Qué es DLSS 5 de NVIDIA y cómo usarlo en tus juegos de PC

Informatec Digital » Recursos » Qué es DLSS 5 de NVIDIA y cómo usarlo en tus juegos de PC

DLSS 5 de NVIDIA se ha convertido en el gran tema de conversación entre jugadores de PC, desarrolladores y aficionados al hardware. No es simplemente “otra versión más” de DLSS, sino una apuesta muy seria por cambiar cómo se generan los gráficos en tiempo real, apoyándose de lleno en modelos de inteligencia artificial entrenados por la propia compañía. El ruido que ha generado no es casual: para algunos supone el salto más bestia desde la llegada del trazado de rayos en tiempo real; para otros, el principio de una era de gráficos cada vez más homogéneos y “pasados por el mismo filtro de IA”.

A la vez que crece el hype, se han disparado las dudas: qué es exactamente DLSS 5, cómo funciona, qué necesitas para usarlo, en qué juegos estará disponible o qué implicaciones tiene a nivel artístico y de rendimiento. En las próximas líneas vas a encontrar una guía muy completa, hilando toda la información que NVIDIA ha hecho pública, lo que han explicado medios especializados y las primeras reacciones de la comunidad, pero contada con otras palabras y con un tono lo más claro y directo posible.

Qué es DLSS 5 de NVIDIA y por qué se habla tanto de esta versión

DLSS viene de Deep Learning Super Sampling, o supermuestreo por aprendizaje profundo. Hasta ahora lo habíamos asociado sobre todo a tres cosas: reescalado de imagen para subir resolución sin perder rendimiento, antialiasing avanzado para limpiar bordes y artefactos, y generación de fotogramas para aumentar los FPS creando frames intermedios mediante IA. DLSS 5 rompe parcialmente con esa idea porque ya no se presenta como un simple sistema de reescalado, sino como un modelo de renderizado neuronal 3D en tiempo real.

En la práctica, esto significa que DLSS 5 trabaja directamente sobre los fotogramas que genera el juego, utilizando la información de color y los vectores de movimiento de cada frame para reconstruir y enriquecer la escena. No se limita a estirar la resolución; su objetivo es inyectar materiales más ricos y una iluminación mucho más compleja y fotorrealista, pero sin tocar la geometría ni alterar la jugabilidad. El mundo 3D base sigue siendo el que han diseñado los desarrolladores, pero la “capa final” de cómo se ve puede cambiar de forma muy notable.

NVIDIA describe DLSS 5 como el mayor avance en gráficos por ordenador para la compañía desde el estreno del ray tracing en tiempo real en 2018. De hecho, el propio Jensen Huang, CEO de la firma, lo definió en su presentación como “el momento GPT de los gráficos”, insinuando que este modelo supone para los gráficos lo que los grandes modelos de lenguaje han supuesto para el texto y el contenido generativo.

Conviene aclarar que DLSS 5 no es una simple evolución incremental de DLSS Super Resolution. Se trata de un bloque nuevo dentro del pipeline de renderizado, que se ejecuta al final del proceso gráfico y que está pensado para convivir con las demás tecnologías de la familia DLSS (reescalado, generación de frames, reconstrucción de rayos, etc.) en lugar de sustituirlas.

Cómo funciona DLSS 5: el modelo de renderizado neuronal paso a paso

Para entender mejor qué hace DLSS 5 hay que mirar cómo trabaja por dentro. Esta tecnología se apoya en redes neuronales que NVIDIA ha entrenado masivamente usando gran cantidad de datos de imagen y de información 3D de juegos. Es la culminación de una evolución que arrancó con el primer DLSS en 2019 y que ha ido refinando las arquitecturas de red, pasando por variantes que usan esquemas de auto-codificación (autoencoders) para generar representaciones intermedias muy ricas del contenido visual.

En esencia, el modelo recibe como entrada para cada fotograma los valores de color (RGB) de los píxeles y un conjunto de datos “semánticos” sobre lo que está ocurriendo en la escena: vectores de movimiento, profundidad, fuentes de luz, materiales, etc. A partir de ahí, la red neuronal genera una representación interna de alta dimensión del frame completo, una especie de mapa intermedio que condensa la información visual y contextual.

Desde esa representación intermedia, el sistema es capaz de producir una salida de imagen mucho más detallada. Un solo píxel “crudo” de la imagen base puede llegar a extrapolarse en una cuadrícula de 8×8, es decir, en 64 píxeles nuevos, con más información de luz, textura y microdetalles. El modelo no se limita a inventar píxeles aislados: tiene en cuenta el vecindario de cada píxel, fotogramas anteriores y las tendencias aprendidas en todo el entrenamiento, de modo que el resultado sea coherente en el tiempo y no “parpadee” ni se rompa al mover la cámara.

Esta idea de que cada píxel original se transforma en un conjunto mucho más rico de información es la que hace que DLSS 5 se perciba como algo más parecido a un filtro global fotorrealista aplicado al juego, y no simplemente como un sistema de reescalado. De ahí que muchos jugadores hablen de que “redibuja” el juego, y que haya quien lo asocie a la idea de AI slop, es decir, contenido visual pasado por una capa de IA que uniformiza todo.

Qué mejora DLSS 5 en la calidad gráfica: iluminación, materiales y estabilidad

Uno de los grandes argumentos de NVIDIA es que DLSS 5 permite acercar los juegos al fotorrealismo sin disparar la carga de geometría ni el coste de ray tracing. En lugar de aumentar brutalmente el número de polígonos o el recuento de rayos, delega parte del trabajo en la inteligencia artificial para reconstruir cómo debería verse la escena.

Entre las ventajas más destacadas están la iluminación de estilo cinematográfico. El modelo puede recrear efectos muy caros de calcular con técnicas tradicionales, como la iluminación de contorno, la dispersión subsuperficial (clave para que la piel se vea más natural), reflejos complejos y sombras de contacto mucho más convincentes. Todo se calcula a partir de los datos originales del juego y de lo que la red ha aprendido sobre el comportamiento de la luz en distintos materiales.

Otra mejora importante es la profundidad y riqueza de los materiales. DLSS 5 refina propiedades PBR como la rugosidad, el brillo, la translucidez o la microestructura de la superficie, haciendo que metales, tejidos, plásticos y elementos orgánicos se perciban con más realismo. También tiene especial impacto en elementos de geometría fina como el cabello, los ojos o pequeños detalles de la ropa, que tradicionalmente son difíciles de representar de forma creíble en tiempo real.

A nivel de estabilidad visual, DLSS 5 pone el foco en la consistencia temporal. Al trabajar con información de movimiento y color de fotograma a fotograma, el sistema intenta evitar el clásico “flickering” o las inconsistencias de iluminación al mover la cámara. El objetivo es que la imagen mantenga una apariencia estable incluso en escenas con mucho movimiento, partículas o cambios rápidos en la iluminación.

Todo esto se combina con la promesa de funcionar en tiempo real a resoluciones de hasta 4K, manteniendo la jugabilidad fluida. Obviamente, el coste computacional existe y no es trivial, pero la idea es que el impacto se compense en gran parte aprovechando los núcleos especializados (Tensor y shaders neurales) y apoyándose en el resto de tecnologías DLSS del pipeline.

Objetivos de DLSS 5 y relación con el trazado de rayos y de trayectorias

NVIDIA resume la misión de DLSS 5 en dos grandes metas: por un lado, abrir camino al renderizado neural aplicado a los videojuegos, es decir, llevar al terreno práctico la idea de que la IA forme parte central del proceso de generación de gráficos en tiempo real; por otro, acercar a los jugadores un nivel visual muy próximo al cine de efectos especiales sin tener que esperar a varias generaciones más de GPUs basadas únicamente en potencia bruta.

Es importante dejar claro que DLSS 5 no sustituye al trazado de rayos ni al trazado de trayectorias. Son tecnologías distintas que persiguen objetivos complementarios. El path tracing se centra en simular de forma físicamente más precisa cómo se comporta la luz en la escena, tanto en iluminación directa como indirecta, reflejos, sombras y oclusión. El problema es que aumentar mucho el número de rayos necesarios para un resultado perfecto es carísimo a nivel de rendimiento.

DLSS 5, en cambio, utiliza renderizado neural para “rellenar” esa parte de complejidad visual que sería prohibitivamente cara de lograr únicamente con ray tracing clásico. Genera iluminación y materiales fotorrealistas a partir de los datos 3D y de los rayos que sí se llegan a trazar, de forma que el resultado se parezca al de lanzar muchísimos más rayos de los que realmente se están calculando. En palabras llanas, hace de “multiplicador visual” para que el hardware llegue más lejos de lo que podría solo.

Por eso NVIDIA plantea que DLSS 5 y el trazado de rayos vayan de la mano. El ray tracing aporta una base físicamente coherente, mientras que el modelo neuronal se encarga de refinar y embellecer la imagen, compensando los límites prácticos de rendimiento que tienen las GPU incluso más potentes.

Cómo se integra DLSS 5 con DLSS Super Resolution, Frame Generation y Ray Reconstruction

DLSS 5 no llega solo. NVIDIA ya ha confirmado que esta tecnología es compatible con el resto de componentes de la familia DLSS, aunque cada uno se ejecute en un momento distinto del pipeline. Entender ese orden ayuda a ver por qué el resultado final depende tanto de cómo se combinen.

El proceso arrancaría con DLSS Super Resolution, que se encarga de reescalar y reconstruir la imagen a partir de una resolución más baja. La IA genera los píxeles que el juego no ha renderizado de forma nativa, apoyándose en información de vectores de movimiento y fotogramas anteriores. Este paso se calcula antes de que entre en juego DLSS 5, así que la calidad del modo seleccionado (Calidad, Equilibrado, Rendimiento, etc.) y el modelo concreto usado influyen directamente en lo que después va a “ver” el modelo de renderizado neuronal.

En paralelo a Super Resolution también puede activarse Ray Reconstruction, una tecnología que sustituye algoritmos de reducción de ruido clásicos por un modelo de IA entrenado específicamente para reconstruir rayos de forma más limpia. Esta parte también se ejecuta antes de DLSS 5 y ayuda a que la base sobre la que se aplica el renderizado neuronal tenga menos ruido y artefactos, mejorando la nitidez y la credibilidad de la iluminación generada.

Después entra en escena Frame Generation o Multiframe Generation, capaz de generar hasta cinco fotogramas mediante IA por cada fotograma renderizado de forma tradicional. Esta fase se coloca detrás de Super Resolution y Ray Reconstruction, y está pensada para multiplicar la sensación de fluidez perceptible por el jugador sin que la GPU tenga que dibujar todos esos frames extra.

Una vez completados esos pasos, llega el turno de DLSS 5, que se ejecuta en el último tramo del pipeline de renderizado, después incluso de la generación de fotogramas. En la práctica esto significa que NVIDIA introduce aquí un nuevo bloque que depende de los resultados de las tecnologías anteriores: cuanto mejor sea la base que recibe (reescalado, reducción de ruido, consistencia de movimiento), más calidad puede ofrecer la salida final del modelo neuronal.

Control creativo: cómo mantiene DLSS 5 la intención artística original

Uno de los puntos que más preocupan a artistas y jugadores es si DLSS 5 desvirtúa la estética que el estudio había diseñado. NVIDIA intenta mitigar ese temor insistiendo en que la tecnología es muy controlable y que son los desarrolladores quienes deciden cómo y dónde se aplica.

Los creadores de un juego pueden ajustar parámetros como la intensidad del efecto, las correcciones de color, la mezcla de tonos, la saturación, el contraste o el brillo. También pueden definir con precisión en qué objetos o zonas del escenario se activa DLSS 5 y en cuáles no, de forma que se respeten elementos clave de la dirección de arte o se limiten posibles exageraciones en determinadas superficies.

Además, el modelo se alimenta de información detallada de color y vectores de movimiento de cada fotograma, lo que ayuda a anclar las mejoras al contenido 3D real en lugar de funcionar como un filtro genérico desconectado de la escena. Con esto, NVIDIA sostiene que el resultado puede ser fiel a la visión original, siempre que el estudio se tome el trabajo de ajustar bien las herramientas.

En la práctica, eso abrirá la puerta a estilos variados: desde juegos que busquen un acabado muy cercano al hiperrealismo y expriman DLSS 5 al máximo, hasta otros que lo utilicen de forma más sutil, solo para reforzar ciertos materiales o la iluminación global sin alterar demasiado el look original.

Polémicas y críticas: ¿IA que mejora los juegos o “AI slop” visual?

El anuncio de DLSS 5 ha desatado un debate fuerte en la comunidad. Hay jugadores y desarrolladores que ven esta tecnología como una oportunidad brutal para subir el listón visual sin disparar presupuestos, aprovechando la IA para tareas que tradicionalmente exigían equipos enormes y tiempos de renderizado enormes. Pero también hay una corriente muy crítica que teme justo lo contrario.

A nivel técnico y estético, una parte de las críticas señalan que DLSS 5 altera de manera significativa la iluminación, las texturas y los detalles originales. Al aplicar un modelo global que intenta “embellecer” y homogeneizar materiales y luces, existe el riesgo de que muchos juegos acaben teniendo una apariencia parecida, con rostros y superficies que recuerden a los típicos ejemplos de contenido generativo de IA que vemos a diario.

Ese temor ha dado lugar a conceptos como AI slop faces, una forma de describir caras de personajes que parecen generadas por IA, excesivamente suaves, con brillos raros o rasgos uniformados. Algo similar a lo que ocurre con ciertos filtros de retoque facial en móviles que hacen que todo el mundo parezca cortado por el mismo patrón. Para una parte del público, llevar ese tipo de estética a juegos de gran presupuesto es una línea roja.

En el plano laboral y de industria, también se teme que DLSS 5 se convierta en una excusa para recortar departamentos de arte o externalizar menos trabajo de texturizado y materiales, confiando en que la IA “apañe” el resultado final. Grandes editoras podrían presionar a los estudios para adoptar la tecnología con el argumento de ahorrar costes o reducir plazos, aunque el resultado acabe siendo menos personal o diferenciado.

La contrapartida es que DLSS 5 es opcional: los estudios no están obligados a usarlo ni a activarlo por defecto. Y todavía está por ver qué margen tendrá el jugador final para desactivar o modular el efecto en los ajustes gráficos de cada título, algo que será clave para quienes priorizan la fidelidad a la dirección artística original frente a la espectacularidad añadida.

Qué hardware necesitas para usar DLSS 5

En el momento de la presentación, NVIDIA solo ha confirmado explícitamente la compatibilidad de DLSS 5 con GeForce RTX 5090, que fue la tarjeta utilizada en la demo pública durante la GTC 2026. En aquella demo, la compañía mostró un escenario bastante extremo, con dos RTX 5090 trabajando en paralelo: una GPU dedicada al renderizado neural de DLSS 5 y otra ocupándose del renderizado “convencional” del juego.

Eso no significa que vayas a necesitar dos tarjetas para jugar. NVIDIA ha explicado que el modelo de DLSS 5 se está optimizando para funcionar en una sola GPU, y que el uso de dos tarjetas respondía más a la naturaleza temprana del prototipo que a los requisitos reales que tendrá la versión comercial. Aun así, esa demo deja claro que estamos ante una tecnología con un coste de cómputo considerable.

Todo apunta a que DLSS 5 sea compatible con las series GeForce RTX 50 y RTX 40. Dentro de cada familia, es posible que algunos modelos de gama baja o con poca memoria gráfica tengan soporte parcial o limitado por motivos de rendimiento. Las GeForce RTX 30 y generaciones anteriores no disponen de soporte nativo FP8, así que, salvo que NVIDIA lance un modelo adaptado que use INT8 u otra aproximación más ligera, es muy probable que queden fuera.

Otro detalle relevante es el consumo de memoria: el modelo de DLSS 5 mostrado en la GTC 2026 podía llegar a utilizar hasta 32 GB de VRAM en esa configuración de dos RTX 5090, una cifra descomunal para un entorno doméstico. La versión que llegará al público será mucho más contenida, pero todo indica que la tecnología no está pensada para GPUs con 8 GB de VRAM o menos si se quiere usar a plena potencia y en resoluciones altas.

Impacto en rendimiento y consumo: lo que se sabe por ahora

NVIDIA todavía no ha publicado cifras oficiales y detalladas de cómo afectará DLSS 5 a los FPS, a la latencia o al consumo exacto de memoria en juegos reales. Sí ha dejado claro que los modelos que se usaron en la presentación eran prototipos muy pesados, pensados para demostrar de lo que es capaz la tecnología sin las restricciones de una sola tarjeta comercial. Por eso es razonable prestar atención a posibles cuellos de botella en PC que condicionen el resultado final.

De cara al lanzamiento, la compañía está trabajando en modelos más eficientes que puedan ejecutarse en tiempo real sobre una única GPU, manteniendo una calidad de imagen alta pero con un coste razonable. Aun así, hay que asumir que DLSS 5 consumirá una parte notable de los recursos disponibles: ejecutar una red neuronal compleja a 4K y en tiempo real no es precisamente gratis.

Lo razonable, teniendo en cuenta el histórico de DLSS, es que NVIDIA intente que el beneficio visual que aporta compense el coste en rendimiento, especialmente si se usa en conjunto con Super Resolution, Frame Generation y Ray Reconstruction. Es decir, que el jugador acabe viendo más detalle, mejor iluminación y una fluidez adecuada, incluso aunque haya un peaje en FPS frente a jugar sin DLSS 5 pero con menos calidad visual.

Habrá que esperar a los primeros benchmarks independientes para ver en qué medida DLSS 5 se convierte en algo asumible para GPUs de gama media y alta, o si queda restringido de facto a los modelos más potentes de la serie RTX 50.

Cuándo llega DLSS 5 y en qué juegos podrás usarlo

NVIDIA ha situado el lanzamiento de DLSS 5 en el otoño de 2026, sin concretar día exacto. La fecha final dependerá del ritmo de optimización del modelo y de las integraciones con los primeros títulos que lo adoptarán. En función de cómo vaya ese proceso, la tecnología podría debutar tan pronto como septiembre o retrasarse hasta los últimos compases del año.

La lista oficial de juegos que ya han confirmado compatibilidad con DLSS 5 es bastante jugosa. Entre ellos encontramos AION 2, Assassin’s Creed Shadows, Black State, CINDER CITY, Delta Force, Hogwarts Legacy, Justice, NARAKA: BLADEPOINT, NTE: Neverness to Everness, Phantom Blade Zero, Resident Evil Requiem, Sea of Remnants, Starfield, The Elder Scrolls IV: Oblivion Remastered y Where Winds Meet. NVIDIA añade además un “y muchos más”, dejando claro que la lista seguirá creciendo con el tiempo.

Durante la presentación se mostraron ejemplos concretos en Resident Evil Requiem, EA Sports FC, Starfield y Hogwarts Legacy, así como en la demo técnica The Zorah. Además, la compañía asegura contar con el respaldo de editoras de primer nivel como Bethesda, CAPCOM, NetEase, NCSOFT, Tencent, Ubisoft, Warner Bros. Games, Hotta Studio o S-GAME, lo que garantiza que la tecnología llegará tanto a títulos nuevos como a grandes juegos ya en el mercado mediante actualizaciones.

Por ahora, todo el foco está puesto en el ecosistema PC. Las consolas actuales como Xbox Series X|S o PlayStation 5 no cuentan con GPUs GeForce con soporte FP8 y núcleos Tensor equivalentes, de modo que DLSS 5 no se contempla para ellas. Las mejoras visuales en esos sistemas dependen de otras tecnologías de reescalado y optimización propias de cada plataforma.

DLSS en contexto: de las primeras versiones a este salto de DLSS 5

Para situar DLSS 5 en contexto conviene recordar brevemente de dónde viene esta familia de tecnologías. La primera versión de DLSS apareció en 2019 junto con las primeras RTX, ofreciendo un sistema de reescalado basado en IA entrenado específicamente para determinados juegos. Aquellas versiones iniciales se apoyaban mucho en conjuntos de datos concretos por título y su calidad variaba bastante.

Con el tiempo, NVIDIA fue refinando la arquitectura y el proceso de entrenamiento para desarrollar modelos más generalistas y versátiles. Llegaron versiones como DLSS 2, 3, 4 y 4.5, que fueron incorporando nuevas capacidades: mejor antialiasing temporal, reconstrucción más nítida en movimiento y, muy importante, generación de fotogramas mediante IA para aumentar los FPS sin que la GPU tuviera que renderizar cada frame.

Toda esta evolución ha ido de la mano de mejoras en el hardware: cada nueva generación de RTX ha traído Tensor Cores más potentes y eficientes, además de nuevas instrucciones y formatos numéricos como FP8, que permiten ejecutar modelos más grandes y complejos sin hundir el rendimiento. DLSS 5 es, en buena medida, el resultado de combinar esa madurez en software con la nueva musculatura de la arquitectura Blackwell.

Mientras tanto, en la comunidad técnica han circulado discusiones sobre cómo se entrenan exactamente estos modelos. Se ha hablado de arquitecturas tipo autoencoder, donde la red aprende a comprimir cada imagen en una representación intermedia densa y luego a reconstruirla con más detalle. Para que un juego sea compatible, los desarrolladores colaboran con NVIDIA enviando datos de imagen y buffers auxiliares (profundidad, movimiento, máscaras, etc.) que ayudan a enriquecer el entrenamiento, aunque las versiones más recientes de DLSS buscan generalizar mejor y depender menos de entrenamientos por título.

En este contexto, DLSS 5 amplía el alcance del papel de la IA en el pipeline de renderizado. Ya no se limita a “rellenar” resolución o a interpolar frames, sino que entra de lleno en la definición final de materiales e iluminación, reconfigurando en cierta medida cómo se entiende el renderizado en tiempo real moderno.

Todo apunta a que DLSS 5 marcará un antes y un después en la forma en que los juegos de PC gestionan el equilibrio entre fidelidad visual, rendimiento y carga de trabajo para artistas. Si esa balanza se inclina hacia experiencias más espectaculares sin perder personalidad o, por el contrario, hacia gráficos cada vez más uniformes y generados por IA, dependerá tanto de cómo la use NVIDIA como, sobre todo, de las decisiones que tomen los estudios y de lo exigente que se muestre la comunidad a la hora de aceptar o rechazar este nuevo estándar visual.