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！

一、下载 GPU-UNLOCK 显卡解锁器

1、Windows 版：【点击前往^[1]】或【备用下载^[2]】

1. https://github.com/windows-GPU-UNLOCK/Windows-GPU-UNLOCK
2. https://pan.quark.cn/s/20467ac0f394

2、Linux 版：【点击前往^[1]】或【备用下载^[2]】

1. https://github.com/Zagitta/gpu-unlock#how-to-install
2. https://pan.quark.cn/s/2d4f96d89d17

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。^[1]

1. https://github.com/Zagitta/gpu-unlock/issues

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^[1]】

1. https://www.python.org/downloads/release/python-3148/

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^[1]

1. 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

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^[1]中。请勿附加固件或原始转储文件。

1. https://github.com/impacifist/Windows-GPU-UNLOCK/issues/new?template=compatibility.yml

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^[1]说明在配置和构建中进行选择。X870 使用单独的 USB 接口。

1. https://github.com/windows-GPU-UNLOCK/Windows-GPU-UNLOCK/blob/main/docs/COMPATIBILITY.en.md

更改启动设置前，请阅读完整指南和恢复步骤^[1]。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。

1. https://github.com/windows-GPU-UNLOCK/Windows-GPU-UNLOCK/blob/main/docs/HEADLESS.en.md

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^[1]。主机集成测试还需要 MSVC/Windows SDK 和私有 fixtures。

1. https://github.com/windows-GPU-UNLOCK/Windows-GPU-UNLOCK/blob/main/docs/ASSETS.en.md

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^[1]。

1. https://github.com/windows-GPU-UNLOCK/Windows-GPU-UNLOCK/blob/main/docs/BENCHMARK.en.md
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^[1]。

1. https://github.com/windows-GPU-UNLOCK/Windows-GPU-UNLOCK/blob/main/docs/HEADLESS.en.md#recovery

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^[1]】或【备用下载^[2]】

1. https://huggingface.co/unsloth/Qwen3.5-9B-GGUF/tree/main
2. https://git.cloudeop.com/repo.php?id=c939b817

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^[1]
cd gpu-unlock
make install

1. https://github.com/Zagitta/gpu-unlock

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）。