Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

Apex Compute lanza un equivalente a DLSS para GTX 16 y Radeon: un fotograma en 1,01 ms frente a 1,26 ms

Apex Compute ha publicado la beta de su generador de fotogramas ANR FG: una red neuronal genera fotogramas intermedios entre los reales para que el juego vaya más fluido, y sustituye a DLSS Frame Generation de NVIDIA en GTX 16, Radeon, Arc y Apple Silicon. Según las mediciones internas de la compañía, en la RTX 5090 a 4K un fotograma de este tipo está listo en 1,01 ms, frente a 1,26 ms de DLSS. No hay pruebas independientes, así que por ahora se trata de una afirmación del fabricante.

Procesado por IA desde Habr AI; editado por Hamidun News
Apex Compute lanza un equivalente a DLSS para GTX 16 y Radeon: un fotograma en 1,01 ms frente a 1,26 ms
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1La red neuronal pesa 0,17 MB; necesita 214 MB de memoria de vídeo frente a los 562 MB de DLSS.
Se instala mediante OptiScalercopiar los archivos a la carpeta del juego y activar DLSS FG.
Dato clave #3El código fuente en GitHub sigue cerrado; la publicación se prometió para más adelante.

Si un juego funciona a 40 fotogramas reales por segundo, una red neuronal puede generar otros 40 fotogramas intermedios entre ellos, y la imagen se vuelve notablemente más fluida. Así funciona DLSS Frame Generation de NVIDIA, pero no está disponible para todos: los propietarios de GTX 16, de Radeon antiguas o de Mac no tienen esa función o la obtienen con peor rendimiento. Apex Compute ha lanzado una beta abierta de su alternativa, Apex Neural Rendering Frame Generation, o ANR FG.

Se inserta en el juego en lugar de DLSS y funciona con tarjetas gráficas de distintos fabricantes. La cifra principal de la compañía es el tiempo necesario para generar un fotograma adicional. En una GeForce RTX 5090 a 4K (3840 × 2160), ANR FG tarda 1,01 milisegundos en generarlo, mientras que el DLSS Frame Generation estándar tarda 1,26 milisegundos.

Cuanto menor sea este tiempo, menos se distrae la tarjeta gráfica del renderizado principal del juego.

Cómo funciona y en qué hardware se ejecuta

ANR está concebido como un conjunto de tres módulos: escalado de resolución, reconstrucción del trazado de rayos y generación de fotogramas. Por ahora solo está disponible el último. Los modelos de escalado y de reducción de ruido para los rayos todavía se están entrenando.

ANR FG no llega al juego como un plugin nativo, sino a través de la capa intermedia OptiScaler. Esta intercepta la llamada al DLSS Frame Generation estándar y, en su lugar, ejecuta la red neuronal de Apex. Para el usuario el proceso es sencillo: copiar los archivos en la carpeta del juego, instalar Microsoft Visual C++ 2015–2022 Redistributable (x64) y activar en la configuración la generación de fotogramas habitual de NVIDIA. El juego cree que está usando DLSS, pero en realidad los fotogramas los genera un modelo ajeno. Hay dos variantes de la distribución: un paquete completo con OptiScaler incluido y un complemento ligero para quienes ya tienen instalada la capa intermedia.

La lista de hardware compatible es amplia:

  • GeForce RTX 20, 30, 40 y 50, así como GTX 16 sin núcleos tensoriales;
  • Radeon RX 5000, 6000, 7000 y 9000, además de Steam Deck;
  • Intel Arc de las series A y B;
  • Apple Silicon desde M1 en adelante, con macOS 26 o superior, a través de Metal.

En PC se anuncia compatibilidad con Windows 10 y 11, Linux y SteamOS mediante Proton. Para Mac existe además un banco de pruebas específico, donde ANR FG puede compararse con la tecnología integrada MetalFX.

Qué prometen las cifras

Apex hace hincapié en la compacidad: la red neuronal ocupa solo 0,17 MB. ANR FG necesita 214 MB de memoria de vídeo frente a los 562 MB de la implementación de NVIDIA, es decir, aproximadamente un 62 % menos. Para dispositivos portátiles con memoria limitada, esa diferencia puede ser más importante que unas fracciones de milisegundo.

En sus tablas resumen, la compañía habla de una ventaja de hasta 2,4 veces en la velocidad de la fase de generación. En Radeon RX 7800 XT, Intel Arc B580 y Arc A770, ANR FG es más rápido que AMD FSR 3.1. En Radeon RX 9060 XT el resultado es mixto: en el modo 2X (una imagen generada por cada imagen real) supera a FSR 3.1, mientras que con generación triple y cuádruple queda por detrás de FSR 4, que usa aprendizaje automático.

Apex muestra la calidad con fotogramas de The Last of Us Part II Remastered y Hogwarts Legacy, evaluados con tres métricas de vídeo: CGVQM-5, ColorVideoVDP y PSNR. En el modo 2X, ANR FG obtiene 96,59 puntos frente a 93,66 de DLSS en CGVQM-5, y 33,84 dB frente a 31,22 dB en PSNR. Cuanto mayor es el valor, más se parece el fotograma generado al real. En todas las tablas publicadas por la compañía, su solución aparece en primera posición.

Salvedades que conviene tener en cuenta

En primer lugar, todas las mediciones las ha realizado la propia Apex Compute. Todavía no hay comparativas independientes, y en las tablas del fabricante la ventaja casi siempre favorece a su producto.

En segundo lugar, la beta «abierta» solo lo es de nombre. El repositorio de GitHub contiene documentación y archivos compilados, pero la compañía promete publicar el código fuente de la red más adelante. Por ahora la comunidad no puede verificar el modelo ni mejorarlo.

En tercer lugar, sustituir bibliotecas mediante OptiScaler siempre entraña riesgos. No está claro cómo se comportará ANR FG en juegos limitados por el procesador, ni si aparecerán artefactos en escenas dinámicas: desenfoque en los bordes de los objetos, temblor de la interfaz o latencia de entrada. Son problemas habituales de cualquier generación de fotogramas, y los probadores independientes deberán comprobarlos por separado.

Qué hacer en la práctica

Si tienes una GTX 16, una Radeon de generaciones anteriores o un Mac y quieres probar la generación de fotogramas al estilo DLSS, la beta es un experimento barato: los archivos se copian a la carpeta del juego y se eliminan igual de fácil. Para los desarrolladores y para quienes siguen el mercado, el enfoque merece atención: una red neuronal diminuta sobre una capa intermedia demuestra que las tecnologías de NVIDIA empiezan a tener competidores multiplataforma. Mientras tanto, conviene esperar las mediciones de terceros y la publicación del código, y tomar las cifras de Apex como una afirmación del fabricante.

Historia

Preguntas frecuentes sobre la noticia

Cómo funciona y en qué hardware se ejecuta?

ANR está concebido como un conjunto de tres módulos: escalado de resolución, reconstrucción del trazado de rayos y generación de fotogramas. Por ahora solo está disponible el último. Los modelos de escalado y de reducción de ruido para los rayos todavía se están entrenando. ANR FG no llega al juego como un plugin nativo, sino a través de la capa intermedia OptiScaler. Esta intercepta la llamada al DLSS Frame Generation estándar y, en su lugar, ejecuta la red neuronal de Apex.

¿Qué se sabe sobre Qué prometen las cifras?

Apex hace hincapié en la compacidad: la red neuronal ocupa solo 0,17 MB. ANR FG necesita 214 MB de memoria de vídeo frente a los 562 MB de la implementación de NVIDIA, es decir, aproximadamente un 62 % menos. Para dispositivos portátiles con memoria limitada, esa diferencia puede ser más importante que unas fracciones de milisegundo. En sus tablas resumen, la compañía habla de una ventaja de hasta 2,4 veces en la velocidad de la fase de generación.

¿Qué se sabe sobre Salvedades que conviene tener en cuenta?

En primer lugar, todas las mediciones las ha realizado la propia Apex Compute. Todavía no hay comparativas independientes, y en las tablas del fabricante la ventaja casi siempre favorece a su producto. En segundo lugar, la beta «abierta» solo lo es de nombre. El repositorio de GitHub contiene documentación y archivos compilados, pero la compañía promete publicar el código fuente de la red más adelante. Por ahora la comunidad no puede verificar el modelo ni mejorarlo.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…