數位天堂

RTX 3060 解鎖實測：張量快八成，出圖快 1.55 倍

上一篇我們整理了 gpu-unlock 的原理（算力解鎖了，AI 卻沒變快？），當時文中特別註明「我們未進行實測」。這次我們實際在一張 RTX 3060 上裝起來，用同一支腳本、同樣的設定，解鎖前後各量一次，看看它到底能讓哪些工作變快、哪些完全不變，以及要付出什麼代價。

順便也試了作者剛推出、要讓 Turing（RTX 20 系列）也能解鎖的修正版，結果沒成功，一併把過程記錄下來。



■ 先講結論

解鎖確實有效：RTX 3060 的 FP16／BF16／TF32 矩陣運算快了 77–81%，FP32 不變。四種格式的計算結果逐位元相同。

沒到 2 倍，是因為先撞到功耗上限：解鎖後一跑就頂到 170 W，核心時脈從約 1,940 MHz 降到約 1,750–1,800 MHz。

實際工作看用的是哪種運算：BF16 的 Z-Image 出圖每張從 18.4 秒降到 11.9 秒（1.55 倍）；INT8 的 Qwen-Image 完全不變；在 12GB 卡上跑 125B 的 Strata，讀提示詞也不變。

同一個 seed，解鎖前後的圖會不一樣：構圖相同、細節不同。需要「同 seed 重現同一張圖」的流程要注意。

RTX 2060（Turing）還解不開：作者的修正分支通過了原本卡住的檢查，但下一步逾時失敗，而且失敗後那張卡當次開機無法使用。

可以完全還原：拿掉開機參數、完全關機再開機就恢復原廠狀態，我們實測確認過。

---

◆ 01　測試平台與方法

所有測試都用同一支腳本：先重啟 ComfyUI 清空快取與顯存，依序跑矩陣運算、出圖、Strata，全程每 0.5 秒記錄功耗、時脈、溫度。解鎖前後只差輸出資料夾名稱。

矩陣運算：8192³ 矩陣乘法，暖機後 5 輪 × 20 次取中位數；FP16／BF16 強制以 FP32 累加，這正是 GeForce 被限速的路徑。每種格式都記錄輸出的 SHA-256，用來比對解鎖前後結果是否相同。

出圖：同提示詞、1024×1024，每張用不同的 seed（ComfyUI 會快取同一個 seed 的結果，同 seed 重跑只要 0.1 秒，量到的時間沒有意義），解鎖前後用同一組 seed。

功耗上限維持原廠 170 W，沒有超頻或調整任何設定。

---

◆ 02　解鎖過程

依 README 的步驟：下載原始碼、make install 編譯並安裝 DKMS 模組與韌體套件，再在開機參數加上 gpu_unlock.targets=0000:01:00.0（只指定這張 3060），完全關機再開機。

Ubuntu 26.04 的陷阱已修好：社群曾回報 26.04 的 update-initramfs 其實是 dracut，套件裝了但模組沒進開機映像，「解鎖完成卻沒加速」（#149）。我們用的 2.0 版已自帶 dracut 設定，用 lsinitrd 檢查確認模組有在開機映像裡。

開機日誌可以直接看到解鎖：速度選擇器從原廠的 ss0=0x62425004 變成全速的 ss0=0x88888888，最後一行是 gpu_unlock: unlocked，接著 NVIDIA 驅動正常載入。

建議用冷開機：作者建議完全關機，不要只用重開機。我們每次都是完全關機後再開。

---

◆ 03　矩陣運算：快了約八成

格式	解鎖前（TFLOPS）	解鎖後（TFLOPS）	提升	輸出
FP16（FP32 累加）	27.28	48.42	+77%	逐位元相同
BF16（FP32 累加）	27.26	49.46	+81%	逐位元相同
TF32	13.64	24.25	+78%	逐位元相同
FP32（對照組）	9.58	9.65	不變	逐位元相同

張量核心的三種格式都快了八成左右，一般的 FP32 運算不受影響，和 README 的說法一致。

解鎖前我們在同一次開機中量了兩次，四種格式的差距都在 1.5% 以內，所以這八成不是量測誤差。

---

◆ 04　實際工作：看用的是哪種運算

工作	解鎖前	解鎖後	變化
Z-Image Turbo 出圖（BF16，1024²，8 步）	18.42 秒／張	11.89 秒／張	快 1.55 倍
Qwen-Image 2.1 出圖（INT8，1024²，25 步）	28.07 秒／張	27.80 秒／張	不變
Strata 125B 讀 4K 提示詞（IQ2_XS）	100.9 tok/s	100.6 tok/s	不變

BF16 出圖直接受益：Z-Image 的運算大多是 BF16 矩陣，解鎖後每張省下 6.5 秒。

INT8 不受影響：README 也把 INT8 列為不變，我們的實測一致。

Strata 讀提示詞也不變：在 12GB 的卡上跑 125B 的模型，大部分專家權重放在系統記憶體，讀提示詞的時間花在把權重搬上顯卡，不是運算本身。運算變快也沒有用武之地。這也是上一篇提到的觀念：先找出瓶頸在哪，再看加速。

Strata 的生成速度受 MTP 猜中率影響，解鎖前後都在每秒 47–95 個 token 之間跳動，分辨不出差異，所以沒有列入比較。

---

◆ 05　同一個 seed，解鎖前後的圖不一樣



這是這次最意外的發現。README 寫著輸出逐位元相同，我們的矩陣測試也確實如此；但換到完整的出圖流程，Z-Image 同一個 seed 解鎖前後出來的圖，構圖一樣，人物位置、招牌文字等細節卻不同（PSNR 24.2 dB，98% 的像素有差異）。

對照組 Qwen-Image（INT8）前後 3 張完全相同，可見 ComfyUI 本身是可重現的。

我們推測，解鎖後 BF16 路徑的計算方式有所改變，擴散模型再把細微的數值差異逐步放大，但這點我們還沒有證實。

影響：如果你的工作流程需要「用舊的 seed 重現同一張圖」，解鎖前後的 seed 不能互通。

---

◆ 06　功耗與時脈：更快，但先撞到上限



滿載期間（GPU 使用率 95% 以上）的中位數，功耗從 160 W 升到 169 W，已經貼著 170 W 的上限；核心時脈從 1,920 MHz 降到 1,792 MHz。每個時脈做的張量運算變成兩倍，時脈降一點，換來約八成的淨增益。溫度最高 76 → 77 °C，幾乎不變：功耗被上限壓住，發熱量也就差不多。

---

◆ 07　RTX 2060（Turing）：還解不開



README 把 RTX 20 系列列為「實驗性」，社群回報幾乎都失敗。作者確認這是 Turing 全系列的問題，並推出修正分支（#242）。我們用同一台機器的 RTX 2060 測了這個分支：

修正有效的部分：原本卡住的檢查（GSP 回報 HALTED，#248 回報的 error -19）通過了。

但下一步 FWSEC 執行逾時（error -110），解鎖失敗。

失敗的代價：模組失敗後沒有釋放顯卡資源，NVIDIA 驅動抓不到這張 2060，當次開機無法使用。系統本身和另一張 3060 都正常，拿掉開機參數、冷開機後就恢復。

2060 解鎖前的基準：FP16（FP32 累加）26.1 TFLOPS、FP32 5.8 TFLOPS。等作者後續更新，我們會再測一次。

RTX 2080 Ti 同樣是 Turing，在修好之前不建議嘗試。

---

◆ 08　動手前要知道的事

只支援 Linux：解鎖要在開機時、NVIDIA 驅動接手之前完成，不是進入桌面後載入模組就行。

Secure Boot：DKMS 會用本機的金鑰幫模組簽章；開著 Secure Boot 的話，要先把這把金鑰（MOK）註冊好，模組才能載入。

核心標記（tainted）：載入核心以外的模組會讓核心被標記為 tainted，不影響運作，但日後回報核心問題時可能不被受理。我們這台的 NVIDIA 驅動原本就有同樣的標記，裝 gpu-unlock 並沒有增加新的標記。

解鎖失敗的代價：那張卡當次開機不能用（2060 實測），系統與其他卡不受影響。

還原方式：從開機參數拿掉 gpu_unlock.targets、完全關機再開機即恢復；要完全移除再解除安裝兩個套件。我們拿掉 3060 的參數、冷開機後量測，回到 27.5 TFLOPS，和解鎖前一致；最後也完整移除套件、冷開機確認兩張卡都正常。

---

◆ 09　我們的看法

gpu-unlock 確實把 GeForce 被限住的張量核心解開了，RTX 3060 的矩陣運算快了八成，BF16 出圖快 1.55 倍，效果很實在。但它只對「卡在 FP16／BF16／TF32 運算」的工作有用：INT8 模型、記憶體或傳輸受限的工作（像在小顯存上跑大模型）完全不會變快。

另外兩點值得留意：同一個 seed 解鎖前後的圖不一樣；以及解鎖失敗時，那張卡當次開機無法使用。如果你主要用 BF16 模型出圖、訓練或微調，而且用 Linux，值得一試；如果主要是跑量化的語言模型聊天，先量出時間花在哪裡，可能會發現這把鑰匙開的不是你卡住的那扇門。

■ 參考連結

gpu-unlock（本文使用 2.0 版，commit 7eb51bc）：https://github.com/Zagitta/gpu-unlock

Ubuntu 26.04 模組沒進開機映像的回報 #149：https://github.com/Zagitta/gpu-unlock/issues/149

Turing 修正分支討論 #242：https://github.com/Zagitta/gpu-unlock/issues/242

RTX 2060 解鎖失敗回報 #248：https://github.com/Zagitta/gpu-unlock/issues/248

Strata（本文 LLM 測試使用的推論引擎）：https://github.com/Niko1221/Strata

■ 同系列文章

原理篇：算力解鎖了，AI 卻沒變快？看懂 gpu-unlock 的真正用途：https://www.digiland.tw/viewtopic.php?id=3518

RTX 3060 12GB＋32GB RAM 跑 Strata 125B：https://www.digiland.tw/viewtopic.php?id=3519

（圖表與原始數據都是我們自行量測整理，歡迎討論或指正。）