.webp)
Komunitas pengembang open-source berhasil membongkar pembatasan yang diterapkan Nvidia pada lini kartu grafis GeForce seri RTX 20, 30, dan 40.
Lewat proyek modding bernama gpu-unlock, performa komputasi kecerdasan buatan (AI) pada kartu grafis kelas konsumen tersebut melonjak hingga hampir dua kali lipat.
Langkah ini membuka potensi penuh tensor core yang selama ini dikunci oleh Nvidia demi membedakan segmen kartu grafis gaming dengan lini workstation profesional.
SCROLL TO CONTINUE WITH CONTENT
Batasan di Lini GeForce
Kartu grafis seperti Nvidia GeForce RTX 3090 selama ini menjadi pilihan utama perakit sistem AI rumahan berkat kapasitas VRAM 24 GB yang harganya jauh lebih murah dibanding GPU kelas workstation.
Namun, Nvidia secara sengaja membatasi kecepatan instruksi tensor core pada kartu GeForce saat menjalankan operasi matematika AI FP16 atau BF16 dengan akumulasi FP32 menjadi separuh dari kemampuan aslinya.
Sebagai perbandingan, kartu workstation seperti RTX A6000 yang dibangun menggunakan chip fisik serupa dibiarkan berjalan pada kecepatan penuh tanpa pembatasan tersebut.
Trik Kernel Module Tanpa Flash VBIOS
Solusi untuk membuka pembatas ini pertama kali dipublikasikan oleh pengembang bernama Zagitta melalui proyek gpu-unlock di platform GitHub. Modul ini bekerja pada tingkat kernel sistem operasi Linux tepat sebelum driver resmi Nvidia dimuat.
Secara teknis, sistem akan mengubah registri pemilih kecepatan pada GPU lalu mereset kartu secara otomatis. Berkat metode ini, pengguna tidak perlu melakukan flash VBIOS yang berisiko merusak perangkat maupun memodifikasi driver Nvidia.
Peningkatan Performa Komputasi AI yang Signifikan
Pengembangan proyek ini kini telah diadaptasi untuk tiga generasi kartu grafis GeForce:
- Seri RTX 30 (Ampere): Pada pengujian RTX 3090 Ti (450W), throughput pemrosesan BF16 melonjak dari 87,5 TFLOPS menjadi 157,4 TFLOPS. Performa TF32 naik hampir dua kali lipat, sementara FP16 meningkat 35%.
- Seri RTX 40 (Ada Lovelace): Modul gpu-unlock-ada mampu meningkatkan instruction rate FP16 mentah pada RTX 4090 dari 165,6 TFLOPS menjadi 331,6 TFLOPS, dengan kenaikan performa matriks riil sebesar 12% hingga 34%.
- Seri RTX 20 (Turing): Modul turing-unlock yang diuji pada RTX 2080 Ti modifikasi VRAM 22 GB mencatatkan peningkatan kecepatan komputasi matriks FP16 sebesar 36% hingga 64%.
Dampak bagi Gamer dan Pengolahan AI
Meski membawa peningkatan performa komputasi AI yang drastis, pembukaan kunci ini memiliki sejumlah catatan penting terkait pemanfaatannya:
- Gamer Tidak Terdampak: Pembukaan kunci ini tidak akan memberikan peningkatan performa pada game, karena mesin game modern hampir tidak pernah menggunakan tipe kalkulasi matematika AI tersebut.
- Kecepatan Chatbot Stagnan: Kecepatan pembuatan teks (token generation) pada chatbot LLM tidak mengalami lonjakan signifikan karena pemrosesan teks lebih dibatasi oleh bandwidth memori ketimbang daya komputasi mentah.
- Pengolahan Gambar & Fine-Tuning: Pemrosesan prompt awal (+14% hingga +36%), pembuatan gambar AI (image generation seperti Stable Diffusion), serta proses fine-tuning model AI menjadi sektor yang paling diruntungkan.
Untuk saat ini, dukungan gpu-unlock masih terbatas pada sistem operasi Linux. Pengembang juga mengingatkan pengguna untuk memperhatikan manajemen suhu dan daya, sebab pemaksaan tensor core pada kecepatan maksimal dapat meningkatkan beban kerja dan konsumsi daya kartu grafis secara signifikan, demikian dikutip detikINET dari Techspot, Rabu (28/10/2026).
