ИИ-код и архитектура XMX
Проект dlss-nr-on-intel представляет собой независимую реализацию 71-блочной нейронной сети DLSS 5 Neural Rendering. Ключевая особенность — код написан практически полностью искусственным интеллектом. Разработчик использовал Claude Opus 5 и OpenAI's Astra, предоставляя им только железо, бинарные файлы и общие направления. Автор признает, что не может объяснить каждую строку кода, так как ИИ-агенты иногда «галлюцинировали», создавая баги драйверов, которые влияли на три фазы разработки.
Технические ограничения и производительность
На данный момент порт работает только в среде Linux и требует от пользователя самостоятельного предоставления DLL-файла NVIDIA. Проект позиционируется как исследовательский (research port), а не коммерческий продукт. Реальная производительность на интегрированной графике Intel Arc 140V (платформа Lunar Lake) крайне низкая, что делает технологию пригодной лишь для статичных сцен или «фоторежима».
| Параметр | Значение / Описание |
|---|---|
| Платформа | Intel Lunar Lake (Arc 140V iGPU) |
| ОС | Linux (Vulkan API) |
| Тестовые игры | Tekken 7, Dead or Alive 5 Last Round, Mortal Kombat 1 |
| Разрешение (тест) | 640x360 |
| Частота кадров | ~10 FPS |
| Качество кадров | «Абсолютно ужасные» frametimes |
Контекст: гонка совместимости DLSS 5
Этот инцидент вписывается в общую картину быстрого распространения технологий NVIDIA. В последние недели DLSS 5 уже была портирована на видеокарты серии RTX 30, чипы AMD RDNA 4 и даже запущена в веб-браузерах. Использование ИИ для обхода аппаратных ограничений и портирования проприетарного кода на конкурентное железо (Intel) демонстрирует, как быстро инструменты генерации кода меняют ландшафт разработки драйверов и моддинга.
Что это значит для пользователей?
Хотя технически это впечатляющий подвиг, показывающий мощь XMX-модулей Intel, для обычных геймеров это не несет практической пользы. Низкий FPS и нестабильность делают технологию непригодной для реального гейминга на интегрированной графике. Однако проект важен как демонстрация того, что ИИ-агенты способны справляться с сложнейшими задачами низкоуровневого программирования, даже если результат требует ручной доработки и проверки.
Источник: TechPowerUp ↗