Windows 无法启动,请完全关闭电源,然后选择F8 → Windows 启动管理器。

.\internal-boot\Headless.ps1 -RestoreWindowsFirst

Windows 优先恢复功能独立于实验性 EFI/构建组件,即使没有保存的状态也能正常工作。恢复之前的快速启动设置需要该状态;请保留该状态和备份。恢复详情。

只要你的显卡在解锁的范围内,那么就可以实现一键解锁GPU的算力,让你的显卡跑本地大模型的算力免费提升将近50%左右!

亲测:解锁后跑 BF16的 Z-Image Turbo 文生图 模型 ,我的12G的RTX3060的生成速度可以提升将近一半左右,效果立竿见影!

当然我们可以跑F16的Qwen 3.5 9B 模型,它的效果可能没有文生图片模型那么明显,但是也是有一定的加速效果的。

开源模型下载:【点击前往】 或 【备用下载】

如果你显存比较小,建议选择更小的模型,否则可能会爆显存或速度不够快~

Linux 系统下解锁步骤

开源项目:https://github.com/Zagitta/gpu-unlock#how-to-install

执行下方的命令:

git clone https://github.com/Zagitta/gpu-unlock
cd gpu-unlock
make install

然后将其添加gpu_unlock.targets=all到内核命令行,并保留现有选项:

  • **GRUB(Debian/Ubuntu/Mint):**将其添加到 中GRUB_CMDLINE_LINUX_DEFAULT ,/etc/default/grub然后运行sudo update-grub。

  • **GRUB(Arch/CachyOS):**进行相同的编辑,然后运行 sudo grub-mkconfig -o /boot/grub/grub.cfg。

  • **Fedora/RHEL:**运行 sudo grubby --update-kernel=ALL --args="gpu_unlock.targets=all"。

  • **systemd-boot:**将其添加到options启动项中的行(bootctl status显示其位置)。

  • **UKI / 生成的条目:**将其添加到/etc/kernel/cmdline并重新生成您的启动映像/条目(例如,sudo mkinitcpio -P对于 mkinitcpio UKI)。


作者:零度解说 | 发布于零度博客,2026-11-03 | 原文链接:https://www.freedidi.com/25903.html