Un análisis de los modelos DLSS extraídos de Nintendo Switch 2 apunta a que la consola incluye dos preajustes propios, H e I, preparados para procesar menos información que otros modelos de la misma familia. El hallazgo procede del desarrollador Eren Doğan y todavía no demuestra que esos preajustes se utilicen en juegos comerciales.
DLSS es la tecnología de NVIDIA que emplea inteligencia artificial para escalar la imagen de los juegos. Doğan sostiene que H e I son modelos de redes neuronales convolucionales, o CNN, del mismo tamaño que otros modelos DLSS, pero que trabajan con una cuadrícula de características cuatro veces menor. Ese dato sugiere una menor carga de cálculo para la consola; no significa que los juegos vayan a funcionar cuatro veces más rápido.
La identificación de H e I resulta llamativa porque la documentación pública de NVIDIA para DLSS en ordenadores los clasifica como reservados: en esa versión vuelven al comportamiento predeterminado. El análisis atribuye a los archivos de Switch 2 un comportamiento diferente y relaciona provisionalmente ambos preajustes con una implementación ligera de DLSS descrita anteriormente. Esa relación sigue siendo una hipótesis, sin una prueba directa que confirme que se trata de la misma implementación.
Qué más aparece en los archivos
El conjunto examinado también incluiría pesos equivalentes a los modelos de ordenador hasta el primer modelo de la familia transformer de DLSS 4, pero no los modelos de DLSS 4.5. Doğan asigna el preajuste E a los modos Calidad, Equilibrado y Rendimiento; el F a DLAA y Rendimiento Ultra; y el K, de la familia transformer, a Calidad Ultra. Son correspondencias observadas en los archivos, no una verificación de los ajustes que emplea cada juego ni un anuncio de nuevos modos seleccionables por el jugador.
NVIDIA ya había confirmado que Switch 2 admite DLSS mediante sus núcleos Tensor. Esa confirmación establece que la consola dispone de la tecnología, mientras que los detalles sobre H e I dependen del análisis de los modelos extraídos.







