Nvidia DLSS 5のブラウザデモがRTXの枠を越えるも、レンダリングには数秒を要する
NvidiaのDLSS 5ブラウザデモは、同機能が公式にはRTXハードウェアとネイティブゲーム統合に依存しているにもかかわらず、147MBのニューラルモデルをWebGPUへ移植したと報じられている。開発者のMAANによれば、この実験はmacOSおよびNvidia以外のGPUでも動作する。ただし大きな制約がある。独立したテストでは、処理済み画像1枚あたりに1～2秒を要した。
この差こそが、互換性の主張以上にこのプロジェクトを特徴づけている。MAANはDLSS 5を実用的なブラウザゲーム機能へと変えたわけではない。開発者は、Nvidiaのニューラルレンダリングモデルを同社の通常のドライバー、SDK、ハードウェア経路から切り離したようだ。
したがってこの実験が圧力をかけるのは、Nvidiaのゲーム性能上の優位性ではなく、管理された展開モデルである。NvidiaはRTX 50シリーズのシステムおよびGeForce NOW向けに、NBA 2K27でDLSS 5を導入した。MAANの実装は、同じ視覚処理の一部を一般的なブラウザ向けグラフィックスAPI経由で公開したと報じられている。
結果は興味深い移植性テストだが、依然として大きな未解決事項がある。モデルウェイトは流出したライブラリ由来とされ、最初の報道時点ではソースコードは公開されておらず、出力はゲームプレイには遅すぎる。今後重要なのは、第三者による検証が実装を裏付け、画像あたり数秒でも許容される用途を見いだせるかどうかだ。
Nvidia DLSS 5ブラウザデモ、ニューラルレンダリングをNvidia公式経路の外へ移す
重要なのは、DLSS 5が突然ブラウザでゲームを動かすようになったことではない。Nvidiaが文書化したDLSS統合経路を使わずに、Nvidiaが訓練したレンダリングモデルが実行されていると報じられている点だ。
MAANは2026年9月16日にこのデモを投稿した。初期のブラウザデモ報道によれば、このページはCloudflare Workersを通じて動作し、「Cowboy Gramps」と呼ばれるシーンで開く。調整可能なコントロール、比較ビュー、ユーザー提供の3Dモデルへの対応を含む。
開発者はこのプロジェクトを、WebGPUコンピュートシェーダーを使用したDLSS 5ニューラルネットワークの再実装だと説明している。WebGPUは、最新のグラフィックス処理および汎用計算処理をデバイスのGPUへ送るブラウザAPIだ。コンピュートシェーダーは、三角形やピクセルを直接描画するのではなく、並列計算向けに設計されたGPUプログラムである。
この違いは重要だ。このページは、隠れたブラウザブリッジを通じてNvidiaの通常のDLSSランタイムを呼び出しているようには見えない。代わりに、ニューラルモデルの演算をブラウザ互換のGPUワークロードとして表現していると報じられている。
MAANによれば、ニューラルウェイトは約147MBを占める。圧縮されたJavaScriptランタイムは約1MB追加される。ウェイトにはニューラルネットワークが使用する学習済みパラメータが含まれ、ランタイムはそれらを適用するために必要な計算を構成する。
この規模はWebページとしては大きいが、ホスト型のインタラクティブ実験としては十分に小さい。初回ダウンロード後、ブラウザはWebGPUを通じてローカルGPUに処理を送れる。Cloudflareがアプリケーションをホストするが、入手可能な報道によればニューラル処理はデバイス側で実行される。
このデモは、ファイル選択またはドラッグアンドドロップを通じて一般的な3Dモデル形式を受け付けるとされる。この機能により、ページは固定動画や用意済みスクリーンショットの集まり以上のものになる。ユーザーはモデルが自分のアセットをどう扱うかを試せるが、プロジェクトのセキュリティおよびプライバシー上の挙動については、依然としてソースコードレベルの検証が必要だ。
インターフェースは通常のモデル移動とニューラル処理も分離している。RTX 40シリーズのデスクトップで行われたあるテストでは、3Dビューアの回転は滑らかに保たれた。一方、特にライブモードでは、画像にDLSS 5処理を適用するのに1～2秒を要した。
この時間は、正確に説明するうえで中心的な要素だ。2秒のレンダリングは、処理済みフレーム換算で毎秒0.5フレームに相当する。リアルタイムゲームは通常、毎秒数十フレームを目標とし、各フレームに割り当てられる処理時間はわずか数ミリ秒だ。
したがって、このデモはNBA 2K27体験全体のブラウザ移植版ではない。ニューラルコンポーネントのポータブルな実行テストとして理解するほうが適切だ。周辺のゲームエンジン、モーションデータ、レイテンシー制御、フレーム生成パイプラインは別の問題である。
MAANは、このページがmacOSでも動作すると述べている。WebGPU実装はブラウザのワークロードをAppleのMetalグラフィックスシステムへ変換できるため、APIレベルではこの主張はもっともらしい。ただし、すべてのMacおよびブラウザで同等の速度、画質、数値的挙動が得られることを示すものではない。
同じ注意はNvidia以外のGPUにも当てはまる。WebGPUはハードウェアベンダーをまたいで動作するよう設計されているが、個々のデバイスは異なる制限と性能特性を持つ。ワークロードを実行できることと、それを効率的に実行できることは同義ではない。
それでも、この基本的な出来事は実際の緊張関係を生む。NvidiaはDLSS 5を高度に統合されたRTXゲーム機能として提示している。一方、MAANの実装は、そのニューラルネットワークを標準的なWebグラフィックス層上で再構築可能なポータブル計算グラフとして扱っていると報じられている。
WebGPUがハードウェア境界を変える理由
WebGPUはNvidia独自の実行経路を共通のブラウザ層へ置き換え、専門的な最適化を移植性と引き換えにする。
Nvidiaは通常、ゲーム開発者にDLSSへ接続するための確立された経路を2つ提供している。開発者は同社のNGX統合を利用するか、ゲームとレンダリングAPIの間に位置するフレームワークであるStreamlineを採用できる。
NvidiaはStreamline integrationを、複数のハードウェアベンダーのグラフィックス技術向けプラグインベース層として説明している。開発者はモーションベクトルや深度バッファなどのリソースにタグ付けし、要求する機能をレンダリングパイプライン内に配置する。
この経路により、Nvidiaは互換性をかなり管理できる。ドライバーは対応ハードウェアを識別でき、プラグインは必要な入力を検証でき、同社はモデルの挙動を更新できる。ゲーム開発者は、確立されたネイティブグラフィックスAPIを中心とする統合契約も得られる。
ブラウザはこの構成のすべてを変える。JavaScriptは独自のグラフィックスDLLを自由にロードしたり、任意のネイティブドライバー呼び出しを発行したりできない。ブラウザアプリケーションはサンドボックス内で動作し、そのアクセスは標準化されたインターフェースを介して仲介される。
WebGPUは不足していたコンピュート層を提供する。そのシェーディング言語であるWGSLにより、アプリケーションはブラウザが基盤システム向けにコンパイルするプログラムを定義できる。現行のWGSL specificationには、並列GPUワークグループ全体でバッファや画像を処理できるコンピュートパイプラインが含まれる。
実用面では、開発者はニューラルネットワークの演算をコンピュートシェーダーへ変換できる。行列計算、畳み込み、サンプリングパス、画像変換は、ブラウザが公開する互換GPU上で実行できるようになる。
この変換はNvidiaのソフトウェアスタック全体を保持するものではない。スタックを、選択した計算の新しい実装に置き換える。Tensor Cores、独自命令、ドライバーのスケジューリング、Nvidiaのランタイムに結び付く最適化は、別の形で再現するか、放棄しなければならない。
これは速度差の説明にもなる。Nvidiaの公式版は、この機能を中心に設計されたドライバーとアプリケーションを備えたRTX 50シリーズハードウェア上で動作する。MAANの版は、互換性を優先するポータブルなブラウザ抽象化を通じて実行されると報じられている。
Nvidiaによれば、DLSS 5は3Dガイド付きニューラルレンダリングを使用して、照明とマテリアルの見え方を改善する。低解像度フレームを単に拡大するのではなく、シーン情報を利用して、表面、肌、髪、影、光の見え方を変える。
最初の公式ショーケースはバスケットボール選手に焦点を当てている。Nvidiaは、このモデルが耳を通過する表面下散乱光、顔の毛の照明、肌のマテリアル、接触影を改善するとしている。同社のDLSS 5 launchは、これらの効果をNBA 2K27のネイティブレンダラー内に位置付けている。
ブラウザデモはより限定的な設定を使う。ユーザーはモデルをロードまたは選択し、表示コントロールを変更して、ニューラル処理の結果を待つ。このワークロードは、完全なゲームシミュレーションをインタラクティブなフレームレートで維持する必要がない。
この違いは、非ゲーム用途への可能性を生む。製品デザイナーは、単一アセットのプレビューであれば短い遅延を許容するかもしれない。建築家は、提示前に静止ビューを処理するかもしれない。アーティストは、対応ゲームをインストールせずに別のマテリアル処理を比較できるかもしれない。
これらの可能性は、検証済みの製品ではなく仮説にとどまる。入手可能なテストは、プロフェッショナル向けアセット全般での精度、予測可能なレンダリング時間、大規模シーンへの安定した対応を示していない。これは、レイテンシー要件が実験の価値を左右する理由を示すにすぎない。
WebGPUは、すべてのマシンを同等にすることなくアクセス範囲を広げる。GPU for the Webプロジェクトは、compatibility guidanceで異なる最小OSおよびハードウェアの組み合わせを列挙している。ブラウザはさらに厳しい要件を課したり、信頼性の低いドライバーを持つデバイスを無効化したりできる。
したがって、「macOSで動作する」は「すべてのMacで動作する」と解釈すべきではない。ブラウザのバージョン、OS、GPU世代、メモリ、機能上の制限はすべて実行に影響し得る。
同じ問題はWindowsとLinuxにも見られる。互換ブラウザはAMD、Intel、NvidiaのハードウェアでWebGPUを公開するかもしれないが、同一のシェーダーでも各ベンダーのコンパイラとドライバーでは異なる経路をたどる可能性がある。
この変動性は、抽象化スタックを上へ移動する代償だ。Nvidiaの公式経路は、狭いながらも最適化されたターゲットを提供する。WebGPUは、下層ハードウェアについての前提を少なくした、より広いターゲットを提供する。
移植性が問うのはNvidiaのゲートであり、性能ではない
主な競争軸は管理された展開とポータブルな実行であり、決定的な性能優位は依然としてNvidiaが握っている。
Nvidiaの公式DLSS 5リリースは、限定されたハードウェアとソフトウェアの組み合わせから始まった。NBA 2K27はGeForce RTX 50シリーズのPCおよびノートPCでこの機能をサポートする。GeForce NOW Ultimateの会員も、Nvidiaが運用するRTX 5080クラスのクラウドシステムを通じてアクセスできる。
同社は対応ゲーム、適切なドライバー、互換ハードウェアを要求する。このモデルは、Nvidiaが学習済みモデルを独自ランタイムコンポーネントおよびRTX固有のアクセラレーションと組み合わせてきた、従来のDLSS展開に似ている。
MAANのアプローチは、これらのゲートをいくつか取り除くと報じられている。NBA 2K27、ネイティブWindowsアプリケーション、Nvidia GPUを必要としない。その代わり、ブラウザとそれが公開するGPUがニューラルワークロードの再構築を実行できるかを問う。
これはNvidiaの貢献を消し去るものではない。モデルは依然としてNvidia由来であり、有用な挙動はNvidiaの学習作業によるものだ。その計算をWebGPUへ移植できたとしても、モデル開発を独自に代替するのではなく、推論の移植性を示すことになる。
また、公式ハードウェア制限を無意味にするものでもない。Nvidiaは、特定のレイテンシー、品質目標、サポート体制を備えた体験を販売している。ブラウザページが現時点で提供するのは、同等のサービス保証を持たない実験だ。
性能差は非常に大きい。Nvidiaによれば、RTX 5090はDLSSスイート全体とレイトレーシングを使用したNBA 2K27の4K環境で、最大370フレーム/秒に達する。この数値は特定のシステム、プリセット、DLSS技術群を反映しているため、単独のブラウザ処理パスと直接比較すべきではない。
この条件を加えても、出力1回あたり数秒ではインタラクティブなゲームには使えない。毎秒60フレームでは、1フレームに許される総処理時間は約16.7ミリ秒だ。1秒のニューラル処理は、他のゲーム処理が始まる前にその予算をおよそ60回分消費することになる。
このデモが示すのは、むしろ別種のプレッシャーだ。重みと演算が利用可能になった後も、ニューラルグラフィックスモデルへのアクセスはベンダーが意図した提供手段に縛られ続ける必要があるのか、という問いを投げかけている。
同様の疑問は、すでにブラウザベースの人工知能を取り巻いている。開発者は日常的に、WebGPUを介して言語、視覚、画像モデルをローカルで実行している。その魅力は、サーバーとの往復を避け、データの一部を端末上に保持し、1つのアプリケーションで複数のOSに対応できる点にある。
グラフィックスモデルには、より厳しい時間要件がある。テキストモデルはトークンを段階的に生成しても有用であり続けられる。画像ツールも、生成に数秒かかっても実用性を保てる。だがゲームは、レンダリングがフレーム予算を桁違いに超過すると快適さを失う。
そのためDLSS 5は、ブラウザコンピューティングにとって特に要求の厳しいテストとなる。この移植版が最終的にインタラクティブな速度に近づけば、WebGPUがベンダーをまたいで高度なレンダリングモデルをホストできることを示すだろう。低速のままであっても、オフラインプレビューや技術分析には利用できる可能性がある。
このデモは、Nvidiaに直ちに競争上の脅威をもたらすものではない。ゲームスタジオは、リークされた重みに基づく非公式ページで、サポート対象のDLSS統合を置き換えることはできない。予測可能な性能、ライセンスの明確性、品質保証、そしてエンジンデータへのアクセスが必要になる。
ただしこのプロジェクトは、ニューラルモデルの実行には本質的にRTX GPUが必要だという単純な前提を弱める。公式製品にはRTXハードウェアが必要かもしれないが、再構築されたネットワークは、速度とサポート面の制約を緩めれば、別の環境でも実行できるように見える。
この違いは、将来のニューラルレンダリングシステムを評価する開発者にとって重要だ。モデルは理論上ポータブルであっても、本番環境では特定ハードウェアに依存し得る。レイテンシーが重要な場面では専用アクセラレータが優位に立ち、到達範囲が重要な場面では共通APIが優位となる。
したがってNvidiaの優位性は、排他性から最適化へと移る。同社のハードウェア、ドライバー、開発ツール、モデルへの直接アクセスにより、公式ルートは引き続き高速である可能性が高い。このブラウザ実験は、その優位性のどれほどが絶対的な互換性障壁ではなく、実行エンジニアリングに由来するのかを検証している。
リークされた重みと欠けたコードが最大の疑問を残す
このデモは技術的には示唆に富むものの、その出所と検証上の空白により、独立したDLSS互換性の明確な証明とは言えない。
報道によると、MAANはこのプロジェクトがリークされたDLSS 5ライブラリから抽出した重みを使用していると述べた。開発者は、そのライブラリが公式リリース版と異なるかどうかは不明だとも語っている。
この開示により、この成果の性質は変わる。このプロジェクトは、独立した代替モデルを学習してNvidiaのモデルを再現したものではないようだ。報道によれば、Nvidiaの学習済みパラメータを再利用し、WebGPUを通じて推論プロセスを実装している。
モデルの重みは些細な要素ではない。重みには学習で得たパターンが符号化され、ネットワークの出力を大きく決定する。実行コードが新しくても、それを再利用すればNvidiaのシステムで最も再現が難しい部分を保持することになる。
これは、ライセンスおよび知的財産に関する問題を生じさせる可能性がある。リークファイルが公開されていることは、その内容を再配布または展開する許可を裏付けるものではない。入手可能な報道では、この特定の実装に対するNvidiaの立場は明らかにされていない。
予定されているソース公開が、最初の重要な検証となる。MAANは、最初のデモ公開後の週末にコードをGitHubへ公開すると述べた。それまでは、外部の開発者はシェーダーが主張されるモデルにどう対応しているのかを十分に検証できない。
ソースコードがあれば、いくつかの技術的な疑問への回答につながる。レビュー担当者は使用される演算子を特定し、処理がローカルに留まるかを確認し、精度の選択を調べ、出力がNvidiaの公式実装と一致するかをテストできる。
また、「ブラウザ上のDLSS 5」が何を意味するのかも明確になる。この表現は、公開済みニューラルモデル全体、部分的な再構築、あるいはリークされたネットワークに着想を得たパイプラインを指す可能性がある。これらの区分には実質的な違いがある。
開発者が選んだスクリーンショットよりも、独立した画像比較の方が重要になる。テスターには、同一のシーン、カメラ位置、入力、出力設定が必要だ。同等のシーンを構築できる場合は、ブラウザの結果を公式DLSS 5と比較すべきである。
デモの2秒という時間も、より広範な測定が必要だ。RTX 40シリーズのデスクトップ1台でのテストだけでは、Apple、AMD、Intel、Nvidiaのハードウェアを代表できない。性能は、モデルの複雑さ、出力解像度、ブラウザ、OS、シェーダーコンパイルによって変動する可能性がある。
初期ロードには別途分析が必要である。147MBのダウンロードは制約のある回線では重要な負担だが、各レンダーに必要な時間とは別物だ。ブラウザキャッシュにより後続の起動コストは下がる可能性がある一方、メモリ圧迫は低価格帯デバイスの制約になり得る。
精度も別の未知数である。ニューラルモデルは、速度とメモリ効率を改善するために低精度形式を使うことが多い。特定のデータ型と演算に対するWebGPUのサポートはブラウザとハードウェアの能力に依存し、より遅いフォールバックを強いられる可能性がある。
画像の一貫性もシステムごとに異なる可能性がある。ネイティブのNvidia実行は、既知のハードウェアとドライバーの組み合わせを使用する。WebGPU実装は複数ベンダーのシェーダーコンパイラを経由するため、小さな数値差や、より大きな互換性の失敗を生む可能性がある。
このページはユーザー提供の3Dファイルを受け付けるため、セキュリティにも精査が必要だ。ブラウザのサンドボックスはアプリケーションのシステムアクセスを抑えるが、アップロードまたはローカル選択されたモデルは依然として解析・レンダリングコードを通過する。ソースレビューにより、アセットがローカルに留まるのか、端末外へ送信されるのかを確認できる。
その挙動が明らかになるまで、ユーザーはこのデモを信頼できる本番ツールとして扱うべきではない。機密性の高い製品デザイン、未公開キャラクター、建築計画は、監査されていないページのテストファイルとしては不適切だ。
リークされた重みの問題は、プロジェクトの持続性にも影響し得る。ホスティング事業者やコードプラットフォームは、有効な法的要求に応じる可能性がある。実装がオンラインに残ったとしても、将来のNvidiaモデル更新によってリーク版が陳腐化する可能性がある。
これらの懸念は、エンジニアリング上の教訓を無効にするものではない。大規模なニューラルグラフィックス処理をWebGPUで再実装できれば、それ自体が依然として有益な知見になる。しかし、可用性、正当性、同等性についてより強い主張をするうえでは制約となる。
適切な結論は、より限定的だ。このデモは報道によれば、Nvidiaモデルの演算をポータブルなブラウザコンピューティングで表現できることを示している。だが、その結果がライセンス済みで、完全で、独立して再現可能であり、リアルタイム利用に適していることは、まだ示されていない。
デモの意義を決める3つのシグナル
このプロジェクトの重要性は、今後、コード検証、ベンダー横断ベンチマーク、そして速度よりポータビリティの恩恵が大きい信頼できる用途にかかっている。
第1のシグナルは、約束されたソース公開である。公開リポジトリがあれば、グラフィックス開発者はWebGPUコンピュートシェーダーを確認し、処理パイプラインを追跡できる。また、147MBの重みパッケージが含まれるのか、別途ダウンロードされるのか、使用前に変換されるのかも明らかになる。
完全で再現可能な公開は、ポータビリティの主張を強化する。独立した開発者がプロジェクトをビルドし、同じシーンを実行し、比較可能な出力を得られるべきだ。重要なモデルコンポーネントを省いた部分公開では、中核的な主張はMAANのホストページに依存したままとなる。
リポジトリの法的地位は、技術的内容と並んで重要になる。削除要請、公開制限、重みの削除は、再利用可能な実装としてのプロジェクト価値を弱める。デモ自体を消し去るわけではないが、さらなる検証を制限することになる。
第2のシグナルは、ハードウェアベンダー横断の構造化されたベンチマークだ。レビュー担当者はApple Silicon、AMD Radeon、Intel Arc、統合グラフィックス、複数世代のRTXを測定すべきである。各テストでは、ダウンロード時間、シェーダーコンパイル、初回レンダー、後続レンダー、メモリ使用量、出力解像度を分離すべきだ。
これらの測定により、2秒という結果が一時的な実装上の問題なのか、それともより深い制約なのかが分かる。シェーダー調整後に大幅な高速化が見られれば、ブラウザベースのニューラルレンダリングを支持する根拠が強まる。最適化版でも性能が横ばいなら、プロジェクトはオフラインプレビューへと位置付けられるだろう。
速度には品質測定を伴わせるべきだ。マテリアルの細部を失ったり、ジオメトリを変えたりする高速移植版は、意図されたシステムと同等ではない。並列比較画像には一貫した入力が必要であり、時間的な不安定性、テクスチャエラー、ライティングのアーティファクトを綿密に調べる必要がある。
第3のシグナルは、目新しさを示すデモ以外での採用だ。建築プレビュー、デジタル製品カタログ、キャラクターレビュー、ブラウザベースの3Dコラボレーションはいずれも、対戦ゲームより大きなレイテンシーを許容できる。また、ネイティブアプリのインストールを求める代わりにリンクを送るという利点もある。
実際のアプリケーションには、印象的なフィルター以上のものが必要だ。再現可能な出力、モデルに対する明確な権利、予測可能なブラウザサポート、顧客アセットの安全な取り扱いが求められる。現在のNvidia DLSS 5ブラウザデモは、こうした特性を確立していない。
Nvidiaの対応も補足的な文脈をもたらす。同社はこの実験を無視する可能性も、リークされたアセットの使用に異議を唱える可能性も、公式アクセスをより多くのハードウェアへ拡大する可能性もある。元の報道によれば、NvidiaはすでにRTX 40シリーズ対応が予定されていると述べており、非公式な回避策が必要とされる理由の1つを狭めている。
同社自身のロードマップも、専門化をさらに強める可能性がある。将来のDLSSリリースがハードウェア固有の演算により強く依存するなら、ブラウザ移植は可能であり続けても、ますます低速になるかもしれない。モデルアーキテクチャが共通シェーダーで表現しやすくなれば、ポータブルな実験は改善するはずだ。
開発者にとって当面の教訓は、ネイティブDLSSをWebGPUに置き換えることではない。注視すべきなのは、プロプライエタリなAIモデルと標準化されたローカル推論の境界である。モデル所有者は学習と公式配布を管理する一方、ポータブルなコンピュートAPIは、公開されたワークロードがどこで実行されるかに対する支配を緩め得る。
ユーザーにとって、このデモはその境界を珍しく可視化するものだ。あるGPUファミリーに関連付けられたニューラルレンダラーが、報道によれば複数種類のハードウェア上でブラウザを通じて動作している。しかしその体験は、DLSSをゲーム内で有用にしている速度を犠牲にしている。
このトレードオフにより、プロジェクトは過大評価せずに追う価値がある。コードが再現可能になり、ベンチマークが改善し、正当な非ゲーム用途で採用されれば、この実験はベンダー中立のニューラルグラフィックスを示唆するものとなる。これらのシグナルが現れなければ、リークされたモデルデータを中心に構築された巧妙なデモであり続けるだろう。
Nvidia DLSS 5ブラウザデモを試す際は、機密性のないアセットだけを使い、ブラウザとハードウェアの詳細を記録し、互換性だけに頼らず出力を比較してほしい。決定的な問いは、Mac上で1枚の処理済み画像を表示できるかどうかではもはやない。オープンで合法的かつ再現可能なWebGPU実装が、待ち時間がその広い到達範囲の価値を上回る前に、有用な品質を提供できるかどうかである。
