Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Apex Compute lança alternativa ao DLSS para GTX 16 e Radeon: quadro em 1,01 ms contra 1,26 ms

A Apex Compute lançou a versão beta do gerador de quadros ANR FG. A rede neural cria quadros intermediários entre os reais para deixar o jogo mais fluido e substitui o DLSS Frame Generation da NVIDIA em GTX 16, Radeon, Arc e Apple Silicon. Segundo medições internas da empresa, na RTX 5090 em 4K, um desses quadros fica pronto em 1,01 ms, contra 1,26 ms do DLSS. Não há testes independentes, então, por enquanto, trata-se apenas de uma afirmação do fabricante.

Processado por IA de Habr AI; editado por Hamidun News
Apex Compute lança alternativa ao DLSS para GTX 16 e Radeon: quadro em 1,01 ms contra 1,26 ms
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1A rede neural pesa 0,17 MB, e o ANR FG exige 214 MB de memória de vídeo contra 562 MB do DLSS.
A instalação é feita pelo OptiScaleros arquivos vão para a pasta do jogo e é preciso ativar o DLSS FG.
Dado-chave #3O código-fonte no GitHub ainda está fechado, e a publicação foi prometida para mais tarde.

Se um jogo roda com 40 quadros reais por segundo, uma rede neural pode criar outros 40 quadros intermediários entre eles, e a imagem fica bem mais fluida. É assim que funciona o DLSS Frame Generation da NVIDIA, mas nem todo mundo tem acesso a ele: quem tem GTX 16, Radeon antigas ou Mac ou não tem essa função, ou ela funciona pior. A Apex Compute lançou uma beta aberta do seu substituto, o Apex Neural Rendering Frame Generation, ou ANR FG.

Ele se conecta ao jogo no lugar do DLSS e funciona em placas de vídeo de diferentes fabricantes. O principal número divulgado pela empresa é o tempo para gerar um quadro adicional. Na GeForce RTX 5090, em 4K (3840 × 2160), o ANR FG leva 1,01 milissegundo por quadro, enquanto o DLSS Frame Generation padrão leva 1,26 milissegundo.

Quanto menor esse tempo, menos a placa de vídeo precisa desviar recursos da renderização principal do jogo.

Como funciona e em que hardware roda

O ANR foi concebido como um conjunto de três módulos: aumento de resolução, reconstrução de traçado de raios e geração de quadros. Por enquanto, só o último está disponível. Os modelos de upscaling e de redução de ruído para os raios ainda estão em treinamento.

O ANR FG não entra no jogo como um plugin nativo, mas por meio do OptiScaler. Essa camada intercepta a chamada do DLSS Frame Generation e, em seu lugar, executa a rede neural da Apex. Para o usuário, o processo é simples: copiar os arquivos para a pasta do jogo, instalar o Microsoft Visual C++ 2015–2022 Redistributable (x64) e ativar a geração de quadros padrão da NVIDIA nas configurações. O jogo acredita que está usando DLSS, mas os quadros são gerados por um modelo de outra empresa. Há duas versões do pacote: o completo, com o OptiScaler incluído, e um complemento mais leve para quem já tem a camada instalada.

A lista de hardware compatível é ampla:

  • GeForce RTX 20, 30, 40 e 50, além das GTX 16 sem núcleos tensoriais;
  • Radeon RX 5000, 6000, 7000 e 9000, além do Steam Deck;
  • Intel Arc das séries A e B;
  • Apple Silicon, do M1 em diante, no macOS 26 ou superior, via Metal.

No PC, são citados Windows 10 e 11, Linux e SteamOS via Proton. Para Macs, há um ambiente de teste específico, no qual o ANR FG pode ser comparado com a tecnologia nativa MetalFX.

O que os números prometem

A Apex destaca a compactação: a rede neural ocupa apenas 0,17 MB. O ANR FG exige 214 MB de memória de vídeo contra 562 MB da implementação da NVIDIA, cerca de 62% a menos. Para dispositivos portáteis com memória limitada, essa diferença pode importar mais do que frações de milissegundo.

Nas tabelas resumidas, a empresa fala em vantagem de até 2,4 vezes na velocidade da etapa de geração. Na Radeon RX 7800 XT, na Intel Arc B580 e na Arc A770, o ANR FG é mais rápido que o AMD FSR 3.1. Na Radeon RX 9060 XT, o resultado é misto. No modo 2X (um quadro gerado para cada quadro real), é mais rápido que o FSR 3.1, mas, na geração tripla e quádrupla, fica atrás do FSR 4 com aprendizado de máquina.

A qualidade é mostrada em quadros de The Last of Us Part II Remastered e Hogwarts Legacy, avaliados por três métricas de vídeo: CGVQM-5, ColorVideoVDP e PSNR. No modo 2X, o ANR FG obtém 96,59 pontos contra 93,66 do DLSS na CGVQM-5, e 33,84 dB contra 31,22 dB na PSNR. Quanto maior o valor, mais o quadro gerado se aproxima do real. Em todas as tabelas publicadas pela empresa, a solução dela aparece à frente.

Ressalvas que merecem atenção

Primeiro, todas as medições foram feitas pela própria Apex Compute. Ainda não há comparações independentes, e, nas tabelas do fabricante, a vantagem quase sempre favorece o produto dele.

Segundo, a beta "aberta" só é aberta no nome. O repositório no GitHub contém documentação e arquivos compilados, mas o código-fonte da rede neural será publicado apenas depois. Por enquanto, a comunidade não pode verificar o modelo nem aprimorá-lo.

Terceiro, a substituição de bibliotecas via OptiScaler sempre traz riscos. Não está claro como o ANR FG se comporta em jogos limitados pelo processador, nem se surgirão artefatos em cenas dinâmicas, como borrões nas bordas dos objetos, tremulação da interface ou aumento de latência de entrada. São problemas comuns a qualquer geração de quadros, e testadores independentes precisam verificá-los separadamente.

O que fazer na prática

Se você tem GTX 16, Radeon de gerações anteriores ou um Mac e quer experimentar a geração de quadros no estilo DLSS, a beta é um teste barato: os arquivos são copiados para a pasta do jogo e removidos com a mesma facilidade. Desenvolvedores e quem acompanha o mercado vale observar a abordagem: uma rede neural minúscula sobre uma camada intermediária mostra que a tecnologia da NVIDIA começa a ter concorrentes multiplataforma. Por ora, espere medições de terceiros e a publicação do código, e trate os números da Apex como afirmação do fabricante.

História

Perguntas frequentes sobre a notícia

Como funciona e em que hardware roda?

O ANR foi concebido como um conjunto de três módulos: aumento de resolução, reconstrução de traçado de raios e geração de quadros. Por enquanto, só o último está disponível. Os modelos de upscaling e de redução de ruído para os raios ainda estão em treinamento. O ANR FG não entra no jogo como um plugin nativo, mas por meio do OptiScaler. Essa camada intercepta a chamada do DLSS Frame Generation e, em seu lugar, executa a rede neural da Apex.

O que os números prometem?

A Apex destaca a compactação: a rede neural ocupa apenas 0,17 MB. O ANR FG exige 214 MB de memória de vídeo contra 562 MB da implementação da NVIDIA, cerca de 62% a menos. Para dispositivos portáteis com memória limitada, essa diferença pode importar mais do que frações de milissegundo. Nas tabelas resumidas, a empresa fala em vantagem de até 2,4 vezes na velocidade da etapa de geração. Na Radeon RX 7800 XT, na Intel Arc B580 e na Arc A770, o ANR FG é mais rápido que o AMD FSR 3.1.

O que se sabe sobre Ressalvas que merecem atenção?

Primeiro, todas as medições foram feitas pela própria Apex Compute. Ainda não há comparações independentes, e, nas tabelas do fabricante, a vantagem quase sempre favorece o produto dele. Segundo, a beta "aberta" só é aberta no nome. O repositório no GitHub contém documentação e arquivos compilados, mas o código-fonte da rede neural será publicado apenas depois. Por enquanto, a comunidade não pode verificar o modelo nem aprimorá-lo. Terceiro, a substituição de bibliotecas via OptiScaler sempre traz riscos.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…