性能实测：解锁前后

GPU Unlock Ada 分支公布的全部同卡前后对比数据，包括没有变化的张量模式，以及实测 1.0029× 的 FP8 CUTLASS 一组。

数据是怎么测的

RTX 4090 的数据来自寄存器驻留的 MMA 发射率循环，每种模式 20,000 次迭代、重复三次，取三次最好值。RTX 4070 Ti SUPER 的数据来自分支的 tensor-modes-comparison.json：66 个 SM、驱动 580.178.04、240 W 功耗上限、20,000 次迭代、重复三次，全 1 输入、8 条独立链。FP8 那组是另一次 CUTLASS 4.8.1 profiler 运行，单个 sm_89 内核。

GeForce RTX 4090

AD102 · 128 个 SM · 驱动 unrecorded in the evidence file

模式	解锁前	解锁后	提升
`f16/f16`	325.70 TF/s	331.60 TF/s	1.02×
`f16/f32`	165.60 TF/s	330.80 TF/s	2.00×
`bf16/f32`	165.50 TF/s	330.30 TF/s	2.00×
`s8/s32`	661.60 TF/s	659.50 TF/s	1.00×
`dp4a`	164.50 TF/s	164.10 TF/s	1.00×
`ffma`	79.10 TF/s	79.10 TF/s	1.00×

f16/f16: stock run includes one slow sample (306.3); best-of-three
s8/s32: already at full rate before the unlock
ffma: FP32 was never rate-limited

本次测试的原始文件

GeForce RTX 4070 Ti SUPER

AD103 · 66 个 SM · 驱动 580.178.04

模式	解锁前	解锁后	提升
`f16/f32`	94.96 TFLOP/s	188.97 TFLOP/s	1.99×
`tf32`	47.49 TFLOP/s	94.51 TFLOP/s	1.99×
`u4/s32`	754.81 TOP/s	754.68 TOP/s	1.00×

u4/s32: integer path, unaffected

本次测试的原始文件

GeForce RTX 2080 Ti

TU102 · 68 个 SM · 驱动 575.51.03

模式	解锁前	解锁后	提升
`f16/f32`	50.30 TFLOP/s	68.30 TFLOP/s	1.36×
`f16/f32`	55.70 TFLOP/s	91.40 TFLOP/s	1.64×
`f16/f32`	53.70 TFLOP/s	81.70 TFLOP/s	1.52×
`f16/f32`	52.80 TFLOP/s	77.90 TFLOP/s	1.48×

f16/f32: M.N.K 1024: 88.4% to 120.0% of the 56.9 TFLOP/s peak
f16/f32: M.N.K 2048: 97.9% to 160.6% of peak
f16/f32: M.N.K 4096: 94.4% to 143.6% of peak
f16/f32: M.N.K 8192: 92.8% to 136.9% of peak

本次测试的原始文件

没有变化的 FP8 一组

分支在 RTX 4070 Ti SUPER 上用同一份 CUTLASS profiler、单个内核、10 次预热与 20 次测量，对 E4M3 FP8 输入、FP32 累加的 4096³ GEMM 做了匹配测量，并要求设备参考校验。两次运行都通过了参考校验。

运行	毫秒	GFLOP/s
解锁前	2.31724	59325.8
解锁后	2.31066	59495.0

RTX 4070 Ti SUPER · cutlass_tensorop_s16832gemm_e4m3_128x128_64x3_tn_align16 · 1.0029×

如何理解 1.00×

1.00× 不代表解锁失败。它说明那条路径本来就没有被限速，覆盖没有可恢复的东西。如果你在自己的卡上测出你关心的模式是 1.00×，解锁很可能确实生效了，只是对这个负载没有帮助。