Un grupo de desarrolladores independientes encontró la forma de desbloquear un límite oculto que NVIDIA le pone a sus placas de video GeForce RTX cuando se usan para inteligencia artificial, logrando en algunos casos duplicar la velocidad de cálculo en tareas de IA. La herramienta, gratuita y de código abierto, no toca el hardware físico: reescribe un par de registros internos de la placa antes de que cargue el driver oficial, algo que hasta ahora nadie había hecho de forma pública y documentada.
¿Es real lo del "doble de potencia"? Sí, pero con matices importantes: en la RTX 4090 el rendimiento en FP16 (un formato de cálculo muy usado en IA) pasó de 165.6 a 331.6 TFLOPS, es decir, prácticamente el doble. En otras placas como la RTX 3090 la mejora fue de 78.5%, y en la RTX 3090 Ti el salto en BF16 fue de casi 80%. No es una cifra exagerada de marketing: son mediciones concretas que circularon en medios especializados como Tom's Hardware, VideoCardz y Wccftech. Ahora vamos a explicar cómo lo lograron y qué hay detrás de todo esto.
Quién hizo el desbloqueo y cómo funciona
El mod original para Linux lo desarrolló un programador identificado como Zagitta, que publicó un módulo de kernel capaz de modificar dos registros de hardware llamados SS0 y SS1. Estos registros funcionan como "selectores de velocidad" para el pipeline que maneja las instrucciones de los Tensor Cores, que son los núcleos especializados que hacen los cálculos de IA dentro de la GPU. Básicamente, NVIDIA tiene esos núcleos capados por firmware: pueden ir más rápido, pero el propio hardware les pone un techo artificial en las placas de consumo.
Después apareció una versión para Windows, hecha por un usuario de GitHub conocido como impacifist, que logra lo mismo pero de otra manera: en vez de un módulo de kernel, funciona como una aplicación UEFI que se ejecuta en el entorno de pre-arranque de la computadora, antes incluso de que Windows cargue. Escribe los mismos valores en los registros SS0 y SS1 y listo: la placa queda "destrabada" para esa sesión.
Un detalle importante: el desbloqueo no es permanente. Se borra cada vez que la placa pierde alimentación eléctrica, es decir, cada vez que apagás la computadora. Hay que volver a aplicarlo en cada arranque, y en la versión de Windows eso implica entrar manualmente a la shell UEFI, un paso bastante más técnico que simplemente instalar un programa.
Qué placas se pueden desbloquear
Las pruebas confirmadas hasta ahora cubren varias generaciones de GeForce RTX: la serie 20, la 30 (incluyendo RTX 3080 Ti, 3090 y 3090 Ti) y la serie 40, con la RTX 4090 como ejemplo estrella. Hay un detalle curioso: la variante OEM de la RTX 3080 Ti con 20GB de memoria no logra desbloquearse, lo que sugiere que NVIDIA aplicó distintas configuraciones de firmware según el modelo o el canal de venta.
Es importante aclarar qué es lo que mejora y qué no. El desbloqueo afecta exclusivamente el rendimiento en cargas de trabajo de inteligencia artificial —entrenar modelos, correr inferencia, procesar redes neuronales— y no tiene ningún impacto en los cuadros por segundo (FPS) de los videojuegos. Si alguien pensaba que esto le iba a dar más rendimiento gaming a su placa, no es el caso: es una mejora específica para IA.
Por qué NVIDIA limita esto en las placas de consumo
Acá está la parte que a cualquiera que entienda un poco de negocios le va a cerrar enseguida: segmentación de mercado. NVIDIA vende básicamente el mismo silicio en dos mundos distintos. Por un lado están las GeForce RTX, pensadas para gamers y consumidores, con precios de cientos o pocos miles de dólares. Por el otro están las placas profesionales de la serie RTX 6000 y los aceleradores de IA de nivel empresarial (como las series A y H), que usan arquitecturas similares pero cuestan muchísimo más —a veces diez veces más— y están pensadas para centros de datos, empresas de IA y laboratorios de investigación.
Si una RTX 4090 de consumidor rindiera igual que una placa profesional en tareas de IA, ¿quién pagaría la diferencia de precio por la versión "pro"? Por eso NVIDIA capa artificialmente por firmware la velocidad a la que los Tensor Cores pueden procesar ciertas instrucciones en sus placas gamer. No es una limitación física del chip: el silicio puede más, pero el fabricante decide, por estrategia comercial, que las placas baratas rindan menos en IA que las caras. Es una práctica común en la industria del hardware —Intel y otros fabricantes hacen cosas parecidas con sus procesadores— pero rara vez queda tan expuesta como ahora, con cifras concretas de cuánto rendimiento había "guardado" en el cajón.
Este tipo de descubrimientos le complica un poco la vida a NVIDIA, porque de golpe una placa de 2.000 dólares empieza a acercarse al rendimiento de IA de una que cuesta diez veces más. Hasta el momento, según reportaron los medios especializados, NVIDIA no se pronunció oficialmente sobre la herramienta.
Los riesgos reales de hacerle este tipo de mod a tu placa
Antes de que se entusiasmen pensando en instalarlo, es necesario poner los pies sobre la tierra con los riesgos. Primero, la garantía: modificar registros de hardware por fuera de lo que autoriza el fabricante casi con seguridad invalida la garantía de la placa. Si algo sale mal, NVIDIA o el vendedor no se van a hacer cargo.
Segundo, la estabilidad. La propia herramienta viene con advertencias explícitas de que es experimental y que no se recomienda usarla en un sistema de producción o en la computadora principal donde jugás o trabajás todos los días. Forzar los Tensor Cores a trabajar más rápido de lo que el fabricante determinó implica más calor, más consumo eléctrico y, potencialmente, más desgaste del hardware a largo plazo. Nadie sabe todavía qué pasa con una placa que corre meses o años seguidos a ese ritmo acelerado, porque es demasiado reciente como para tener datos de durabilidad.
Tercero, la practicidad: como el desbloqueo se pierde cada vez que apagás la máquina, hay que reaplicarlo en cada arranque. En Windows eso implica navegar manualmente por la shell UEFI antes de que cargue el sistema operativo, algo que claramente no está pensado para un usuario promedio sino para alguien con conocimientos técnicos sólidos.
Y cuarto, un tema de seguridad: cualquier herramienta que se ejecuta en el entorno de pre-arranque o como módulo de kernel tiene acceso de muy bajo nivel al sistema. Usar software de este tipo, sobre todo si no es oficial, siempre implica confiar en que quien lo escribió no metió nada malicioso. Como es de código abierto, al menos existe la posibilidad de revisar el código, pero eso requiere conocimientos que la mayoría de los usuarios no tiene.
Qué significa esto para quienes usan IA en Uruguay
Más allá de la curiosidad técnica, esta historia tiene un trasfondo que le importa a cualquier pyme o profesional en Uruguay que esté mirando meterse en proyectos de inteligencia artificial: hoy en día correr modelos de IA localmente —para automatizar tareas, generar contenido, procesar datos o entrenar modelos chicos— cada vez es más común, y el hardware es uno de los principales costos de entrada. Que exista (aunque sea de forma no oficial y riesgosa) una manera de estirar el rendimiento de una placa gamer en tareas de IA, muestra que hay mucho margen todavía sin explotar entre lo que el hardware puede hacer y lo que el fabricante permite hacer por defecto.
Para la inmensa mayoría de los negocios en Uruguay que recién están empezando a explorar IA, la recomendación sigue siendo la misma de siempre: no hace falta meterse en modificaciones experimentales de firmware para sacarle jugo a estas herramientas. Hoy existen soluciones en la nube, modelos optimizados y servicios que permiten incorporar inteligencia artificial a un negocio sin tener que tocar un solo registro de hardware ni arriesgar ningún equipo. El verdadero cuello de botella casi nunca es la placa de video: es saber qué problema del negocio resolver con la tecnología disponible.
Fuentes:
- Nvidia RTX 20, 30, and 40-series GPUs hacked to remove a half-speed AI throttle (Tom's Hardware)
- Modders unlock hidden AI performance on NVIDIA RTX 20, 30 and 40 series GPUs (VideoCardz)
- NVIDIA RTX GPUs Were Running AI at Half Speed: Free Tool Fixes Firmware Cap on Windows (Tech Times)
- NVIDIA RTX 30 & RTX 40 GPUs Get Impressively Fast In AI LLMs As Compute Doubles With New Unlock Tool (Wccftech)
¿Querés llevar tu negocio al mundo digital? En Buyar hacemos sitios web, tiendas online y más, adaptados a tu negocio uruguayo. Contactanos y pedí tu cotización.
