Apex Compute تطلق بديلاً لـ DLSS لبطاقات GTX 16 وRadeon: الإطار في 1.01 مللي ثانية مقابل 1.26 مللي ثانية
أطلقت Apex Compute نسخة تجريبية من مولّد الإطارات ANR FG: شبكة عصبية ترسم إطارات وسيطة بين الإطارات الحقيقية لتصبح اللعبة أكثر سلاسة، وتحل محل DLSS Frame Generation من NVIDIA على بطاقات GTX 16 وRadeon وArc ومعالجات Apple Silicon. وبحسب القياسات الداخلية للشركة، يجهز إطار واحد من هذا النوع على RTX 5090 بدقة 4K في 1.01 مللي ثانية، مقابل 1.26 مللي ثانية لدى DLSS. لا توجد اختبارات مستقلة، لذا يبقى هذا حتى الآن ادعاءً من الشركة المصنِّعة.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
إذا كانت اللعبة تعرض 40 إطاراً حقيقياً في الثانية، فيمكن للشبكة العصبية أن ترسم بينها 40 إطاراً وسيطاً إضافياً، فتصبح الصورة أكثر سلاسة بشكل ملحوظ. هكذا يعمل DLSS Frame Generation من NVIDIA، لكنه غير متاح للجميع: فأصحاب GTX 16 وبطاقات Radeon القديمة وأجهزة Mac إما لا يملكون هذه الميزة، أو تعمل لديهم بجودة أدنى. وقد أطلقت شركة Apex Compute نسخة تجريبية مفتوحة من بديلها، Apex Neural Rendering Frame Generation، أو ANR FG.
تُدسّ هذه التقنية في اللعبة بدلاً من DLSS، وتعمل على بطاقات رسوميات من مصنّعين مختلفين. والرقم الرئيسي في بيان الشركة هو الزمن اللازم لإنتاج إطار واحد مرسوم. فعلى GeForce RTX 5090 بدقة 4K (3840 × 2160)، تستغرق ANR FG 1.
01 مللي ثانية لكل إطار، بينما يستغرق DLSS Frame Generation القياسي 1.26 مللي ثانية. وكلما قل هذا الزمن، قل انشغال بطاقة الرسوميات عن عملية الرسم الأساسية للعبة.
كيف تعمل وعلى أي عتاد تُشغَّل
صُممت ANR كمجموعة من ثلاث وحدات: رفع الدقة، وإعادة بناء تتبّع الأشعة، وتوليد الإطارات. والمتاح حالياً هو الأخيرة فقط، أما نماذج رفع الدقة وإزالة الضوضاء من الأشعة فما زالت قيد التدريب.
لا تصل ANR FG إلى اللعبة بوصفها إضافة أصلية، بل عبر الطبقة الوسيطة OptiScaler. فهذه الطبقة تعترض استدعاء DLSS Frame Generation القياسي، وتشغّل بدلاً منه شبكة Apex العصبية. والخطوات بسيطة بالنسبة للمستخدم: نسخ الملفات إلى مجلد اللعبة، وتثبيت Microsoft Visual C++ 2015–2022 Redistributable (x64)، ثم تفعيل خيار توليد الإطارات المعتاد من NVIDIA في إعدادات اللعبة. تظن اللعبة أن DLSS هو الذي يعمل، بينما ترسم الإطارات في الواقع نموذجٌ آخر. وتتوفر نسختان: حزمة كاملة مع OptiScaler مدمجاً، وإضافة مخففة لمن ثبّت الطبقة الوسيطة مسبقاً.
قائمة العتاد المدعوم واسعة:
- GeForce RTX 20 و30 و40 و50، إضافة إلى GTX 16 التي لا تملك أنوية Tensor؛
- Radeon RX 5000 و6000 و7000 و9000، إضافة إلى Steam Deck؛
- Intel Arc من الفئتين A وB؛
- Apple Silicon بدءاً من M1 وما بعده على macOS 26 وما فوق عبر Metal.
وعلى الحاسوب الشخصي، أُعلن دعم Windows 10 و11 وLinux وSteamOS عبر Proton. وتتوفر لأجهزة Mac منصة اختبار مستقلة يمكن فيها مقارنة ANR FG بتقنية MetalFX المدمجة.
ماذا تعد الأرقام
تركز Apex بشكل أساسي على صغر الحجم: إذ تشغل الشبكة العصبية 0.17 ميغابايت فقط. وتتطلب ANR FG 214 ميغابايت من ذاكرة الفيديو مقابل 562 ميغابايت في تنفيذ NVIDIA، أي أقل بنحو 62%. وبالنسبة للأجهزة المحمولة محدودة الذاكرة، قد تكون هذه الفجوة أهم من أجزاء المللي ثانية.
وتذكر الشركة في جداولها المجمّعة تفوقاً يصل إلى 2.4 ضعف في سرعة مرحلة التوليد. فعلى Radeon RX 7800 XT وIntel Arc B580 وArc A770، تتفوق ANR FG على AMD FSR 3.1 في السرعة. أما على Radeon RX 9060 XT فالنتيجة متباينة: في وضع 2X (صورة مرسومة واحدة لكل صورة حقيقية) تتفوق على FSR 3.1، لكن عند التوليد بثلاثة أضعاف وأربعة أضعاف يتقدم FSR 4 المعتمد على التعلم الآلي.
وتعرض Apex الجودة عبر لقطات من The Last of Us Part II Remastered وHogwarts Legacy، وبثلاثة مقاييس لتقييم الفيديو: CGVQM-5 وColorVideoVDP وPSNR. في وضع 2X، تحصل ANR FG على 96.59 نقطة مقابل 93.66 لـ DLSS وفق CGVQM-5، و33.84 ديسيبل مقابل 31.22 ديسيبل وفق PSNR. وكلما ارتفعت القيمة، اقترب الإطار المرسوم من الإطار الحقيقي. وفي جميع الجداول التي نشرتها الشركة، يأتي حلها في المقدمة.
تحفظات ينبغي أخذها في الحسبان
أولاً، أجرت Apex Compute جميع القياسات بنفسها. ولا توجد مقارنات مستقلة حتى الآن، كما أن الأفضلية في جداول الشركة المصنِّعة تكون في الغالب لصالح منتجها.
ثانياً، النسخة التجريبية «المفتوحة» ليست مفتوحة حتى الآن إلا بالاسم. ففي مستودع GitHub توجد الوثائق والملفات المترجمة فقط، بينما تعد الشركة بنشر الشيفرة المصدرية للشبكة العصبية لاحقاً. وفي الوقت الراهن لا يستطيع المجتمع التحقق من النموذج ولا تطويره.
ثالثاً، استبدال المكتبات عبر OptiScaler ينطوي دائماً على مخاطر. فليس واضحاً كيف ستتصرف ANR FG في الألعاب التي يكون المعالج فيها هو عنق الزجاجة في الأداء، ولا ما إذا كانت ستظهر عيوب بصرية في المشاهد السريعة: ضبابية عند حواف الأجسام، واهتزاز في الواجهة، وتأخر في الإدخال. وهذه مشكلات معتادة في أي تقنية لتوليد الإطارات، ويجب أن يفحصها المختبرون المستقلون بشكل منفصل.
ماذا تفعل عملياً
إذا كنت تملك GTX 16 أو بطاقة Radeon من أجيال سابقة أو جهاز Mac، وتريد تجربة توليد الإطارات على طريقة DLSS، فالنسخة التجريبية تجربة قليلة التكلفة: تُنسخ الملفات إلى مجلد اللعبة وتُحذف بالسهولة نفسها. أما المطورون ومتابعو السوق فيستحق هذا النهج انتباههم: فشبكة عصبية صغيرة فوق طبقة وسيطة تُظهر أن تقنيات NVIDIA بدأت تواجه منافسين يعملون على منصات متعددة. أما الآن، فانتظروا قياسات من أطراف مستقلة ونشر الشيفرة المصدرية، وعدّوا أرقام Apex ادعاءً من الشركة المصنِّعة.
- 21 نوفمبر 2026عطل في Microsoft: نحو 83 ألف شكوى على Outlook في Downdetector وتوقف Teams وCopilot
- 21 نوفمبر 2026اختبار MLPerf يشهد لأول مرة مشاركة Nvidia Rubin وTPU Ironwood: 153 نظامًا
- 21 نوفمبر 2026مايكروسوفت تحوّل Copilot إلى «نظام تشغيل للعمل»: Word وExcel يصبحان إضافات للوكيل
- 21 نوفمبر 2026Google تفصل بين حفظ المحادثات والتدريب في Gemini: إلغاء التدريب دون خسارة السجل
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف تعمل وعلى أي عتاد تُشغَّل؟
صُممت ANR كمجموعة من ثلاث وحدات: رفع الدقة، وإعادة بناء تتبّع الأشعة، وتوليد الإطارات. والمتاح حالياً هو الأخيرة فقط، أما نماذج رفع الدقة وإزالة الضوضاء من الأشعة فما زالت قيد التدريب. لا تصل ANR FG إلى اللعبة بوصفها إضافة أصلية، بل عبر الطبقة الوسيطة OptiScaler. فهذه الطبقة تعترض استدعاء DLSS Frame Generation القياسي، وتشغّل بدلاً منه شبكة Apex العصبية.
ما أبرز التفاصيل حول ماذا تعد الأرقام؟
تركز Apex بشكل أساسي على صغر الحجم: إذ تشغل الشبكة العصبية 0.17 ميغابايت فقط. وتتطلب ANR FG 214 ميغابايت من ذاكرة الفيديو مقابل 562 ميغابايت في تنفيذ NVIDIA، أي أقل بنحو 62%. وبالنسبة للأجهزة المحمولة محدودة الذاكرة، قد تكون هذه الفجوة أهم من أجزاء المللي ثانية. وتذكر الشركة في جداولها المجمّعة تفوقاً يصل إلى 2.4 ضعف في سرعة مرحلة التوليد. فعلى Radeon RX 7800 XT وIntel Arc B580 وArc A770، تتفوق ANR FG على AMD FSR 3.1 في السرعة.
ما أبرز التفاصيل حول تحفظات ينبغي أخذها في الحسبان؟
أولاً، أجرت Apex Compute جميع القياسات بنفسها. ولا توجد مقارنات مستقلة حتى الآن، كما أن الأفضلية في جداول الشركة المصنِّعة تكون في الغالب لصالح منتجها. ثانياً، النسخة التجريبية «المفتوحة» ليست مفتوحة حتى الآن إلا بالاسم. ففي مستودع GitHub توجد الوثائق والملفات المترجمة فقط، بينما تعد الشركة بنشر الشيفرة المصدرية للشبكة العصبية لاحقاً. وفي الوقت الراهن لا يستطيع المجتمع التحقق من النموذج ولا تطويره. ثالثاً، استبدال المكتبات عبر OptiScaler ينطوي دائماً على مخاطر.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.