NVIDIA perde a trava de IA nas GeForce RTX e a 4090 dobra os TFLOPS

NVIDIA limitava por firmware o desempenho de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → das placas GeForce, e a comunidade encontrou um caminho para contornar isso. A descoberta atinge as linhas RTX 20, RTX 30 e RTX 40.

O alvo são os Tensor Cores, chips voltados para processamento de IA.

A restrição original reduzia pela metade a velocidade em certas tarefas matemáticas. Além disso, vale notar um detalhe importante: essa trava não existe nos modelos profissionais, que custam bem mais caro.

Como o exploit contorna o bloqueio de fábrica

Entretanto, o método aproveita uma falha de segurança no sistema inicial da placa.

A ferramenta altera configurações internas antes mesmo de o computador carregar. Dessa forma, o bloqueio de fábrica deixa de ser aplicado.

Portanto, a mudança acontece em camada anterior ao sistema operacional. Isso explica por que o ajuste escapa das proteções convencionais.

Os números que a NVIDIA mantinha fora de alcance

Os ganhos variam conforme o modelo e o consumo de energia.

A RTX 4090 trouxe o resultado mais chamativo. Contudo, a capacidade teórica máxima de processamento de IA dobrou, saindo de 165 TFLOPS para cerca de 330 TFLOPS.

Além disso, esses valores valem para os formatos de precisão FP16 e BF16.

Outras placas também responderam bem. Em modelos como a RTX 3090 Ti e a RTX 3070, os testes apontaram ganho de até 80% em cálculos complexos de matrizes.

Onde o ganho aparece de verdade no seu fluxo

Aqui entra a parte que evita frustração. A mudança atua no cálculo bruto, logo o benefício se concentra em cargas específicas.

A geração de imagens por IA acelera bastante. O tempo de carregamento inicial de comandos pesados também melhora.

Por outro lado, a taxa de quadros nos jogos segue praticamente igual.

A resposta de chats de IA também muda pouco. Afinal, a geração de texto depende muito da velocidade da memória da placa.

Consequentemente, o perfil beneficiado fica claro. Quem trabalha com difusão de imagem e treino leve ganha mais que quem roda LLM local.

O efeito imediato no mercado de usadas

A descoberta mexeu com a procura por placas de gerações anteriores.

Os modelos com bastante memória lideram o interesse. Entram aí a RTX 3090, a 3090 Ti e a 4090, todas com 24 GB.

Essa combinação explica o movimento. Memória generosa somada ao dobro de throughput deixa máquinas antigas competitivas para carga de IA.

Os riscos que acompanham o procedimento NVIDIA

Os próprios criadores do método fizeram o alerta.

O procedimento é avançado. Além disso, ele envolve risco de instabilidade e até de dano ao componente.

Vale pesar também o lado prático. Qualquer modificação em firmware costuma afetar garantia e suporte do fabricante.

Para quem considera testar, três cuidados ajudam. Primeiro, use máquina secundária em vez do equipamento principal de trabalho.

Segundo, monitore temperatura e estabilidade sob carga prolongada. Ganho em benchmark nem sempre se mantém em uso real.

Terceiro, acompanhe o comportamento da fabricante. Correções de firmware em atualizações futuras podem fechar esse caminho.

Acompanhe nosso perfil no Instagram!