La demo browser di Nvidia DLSS 5 esce dai confini RTX, ma richiede secondi per il rendering
Secondo quanto riportato, la demo browser di Nvidia DLSS 5 ha trasferito un modello neurale da 147MB in WebGPU, nonostante la dipendenza ufficiale della funzionalità dall’hardware RTX e dalle integrazioni native nei giochi. Lo sviluppatore MAAN afferma che l’esperimento funziona anche su macOS e GPU non Nvidia. Il compromesso è pesante: durante un test indipendente, ogni immagine elaborata ha richiesto uno o due secondi.
Questo divario definisce il progetto meglio della sua pretesa di compatibilità. MAAN non ha trasformato DLSS 5 in una funzionalità pratica per il gaming nel browser. Lo sviluppatore sembra aver separato il modello di rendering neurale di Nvidia dal consueto percorso basato su driver, SDK e hardware dell’azienda.
L’esperimento mette quindi sotto pressione il modello di distribuzione controllata di Nvidia, non il suo vantaggio nelle prestazioni di gioco. Nvidia ha introdotto DLSS 5 in NBA 2K27 per i sistemi RTX 50-series e GeForce NOW. L’implementazione di MAAN espone, secondo quanto riportato, una parte dello stesso processo visivo tramite una normale API grafica per browser.
Il risultato è un interessante test di portabilità con importanti interrogativi irrisolti. Secondo quanto riportato, i suoi pesi provengono da una libreria trapelata, il codice sorgente non era disponibile quando sono apparsi i primi articoli e l’output resta troppo lento per il gameplay. Ciò che conta ora è stabilire se un’ispezione indipendente convaliderà l’implementazione e individuerà utilizzi in cui alcuni secondi per immagine siano accettabili.
La demo browser di Nvidia DLSS 5 porta il rendering neurale fuori dal percorso ufficiale di Nvidia
Il cambiamento importante non è che DLSS 5 improvvisamente esegua giochi in un browser. È che un modello di rendering addestrato da Nvidia, secondo quanto riportato, venga eseguito senza il percorso di integrazione DLSS documentato da Nvidia.
MAAN ha pubblicato la dimostrazione il 16 settembre 2026. Secondo il primo report sulla demo browser, la pagina funziona tramite Cloudflare Workers e si apre con una scena chiamata “Cowboy Gramps.” Include controlli regolabili, viste comparative e supporto per modelli 3D forniti dagli utenti.
Lo sviluppatore descrive il progetto come una reimplementazione della rete neurale DLSS 5 mediante compute shader WebGPU. WebGPU è un’API browser che invia alla GPU di un dispositivo moderni carichi di lavoro grafici e di calcolo generico. Un compute shader è un programma per GPU progettato per calcoli paralleli anziché per disegnare direttamente un triangolo o un pixel.
Questa distinzione è importante. La pagina non sembra richiamare il normale runtime DLSS di Nvidia attraverso un ponte browser nascosto. Piuttosto, secondo quanto riportato, esprime le operazioni del modello neurale come carichi di lavoro GPU compatibili con il browser.
MAAN afferma che i pesi neurali occupano circa 147MB. Il runtime JavaScript compresso aggiunge approssimativamente 1MB. I pesi contengono parametri appresi utilizzati dalla rete neurale, mentre il runtime organizza i calcoli necessari per applicarli.
Questi numeri rendono il progetto grande per una pagina web, ma sufficientemente piccolo per un esperimento interattivo ospitato online. Dopo il download iniziale, il browser può inviare il lavoro alla GPU locale tramite WebGPU. Cloudflare ospita l’applicazione, ma le informazioni disponibili indicano che il dispositivo esegue l’elaborazione neurale.
Secondo quanto riportato, la demo accetta formati comuni di modelli 3D tramite selezione dei file o trascinamento. Questa funzione trasforma la pagina in qualcosa di più di un video fisso o di una raccolta di screenshot preparati. Gli utenti possono verificare come il modello tratta le proprie risorse, anche se il comportamento del progetto in materia di sicurezza e privacy richiede ancora un’ispezione a livello di codice sorgente.
L’interfaccia separa inoltre il normale movimento del modello dall’elaborazione neurale. In un test su un desktop RTX 40-series, la rotazione del visualizzatore 3D è rimasta fluida. L’applicazione del trattamento DLSS 5 a un’immagine ha richiesto uno o due secondi, soprattutto nella modalità live.
Questa tempistica è centrale per qualsiasi descrizione accurata. Un rendering di due secondi equivale a mezzo fotogramma elaborato al secondo. I giochi in tempo reale puntano normalmente a decine di fotogrammi al secondo, con solo millisecondi di tempo di elaborazione disponibili per ciascun fotogramma.
La demo non è quindi una versione browser dell’esperienza completa di NBA 2K27. È meglio intenderla come un test di esecuzione portabile per il componente neurale. Il motore di gioco circostante, i dati di movimento, i controlli della latenza e la pipeline di generazione dei fotogrammi sono problemi distinti.
MAAN afferma inoltre che la pagina funziona su macOS. Questa dichiarazione è plausibile a livello di API perché le implementazioni WebGPU possono tradurre i carichi di lavoro del browser nel sistema grafico Metal di Apple. Non dimostra velocità, qualità visiva o comportamento numerico equivalenti su ogni Mac e browser.
La stessa cautela si applica alle GPU non Nvidia. WebGPU è progettato per coprire diversi fornitori hardware, ma i singoli dispositivi espongono limiti e caratteristiche prestazionali differenti. Eseguire un carico di lavoro non equivale a eseguirlo in modo efficiente.
Ciononostante, l’evento di base crea una tensione concreta. Nvidia presenta DLSS 5 come una funzionalità di gaming RTX strettamente integrata. L’implementazione riportata di MAAN tratta la sua rete neurale come un grafo computazionale portabile, ricostruibile su un livello grafico web standard.
Perché WebGPU cambia il confine dell’hardware
WebGPU sostituisce il percorso di esecuzione proprietario di Nvidia con un livello browser comune, scambiando l’ottimizzazione specializzata con la portabilità.
Nvidia offre normalmente agli sviluppatori di giochi due percorsi consolidati per integrare DLSS. Possono usare l’integrazione NGX dell’azienda oppure adottare Streamline, un framework che si colloca tra un gioco e la sua API di rendering.
Nvidia descrive l’integrazione Streamline come un livello basato su plugin per tecnologie grafiche di più fornitori hardware. Gli sviluppatori contrassegnano risorse come vettori di movimento e buffer di profondità, quindi posizionano la funzionalità richiesta all’interno della propria pipeline di rendering.
Questo percorso offre a Nvidia un notevole controllo sulla compatibilità. Il driver può identificare l’hardware supportato, il plugin può convalidare gli input richiesti e l’azienda può aggiornare il comportamento del modello. Gli sviluppatori di giochi ricevono inoltre un contratto di integrazione costruito attorno a API grafiche native consolidate.
Un browser modifica ogni parte di questa configurazione. JavaScript non può caricare liberamente una DLL grafica proprietaria né effettuare chiamate arbitrarie ai driver nativi. Le applicazioni browser operano in una sandbox, con accesso mediato tramite interfacce standardizzate.
WebGPU fornisce il livello di calcolo mancante. Il suo linguaggio di shading, WGSL, consente alle applicazioni di definire programmi che i browser compilano per il sistema sottostante. L’attuale specifica WGSL include pipeline di calcolo in grado di elaborare buffer e immagini attraverso workgroup GPU paralleli.
In termini pratici, uno sviluppatore può tradurre le operazioni di una rete neurale in compute shader. Calcoli matriciali, convoluzioni, passaggi di campionamento e trasformazioni delle immagini possono quindi essere eseguiti su qualsiasi GPU compatibile esposta dal browser.
Questa traduzione non conserva l’intero stack software di Nvidia. Sostituisce lo stack con una nuova implementazione di calcoli selezionati. Qualsiasi ottimizzazione legata ai Tensor Cores, alle istruzioni proprietarie, alla pianificazione del driver o al runtime di Nvidia deve essere riprodotta diversamente oppure abbandonata.
Questo contribuisce a spiegare il divario di velocità. La versione ufficiale di Nvidia funziona su hardware RTX 50-series con un driver e un’applicazione progettati attorno alla funzionalità. La versione di MAAN, secondo quanto riportato, viene eseguita tramite un’astrazione browser portabile che privilegia la compatibilità.
Nvidia afferma che DLSS 5 utilizza il rendering neurale guidato dal 3D per migliorare l’illuminazione e l’aspetto dei materiali. Anziché limitarsi a ingrandire un fotogramma a bassa risoluzione, la funzionalità utilizza informazioni della scena per modificare l’aspetto di superfici, pelle, capelli, ombre e luce.
La sua prima vetrina ufficiale mette l’accento sui giocatori di basket. Nvidia afferma che il modello migliora il passaggio della luce subsuperficiale attraverso le orecchie, l’illuminazione della barba, i materiali della pelle e le ombre di contatto. Il lancio di DLSS 5 dell’azienda colloca questi effetti nel renderer nativo di NBA 2K27.
La demo browser utilizza un contesto più ristretto. Un utente carica o seleziona un modello, modifica i controlli di presentazione e attende il risultato neurale. Questo carico di lavoro non deve mantenere una simulazione di gioco completa a un frame rate interattivo.
Questa differenza apre la strada a utilizzi non legati al gaming. I product designer potrebbero tollerare un breve ritardo durante l’anteprima di una singola risorsa. Gli architetti potrebbero elaborare una vista statica prima di presentarla. Gli artisti potrebbero confrontare trattamenti alternativi dei materiali senza installare un gioco supportato.
Queste possibilità restano ipotesi, non prodotti convalidati. Il test disponibile non stabilisce accuratezza su risorse professionali, tempi di rendering prevedibili o supporto stabile per scene di grandi dimensioni. Mostra soltanto perché i requisiti di latenza determinano se l’esperimento abbia valore.
WebGPU amplia inoltre l’accesso senza rendere equivalente ogni macchina. Il progetto GPU for the Web elenca diversi sistemi operativi minimi e combinazioni hardware nelle sue linee guida di compatibilità. I browser possono imporre requisiti più severi o disabilitare dispositivi con driver inaffidabili.
Di conseguenza, “funziona su macOS” non dovrebbe essere interpretato come “funziona su ogni Mac.” Versione del browser, sistema operativo, generazione della GPU, memoria e limiti delle funzionalità possono tutti influire sull’esecuzione.
Lo stesso problema si presenta su Windows e Linux. Un browser compatibile può esporre WebGPU su hardware AMD, Intel o Nvidia, ma lo stesso shader può seguire percorsi differenti attraverso il compilatore e il driver di ciascun fornitore.
Questa variabilità è il prezzo del passaggio a un livello di astrazione superiore. Il percorso ufficiale di Nvidia offre un obiettivo ristretto e ottimizzato. WebGPU offre un obiettivo più ampio con meno presupposti sull’hardware sottostante.
La portabilità mette in discussione il controllo di Nvidia, non le sue prestazioni
La competizione principale riguarda la distribuzione controllata rispetto all’esecuzione portabile, e Nvidia conserva ancora il decisivo vantaggio prestazionale.
Il rilascio ufficiale di Nvidia DLSS 5 è iniziato con una combinazione limitata di hardware e software. NBA 2K27 supporta la funzionalità su PC e laptop GeForce RTX 50-series. I membri GeForce NOW Ultimate possono accedervi anche tramite sistemi cloud RTX 5080-class gestiti da Nvidia.
L’azienda richiede un gioco supportato, un driver appropriato e hardware compatibile. Questo modello ricorda le precedenti distribuzioni DLSS, in cui Nvidia combinava modelli addestrati con componenti runtime proprietari e accelerazione specifica RTX.
L’approccio di MAAN, secondo quanto riportato, rimuove diversi di questi vincoli. Non richiede NBA 2K27, un’applicazione Windows nativa o una GPU Nvidia. Chiede invece se un browser e la GPU che esso espone possano eseguire una ricostruzione del carico di lavoro neurale.
Ciò non cancella il contributo di Nvidia. Il modello ha comunque origine in Nvidia e il comportamento utile deriva dal lavoro di addestramento dell’azienda. Trasferire i suoi calcoli in WebGPU dimostrerebbe la portabilità dell’inferenza, non un sostituto indipendente per lo sviluppo del modello.
Non rende nemmeno prive di significato le restrizioni hardware ufficiali. Nvidia vende un’esperienza con una latenza specifica, un obiettivo di qualità e una struttura di supporto. La pagina browser offre attualmente un esperimento senza una garanzia di servizio comparabile.
Il contrasto nelle prestazioni è enorme. Nvidia afferma che una RTX 5090 può raggiungere fino a 370 fotogrammi al secondo in 4K in NBA 2K27 con la suite DLSS completa e il ray tracing. Questa cifra riflette un sistema, un preset e una raccolta specifici di tecnologie DLSS, quindi non dovrebbe essere confrontata direttamente con un singolo passaggio browser isolato.
Anche con questa precisazione, alcuni secondi per output non possono servire un gioco interattivo. A 60 fotogrammi al secondo, l'intero budget per fotogramma è di circa 16,7 millisecondi. Un passaggio neurale di un secondo consumerebbe all'incirca 60 di questi budget prima ancora che inizi il resto del lavoro del gioco.
La demo rivela invece un diverso tipo di pressione. Pone la domanda se l'accesso a un modello di grafica neurale debba rimanere vincolato al meccanismo di distribuzione previsto dal fornitore una volta che pesi e operazioni diventano disponibili.
Domande simili circondano già l'intelligenza artificiale basata su browser. Gli sviluppatori eseguono regolarmente modelli linguistici, visivi e di immagini in locale tramite WebGPU. L'attrattiva deriva dall'evitare andate e ritorni verso il server, dal mantenere alcuni dati sul dispositivo e dal raggiungere più sistemi operativi con una sola applicazione.
I modelli grafici impongono requisiti temporali più rigidi. Un modello testuale può rimanere utile generando token gradualmente. Uno strumento per immagini può restare utile quando la creazione richiede diversi secondi. Un gioco diventa scomodo quando il rendering supera il budget di un ordine di grandezza.
Questo rende DLSS 5 un test insolitamente impegnativo per il calcolo nel browser. Se il porting dovesse avvicinarsi a velocità interattive, mostrerebbe che WebGPU può ospitare sofisticati modelli di rendering su piattaforme di diversi fornitori. Se rimanesse lento, potrebbe comunque servire per anteprime offline e analisi tecniche.
Nvidia non affronta una minaccia competitiva immediata dalla demo. Gli studi di gioco non possono sostituire un'integrazione DLSS supportata con una pagina non ufficiale basata su pesi trapelati. Hanno bisogno di prestazioni prevedibili, chiarezza sulle licenze, garanzia della qualità e accesso ai dati del motore.
Tuttavia, il progetto indebolisce un presupposto più semplice: che l'esecuzione del modello neurale richieda intrinsecamente una GPU RTX. Il prodotto ufficiale potrebbe richiedere hardware RTX, ma una rete ricostruita può apparentemente funzionare altrove quando velocità e supporto vengono sacrificati.
Questa distinzione è importante per gli sviluppatori che valutano futuri sistemi di rendering neurale. Un modello può essere portabile in teoria pur restando specifico dell'hardware in produzione. Gli acceleratori specializzati vincono quando conta la latenza, mentre le API comuni vincono quando conta la diffusione.
Il vantaggio di Nvidia si sposta quindi dall'esclusività all'ottimizzazione. Il suo hardware, i driver, gli strumenti di sviluppo e l'accesso diretto al modello dovrebbero mantenere più veloce il percorso ufficiale. L'esperimento nel browser verifica quanta parte di questo vantaggio derivi dall'ingegneria dell'esecuzione piuttosto che da una barriera assoluta di compatibilità.
I pesi trapelati e il codice mancante lasciano aperte le domande più importanti
La dimostrazione è tecnicamente suggestiva, ma le lacune nella provenienza e nella verifica le impediscono di costituire una prova chiara di compatibilità DLSS indipendente.
Secondo quanto riferito, MAAN ha dichiarato che il progetto utilizza pesi estratti da una libreria DLSS 5 trapelata. Lo sviluppatore ha inoltre affermato che non era chiaro se tale libreria differisse dalla versione ufficiale.
Questa rivelazione cambia la natura del risultato. Il progetto non sembra ricreare il modello di Nvidia addestrando un'alternativa indipendente. Secondo quanto riportato, riconfeziona i parametri appresi di Nvidia e implementa il processo di inferenza tramite WebGPU.
I pesi del modello non sono un ingrediente secondario. Codificano i pattern appresi durante l'addestramento e determinano in larga misura l'output della rete. Riutilizzarli conserva la parte più difficile da riprodurre del sistema Nvidia, anche quando il codice di esecuzione è nuovo.
Ciò solleva potenziali questioni di licenza e proprietà intellettuale. La disponibilità pubblica di un file trapelato non stabilisce l'autorizzazione a ridistribuirne o distribuire i contenuti. I resoconti disponibili non identificano la posizione di Nvidia su questa specifica implementazione.
Il previsto rilascio del codice sarà il primo test importante. MAAN ha affermato che il codice sarebbe arrivato su GitHub durante il fine settimana successivo alla dimostrazione iniziale. Fino a quel momento, gli sviluppatori esterni non possono ispezionare completamente il modo in cui gli shader corrispondono al modello dichiarato.
Il codice sorgente aiuterebbe a rispondere a diverse domande tecniche. I revisori potrebbero identificare gli operatori utilizzati, confermare se l'elaborazione rimane locale, esaminare le scelte di precisione e verificare se l'output corrisponde all'implementazione ufficiale di Nvidia.
Chiarirebbe anche cosa significhi “DLSS 5 in un browser”. L'espressione potrebbe descrivere il modello neurale pubblicato completo, una ricostruzione parziale o una pipeline ispirata alla rete trapelata. Queste categorie sono sostanzialmente diverse.
I confronti indipendenti delle immagini conteranno più degli screenshot selezionati dallo sviluppatore. I tester necessitano di scene, posizioni della telecamera, input e impostazioni di output identici. Dovrebbero confrontare il risultato nel browser con DLSS 5 ufficiale ovunque sia possibile costruire una scena equivalente.
Anche il tempo di due secondi della demo richiede misurazioni più ampie. Un singolo test desktop RTX serie 40 non può rappresentare l'hardware Apple, AMD, Intel e Nvidia. Le prestazioni possono variare in base alla complessità del modello, alla risoluzione di output, al browser, al sistema operativo e alla compilazione degli shader.
Il caricamento iniziale merita un'analisi separata. Scaricare 147MB è significativo su connessioni limitate, ma è diverso dal tempo necessario per ogni rendering. La cache del browser potrebbe ridurre i costi di avvio successivi, mentre la pressione sulla memoria potrebbe comunque limitare i dispositivi di fascia più bassa.
La precisione rappresenta un'altra incognita. I modelli neurali utilizzano spesso formati a precisione ridotta per migliorare velocità ed efficienza della memoria. Il supporto WebGPU per particolari tipi di dati e operazioni dipende dalle capacità del browser e dell'hardware, che potrebbero imporre fallback più lenti.
Anche la coerenza dell'immagine può differire tra i sistemi. L'esecuzione nativa di Nvidia utilizza una combinazione nota di hardware e driver. Un'implementazione WebGPU passa attraverso i compilatori shader di più fornitori, producendo potenzialmente piccole differenze numeriche o problemi di compatibilità più gravi.
La sicurezza richiede attenzione perché la pagina accetta file 3D forniti dagli utenti. Un sandbox del browser riduce l'accesso dell'applicazione al sistema, ma i modelli caricati o selezionati localmente passano comunque attraverso codice di parsing e rendering. La revisione del codice sorgente può rivelare se le risorse rimangono locali o lasciano il dispositivo.
Gli utenti dovrebbero evitare di trattare la demo come uno strumento di produzione affidabile finché questo comportamento non sarà chiaro. Progetti di prodotti riservati, personaggi non pubblicati e piani architettonici sono file di prova inappropriati per una pagina non sottoposta ad audit.
La questione dei pesi trapelati può anche incidere sulla longevità del progetto. I provider di hosting o le piattaforme di codice possono rispondere a richieste legali valide. Anche se l'implementazione rimanesse online, futuri aggiornamenti dei modelli Nvidia potrebbero rendere obsoleta la versione trapelata.
Nessuna di queste preoccupazioni annulla la lezione ingegneristica. Reimplementare un grande carico di lavoro grafico neurale in WebGPU sarebbe comunque istruttivo. Tuttavia, limitano affermazioni più forti sulla disponibilità, la legittimità e l'equivalenza.
La conclusione corretta è più circoscritta. Secondo quanto riferito, la demo mostra che le operazioni del modello Nvidia possono essere espresse tramite calcolo portabile nel browser. Non ha ancora mostrato che il risultato sia concesso in licenza, completo, riproducibile indipendentemente o adatto all'uso in tempo reale.
Tre segnali decideranno se la demo conta davvero
L'importanza del progetto dipende ora dall'ispezione del codice, dai benchmark tra fornitori e da un caso d'uso credibile che tragga più vantaggio dalla portabilità che dalla velocità.
Il primo segnale è il promesso rilascio del codice sorgente. Un repository pubblico consentirebbe agli sviluppatori grafici di ispezionare gli shader di calcolo WebGPU e seguire la pipeline di elaborazione. Rivelerebbe inoltre se il pacchetto di pesi da 147MB sia incluso, scaricato separatamente o convertito prima dell'uso.
Un rilascio completo e riproducibile rafforzerebbe l'affermazione di portabilità. Gli sviluppatori indipendenti dovrebbero poter compilare il progetto, eseguire le stesse scene e ottenere output comparabili. Un rilascio parziale che ometta componenti essenziali del modello lascerebbe l'affermazione centrale dipendente dalla pagina ospitata da MAAN.
Lo stato legale del repository conterà insieme al suo contenuto tecnico. Una rimozione, un rilascio limitato o l'eliminazione dei pesi indebolirebbero il valore del progetto come implementazione riutilizzabile. Non cancellerebbero la dimostrazione, ma limiterebbero ulteriori verifiche.
Il secondo segnale è il benchmarking strutturato su hardware di diversi fornitori. I revisori dovrebbero misurare Apple Silicon, AMD Radeon, Intel Arc, grafica integrata e diverse generazioni RTX. Ogni test dovrebbe separare tempo di download, compilazione degli shader, primo rendering, rendering successivi, uso della memoria e risoluzione di output.
Queste misurazioni mostreranno se il risultato di due secondi sia un problema temporaneo di implementazione o un limite più profondo. Un forte aumento della velocità dopo l'ottimizzazione degli shader rafforzerebbe il caso del rendering neurale nel browser. Prestazioni piatte tra versioni ottimizzate spingerebbero il progetto verso le anteprime offline.
Le misurazioni della qualità dovrebbero accompagnare la velocità. Un porting rapido che perda dettagli dei materiali o modifichi la geometria non sarebbe equivalente al sistema previsto. Le immagini affiancate richiedono input coerenti e un'ispezione accurata per instabilità temporale, errori nelle texture e artefatti di illuminazione.
Il terzo segnale è l'adozione oltre le dimostrazioni di novità. Anteprime architettoniche, cataloghi di prodotti digitali, revisioni di personaggi e collaborazione 3D basata su browser tollerano più latenza dei giochi competitivi. Beneficiano inoltre dell'invio agli utenti di un link anziché richiedere un'installazione nativa.
Un'applicazione reale richiederebbe più di un filtro impressionante. Richiederebbe output ripetibile, diritti chiari sul modello, supporto prevedibile dei browser e gestione sicura delle risorse dei clienti. L'attuale demo browser Nvidia DLSS 5 non ha stabilito queste proprietà.
La risposta di Nvidia fornirà un contesto di supporto. L'azienda potrebbe ignorare l'esperimento, contestarne l'uso di risorse trapelate o ampliare l'accesso ufficiale a più hardware. Secondo il resoconto originale, Nvidia ha già dichiarato che il supporto per la serie RTX 40 è in arrivo, riducendo una delle ragioni per ricorrere a soluzioni non ufficiali.
La roadmap dell'azienda potrebbe anche rafforzare la specializzazione. Se le future versioni di DLSS dipenderanno maggiormente da operazioni specifiche dell'hardware, i porting nel browser potrebbero restare possibili ma diventare sempre più lenti. Se le architetture dei modelli diventeranno più facili da esprimere tramite shader comuni, gli esperimenti portabili dovrebbero migliorare.
Per gli sviluppatori, la lezione immediata non è sostituire DLSS nativo con WebGPU. È osservare il confine tra modelli AI proprietari e inferenza locale standardizzata. Il proprietario del modello controlla l'addestramento e la distribuzione ufficiale, mentre le API di calcolo portabile possono allentare il controllo su dove vengono eseguiti i carichi di lavoro esposti.
Per gli utenti, la demo offre una rara visione di quel confine. Secondo quanto riferito, un renderer neurale associato a una famiglia di GPU funziona tramite browser su diversi tipi di hardware. Tuttavia, l'esperienza sacrifica la velocità che rende DLSS utile all'interno di un gioco.
Questo compromesso rende il progetto degno di essere seguito senza sopravvalutarlo. Se il codice diventerà riproducibile, i benchmark miglioreranno e un flusso di lavoro legittimo non legato al gaming lo adotterà, l'esperimento indicherà la strada verso una grafica neurale indipendente dal fornitore. Se questi segnali non compariranno, resterà una dimostrazione ingegnosa costruita attorno a dati di modello trapelati.
Prova la demo browser Nvidia DLSS 5 soltanto con risorse non sensibili, annota i dettagli del browser e dell'hardware e confronta l'output anziché affidarti alla sola compatibilità. La domanda decisiva non è più se un'immagine elaborata possa apparire su un Mac. È se un'implementazione WebGPU aperta, lecita e ripetibile possa offrire una qualità utile prima che il tempo di attesa superi il vantaggio della sua maggiore diffusione.
