PUBG Ally zeigt, warum KI-Teamkollegen zwei Gehirne brauchen: schnelle Reflexe und langsames Denken

Ein Sprachmodell kann Taktiken und Spielerabsichten verstehen, aber es sollte nicht jede Bewegung und Kampfreaktion direkt steuern. PUBG Ally zeigt eine praktischere Architektur: schnelle Verhaltensbaum-Steuerung für Reflexaktionen, kombiniert mit einem kleinen Sprachmodell für Planung, Koordination und natürliche Konversation.
Veröffentlicht:
Aleksandar Stajic
Aktualisiert: 26. September 2026 um 09:41
PUBG Ally zeigt, warum KI-Teamkollegen zwei Gehirne brauchen: schnelle Reflexe und langsames Denken

Ein Sprachmodell kann über ein Feuergefecht sprechen, aber es sollte nicht für jede Bewegung, Zielanpassung und Sekundenbruchteil-Reaktion darin verantwortlich sein. NVIDIA ACE und KRAFTONs PUBG Ally zeigen, warum nützliche KI-Teammitglieder mehr als ein einzelnes Modell brauchen: schnelle Gameplay-Steuerung und langsamere Sprachschlussfolgerung sind unterschiedliche Aufgaben.

Warum ein KI-Modell nicht die ganze Figur steuern sollte

Eine moderne Spielfigur muss mehrere Probleme auf radikal unterschiedlichen Zeitskalen lösen.

Sie muss möglicherweise in Millisekunden ein Hindernis vermeiden, auf nahes Schussfeuer reagieren, einem Spielerbefehl folgen, entscheiden, ob sie plündern soll, einen Plan in natürlicher Sprache erklären und sich merken, was der Spieler zuvor gefragt hat.

Der Versuch, all das durch eine einzige Sprachmodell-Schleife zu zwingen, erzeugt eine zeitliche Diskrepanz. Das Modell ist gut in semantischem Schlussfolgern und Planen, aber Echtzeitsteuerung benötigt oft deterministische Logik, die bei jedem Spiel-Tick reagieren kann.

PUBG Ally verwendet eine Zwei-Geschwindigkeiten-Architektur

KRAFTON beschreibt PUBG Ally als einen mitspielbaren KI-Teammitglied, das von NVIDIA ACE angetrieben wird. Das System kombiniert Spielerstimme, Live-Match-Zustand, ein kleines Sprachmodell und spielseitige Steuerungslogik.

Laut NVIDIAs technischem Deep Dive trennt die Architektur einen System-1-Verhaltensbaum von einem System-2-Sprachmodell. Der Verhaltensbaum übernimmt schnelles reaktives Gameplay wie Bewegung und Kampf, während das Sprachmodell bewusstes Schlussfolgern, Kommunikation und Koordination übernimmt.

Diese Aufteilung ist eines der wichtigsten Designmuster in Echtzeit-Spiel-KI, weil sie jedem Subsystem die Autorität über die Arbeit gibt, für die es tatsächlich geeignet ist.

Das Modell des Zwei-Geschwindigkeiten-Spielagenten

Wie ein praktisches KI-Teammitglied die Arbeit aufteilen kann

1
1. Wahrnehmung und Beobachtung
Das Spiel legt relevanten Live-Zustand offen, wie Position, Inventar, Bedrohungen, nahe Objekte und Spieleranfragen.
2
2. Bewusstes Schlussfolgern
Das Sprachmodell interpretiert die Absicht, wählt ein Ziel, plant und entscheidet, welches Werkzeug oder welche Aktionsklasse aufgerufen wird.
3
3. Aktionsübergabe
Die übergeordnete Entscheidung wird in strukturierte spielseitige Befehle umgewandelt.
4
4. Reaktive Ausführung
Verhaltensbäume oder andere deterministische Controller übernehmen Bewegung, Kampf, Navigation und reflexartige Reaktionen.
5
5. Erneute Beobachtung
Der Agent liest den geänderten Spielzustand und aktualisiert seinen Plan, wenn die Welt nicht mehr den vorherigen Annahmen entspricht.

System 1 vs. System 2 in einem Spielagenten

Schnelle reaktive EbeneBewusste Schlussfolgerungsebene
Zeitskala
Typische Aufgaben
Wenn es zu langsam ist
Bester Steuerungsstil

Der Live-Spielzustand macht das Modell nützlich

Das PUBG-Ally-Modell schlussfolgert nicht allein aus dem Dialog. NVIDIA sagt, dass die Spiel-Engine den Live-Match-Zustand für den Agenten durch Beobachtungswerkzeuge offenlegt, die als textuelle Beschreibungen dargestellt werden.

Das ist wichtig, weil ein Teammitglied wissen muss, was gerade passiert: was der Spieler gesagt hat, welche Gegenstände in der Nähe sind, woher die Gefahr kommt und ob der vorherige Plan noch gültig ist.

Dies ist dasselbe Zuverlässigkeitsprinzip, das für jeden Spielassistenten gilt: Allgemeines Spielwissen reicht nicht aus, wenn die korrekte Aktion vom aktuellen Sitzungszustand abhängt.

Die Grenze der Handlungsbefugnis

Ein nützlicher Echtzeit-Spielagent braucht eine klare Grenze zwischen dem, was das Modell entscheiden darf, und dem, was die Spiel-Engine tatsächlich ausführen darf.

Das Modell kann ein Ziel wählen wie „in Deckung gehen“, „Munition plündern“, „dem Spieler folgen“ oder „diesen Feind angreifen“. Der spielseitige Controller sollte diese Absicht dann in legale, begrenzte Aktionen übersetzen, die Navigation, Animation, Abklingzeiten, Physik und Spielregeln befolgen.

Gute vs. gefährliche Agentensteuerung

Begrenzte ArchitekturUnbegrenzte Architektur
Bewegung
Kampf
Inventar
Sprache

Warum ereignisgesteuertes Denken besser ist als ständiges Abfragen des Sprachmodells

Die Modellschleife von PUBG Ally wird als ereignisgesteuert beschrieben. Sie kann ausgelöst werden, wenn der Spieler spricht oder durch relevante Ereignisse im Spiel.

Das ist effizienter, als das Modell in jedem Frame die gesamte Welt neu überdenken zu lassen. Die meisten Frames erfordern keine strategische Entscheidung.

Ein gutes Auslösesystem ruft das Sprachmodell auf, wenn Semantik wichtig ist: ein neuer Befehl eintrifft, eine Bedrohung den Plan ändert, ein Ziel abgeschlossen wird, ein Gegenstand relevant wird oder der aktuelle Plan fehlschlägt.

Der Entscheidungsauslösefilter

Wann sollte das Sprachmodell aufwachen?

1
Spielerabsicht geändert
Eine neue gesprochene oder textliche Anfrage erfordert Interpretation.
2
Plan ungültig geworden
Das Ziel verschwand, der Pfad schlug fehl, der Gegenstand ist weg oder der Kampf hat die Situation verändert.
3
Übergeordneter Meilenstein erreicht
Die Figur ist angekommen, hat geplündert, geheilt oder ein geplantes Teilziel abgeschlossen.
4
Wichtige neue Beobachtung
Eine neue Bedrohung, Ressource oder strategische Gelegenheit erscheint.
5
Konversation erforderlich
Der Agent sollte bestätigen, erklären oder um Klärung bitten.
6
Andernfalls reaktiv bleiben
Lass die untergeordneten Controller ohne unnötige Modellinferenz weiterlaufen.

Inferenz auf dem Gerät verändert den Designraum

NVIDIA ACE ist sowohl um Inferenz auf dem Gerät als auch um Cloud-Optionen herum konzipiert. Für PUBG Ally sagt NVIDIA, dass das kleine Sprachmodell lokal auf der GPU des Spielers läuft.

Die veröffentlichte Architektur verwendet ein Mistral-NeMo-Minitron-Modell mit 2B Parametern, das so konzipiert ist, dass es in den VRAM-Spielraum passt, der nach dem Betrieb von PUBG selbst noch übrig bleibt.

Das ist eine nicht triviale Einschränkung. Spiel-KI kann nicht einfach den gesamten verfügbaren GPU-Speicher oder die Rechenleistung beanspruchen, weil die Grafiklast weiterhin Priorität hat.

KI-Inferenz konkurriert jetzt mit dem Rendering

Dies schafft ein neues Ressourcenproblem für Spiele: Grafik und KI-Inferenz könnten dieselbe GPU gemeinsam nutzen.

NVIDIAs In-Game Inferencing SDK wurde entwickelt, um lokale KI-Modelle neben Grafik-Workloads zu planen. Sein Zweck ist nicht nur, Modelle auszuführen, sondern dies zu tun, ohne das Frame-Zeit-Budget des Spiels zu zerstören.

Das bedeutet, dass zukünftige Leistungsbewertungen möglicherweise nicht nur DLSS, Raytracing und VRAM-Nutzung messen müssen, sondern auch die Kosten der lokalen NPC-Inferenz.

Das KI-Ressourcenbudget im Spiel

RessourceGrafik benötigt sie fürKI-Agent benötigt sie für
VRAMTexturen, Puffer, Geometrie, Raytracing, Frame-GenerierungModellgewichte, KV-Cache, Embeddings und Inferenzpuffer
GPU-ComputeRasterisierung, RT, neuronale GrafikSLM/ASR/TTS-Inferenz
CPU-ZeitSimulation, Draw-Submission, SpielsystemeAgent-Orchestrierung, Tools, Textverarbeitung
SpeicherbandbreiteAsset- und Render-WorkloadsModellausführung und Datenbewegung
Frame-Zeit-ReserveFlüssige DarstellungInferenz mit niedriger Latenz ohne sichtbares Ruckeln

Warum kleine Modelle in Spielen sinnvoll sind

Ein Spielagent muss nicht alles im Internet wissen. Er muss das Vokabular des Spiels, den aktuellen Zustand, Aktionswerkzeuge und eine begrenzte Menge relevanten Wissens verstehen.

Deshalb betont NVIDIA ACE kleine Modelle, die für Gaming-Hardware optimiert sind. KRAFTON beschreibt auch die Domänenanpassung für PUBG Ally: Das Modell wurde auf die Sanhok-Karte und den AI-Duo-Kontext beschränkt und um PUBG-spezifische Konzepte und Tool-Nutzung herum trainiert.

Ein kleineres spezialisiertes Modell kann nützlicher sein als ein viel größeres allgemeines Modell, wenn seine Welt, seine Werkzeuge und seine Handlungsgrenzen gut definiert sind.

RAG und Tools lösen unterschiedliche Probleme

NVIDIAs ACE Game Agent SDK stellt Agent-, Chat- und RAG-APIs bereit. Das sind separate Fähigkeiten, weil Wissensabruf und Aktionsausführung nicht dasselbe sind.

RAG kann fundiertes Spielwissen liefern, wie Gegenstandsregeln, Fraktionsdaten oder Mechaniken. Tools legen offen, was der Agent im laufenden Spiel beobachten oder tun kann.

Ein Agent kann die richtige Tatsache abrufen und trotzdem scheitern, wenn er den falschen Live-Zustand hat oder die falsche Aktion aufruft. Wissen, Zustand und Handlungsbefugnis müssen alle separat validiert werden.

Was traditionelle NPCs immer noch besser machen

Sprachmodell-Agenten sind nicht automatisch bei jeder NPC-Aufgabe besser.

Skriptbasierte Logik ist billiger, einfacher zu testen und vorhersehbarer, wenn das gewünschte Verhalten bereits bekannt ist. Ein Türwächter mit drei festen Zuständen braucht keine agentische Reasoning-Schleife.

Die stärksten Anwendungsfälle sind Situationen, in denen natürliche Sprache, breite Planung, kontextuelle Anpassung oder spielerspezifische Koordination einen Wert schaffen, den statische Logik nur schwer bieten kann.

Wann man skriptbasierte KI vs. agentische KI einsetzt

Traditionelle/skriptbasierte KIAgentische KI
Vorhersehbarkeit
Offene Sprache
Unerwartete Spielerabsicht
Reflexaktionen
Deterministische QA

Die Zuverlässigkeitsschleife des Agenten

Was vor und nach jeder bedeutsamen Agentenaktion geschehen sollte

1
Beobachten
Nur den aktuellen Zustand lesen, der für die Entscheidung relevant ist.
2
Schlussfolgern
Ein Ziel oder eine Aktionsklasse aus dem beobachteten Zustand und der Spielerabsicht wählen.
3
Validieren
Prüfen, ob die Aktion zulässig, verfügbar und autorisiert ist.
4
Ausführen
Die Absicht an die deterministische spielseitige Steuerung übergeben.
5
Bestätigen
Den resultierenden Spielzustand lesen, anstatt Erfolg anzunehmen.
6
Neu planen
Wenn das Ergebnis von der Erwartung abweicht, den Plan aktualisieren, anstatt Kontinuität zu halluzinieren.

Warum natürliche Sprache Fehler überzeugender macht

ACE kann automatische Spracherkennung, Sprachschlussfolgerung und Text-zu-Sprache kombinieren, sodass ein Teamkollege natürlich hören, handeln und sprechen kann.

Das verbessert die Immersion, erhöht aber auch die Notwendigkeit der Verankerung. Ein selbstbewusster gesprochener Satz wie „Ich habe das Medikit aufgehoben“ klingt autoritativ, selbst wenn die Item-Interaktion fehlgeschlagen ist.

Sprache sollte daher nach Möglichkeit bestätigten Zustand melden, nicht bloß die beabsichtigte Aktion des Modells.

Mehrsprachige Spiel-Agenten werden praktikabel

NVIDIA erweiterte ACE im Jahr 2026 um mehrsprachige On-Device-Modelle für Sprache, Spracherkennung und Sprachsynthese.

NVIDIAs Entwickler-Update vom Mai 2026 beschreibt Qwen 3.5 4B-Unterstützung über 201 Sprachen und Dialekte, Riva Parakeet TDT 600M-Spracherkennung für 25 Sprachen und Chatterbox Multilingual 500M-Stimmen über 24 Sprachen.

Das erweitert den Designraum für KI-Begleiter über rein englischsprachige Demos hinaus und macht lokale Sprachinteraktion zu einem realistischen Produktmerkmal.

Was würde diese Antwort ändern?

Die Architektur könnte einheitlicher werden, wenn zukünftige Modelle deterministische Sub-Frame-Aktionslatenz erreichen und gleichzeitig klein genug bleiben, um kontinuierlich neben Grafik-Workloads zu laufen. Heute bleibt die Trennung von Reflexsteuerung und semantischem Schlussfolgern das praktischere Design.

Spezialisierte neuronale Steuerungsrichtlinien könnten auch einige traditionelle Verhaltensbaum-Funktionen ersetzen, aber die Notwendigkeit expliziter Aktionsautorität, Zustandsvalidierung und schneller Ausführung wird bestehen bleiben.

Einschränkungen

PUBG Ally ist eine Implementierung, kein Beweis dafür, dass jedes Spiel dieselbe Architektur übernehmen sollte. Unterschiedliche Genres haben unterschiedliche Anforderungen an Latenz, Determinismus, Hardware und Gameplay.

Die öffentlichen Architekturdetails werden zudem primär von NVIDIA und KRAFTON bereitgestellt. Sie sind nützlich, um das implementierte System zu verstehen, sollten aber nicht als unabhängiges Performance-Benchmarking behandelt werden.

Fazit

Die Zukunft von Spielagenten wird wahrscheinlich nicht darin bestehen, dass ein einziges riesiges Modell den gesamten KI-Stack des Spiels ersetzt.

PUBG Ally deutet stattdessen auf eine hybride Architektur hin: Sprachmodelle interpretieren Absichten und treffen Entscheidungen auf hoher Ebene; deterministische Controller führen schnelles Gameplay aus; der Live-Zustand hält das Modell geerdet; und die Spiel-Engine behält die Kontrolle darüber, was tatsächlich passieren kann.

Das siegreiche Design ist nicht der Agent, der über alles nachdenkt. Es ist der Agent, der weiß, worüber er nachdenken sollte – und was in der Spielschleife bleiben sollte.

FAQ

KI-Teamkollegen, NVIDIA ACE und Spielagenten

Verwendet PUBG Ally ein einziges KI-Modell, um alles zu steuern?

Nein. Die von KRAFTON veröffentlichte Architektur trennt die Reasoning-Fähigkeiten des Sprachmodells von der schnellen Verhaltensbaum-Steuerung für Bewegung und Kampf.

Warum lässt man ein LLM nicht die Bewegung direkt steuern?

Die Inferenz von Sprachmodellen ist für semantisches Reasoning ausgelegt, nicht für deterministische Motorsteuerung pro Tick. Schnelle Gameplay-Aktionen profitieren von begrenzten spielseitigen Controllern.

Läuft PUBG Ally in der Cloud?

NVIDIA zufolge laufen die von PUBG Ally verwendeten ACE-Kernmodelle lokal auf der GPU des Spielers, einschließlich des kleinen Sprachmodells.

Woher weiß die KI, was im Match passiert?

Das Spiel stellt den Live-Zustand über Beobachtungswerkzeuge bereit, während die Spielerstimme transkribiert und mit diesem Zustand für das Reasoning des Modells kombiniert wird.

Was ist das ACE Game Agent SDK?

Es ist NVIDIAs leichtgewichtiges C/C++-Framework für native In-Game-Agenten, das Agent-, Chat- und RAG-APIs bereitstellt und für die Integration auf dem Gerät entwickelt wurde.

Werden KI-Agenten geskriptete NPCs ersetzen?

Nicht überall. Geskriptete KI bleibt günstiger, deterministisch und effektiv für begrenzte Verhaltensweisen. Agentische KI ist am nützlichsten, wo Sprache, Anpassung und offene Koordination wichtig sind.

Glossar

Wichtige Begriffe zu Spielagenten

System-1-Steuerung
Schnelle reaktive spielseitige Logik für unmittelbare Aktionen wie Bewegung, Kampf und Navigation.
System-2-Reasoning
Langsameres, bewusstes Reasoning für Planung, Interpretation der Spielerabsicht, Koordination und Konversation.
Two-Speed Game Agent
Ein Modell von Figure Rocks, das Reflexebene-Spielsteuerung von Reasoning auf höherer Ebene trennt.
Action Authority Boundary
Ein Konzept von Figure Rocks, das definiert, welche Absichten ein Modell wählen darf und welche legalen Aktionen die Spiel-Engine ausführen darf.
Beobachtungswerkzeug
Eine spielseitige Schnittstelle, die ausgewählte aktuelle Zustände in strukturierter oder textueller Form für einen KI-Agenten bereitstellt.
Agent Harness
Die Orchestrierungsschicht, die Modellinferenz, Beobachtungen, Werkzeuge, Speicher, Retrieval und spielseitige Ausführung verbindet.
NVIGI
NVIDIAs In-Game-Inferenz-Framework zum Ausführen und Planen lokaler KI-Modelle parallel zu Grafik-Workloads des Spiels.

Primärquellen

NVIDIA Developer – Wie KRAFTON PUBG Ally entwickelt hat

Offizieller technischer Deep Dive über die System-1-Verhaltensbaum-/System-2-SLM-Architektur, Live-Spielzustandsbeobachtungen, On-Device-Inferenz und Domänenanpassung.

NVIDIA Developer – ACE für Spiele

Offizielle ACE-Übersicht über das Game Agent SDK, Agent-/Chat-/RAG-APIs, On-Device-Modelle und Anwendungsfälle für autonome Spielcharaktere.

NVIDIA Developer – On-Device-KI-Begleiter entwickeln

Offizieller Artikel von Juni 2026, der das Game Agent SDK, Unreal-Engine-Plugins und die Architektur für On-Device-KI-Begleiter vorstellt.

NVIDIA GeForce – PUBG Ally Duo-Modus-Beta

Offizieller Artikel, der PUBG Ally als kollaborativen autonomen KI-Teamkollegen und die Entwicklung von ACE über konversationelle NPCs hinaus beschreibt.

NVIDIA Developer – Mehrsprachige KI-Charaktere

Offizielles Update von Mai 2026, das mehrsprachige On-Device-ACE-Modelle für Sprache, ASR und TTS beschreibt.

Related Articles

120Hz fühlen sich schlechter an? Diagnose-Checkliste (Falscher Modus, VRR-Bereich, Caps)

Eine höhere Bildwiederholrate kann Instabilitäten aufdecken. Nutze diese Checkliste, um zu diagnostizieren, warum sich 120 Hz schlechter anfühlen: falscher Modus, falscher Bildwiederholpfad, VRR-Bereichsprobleme oder fehlende Caps.

DLSS 5 ist nicht nur Upscaling: Was 3D-geführtes neuronales Rendering tatsächlich verändert

DLSS 5 ist nicht nur Upscaling: Was 3D-geführtes neuronales Rendering tatsächlich verändert

DLSS 5 verlagert KI in einen neuen Teil der Grafikpipeline. Statt nur die Auflösung zu rekonstruieren oder zusätzliche Frames zu generieren, verwendet 3D-Guided Neural Rendering das eigene Frame der Spiel-Engine als Grundlage und verbessert Beleuchtung und Materialdetails unter Entwicklerkontrolle.

DLSS 4.5 6X: Warum 300 FPS nicht bedeuten, dass das Spiel 300 Bilder rendert

DLSS 4.5 6X: Warum 300 FPS nicht bedeuten, dass das Spiel 300 Bilder rendert

DLSS 4.5 kann auf unterstützten RTX 50 Series GPUs bis zu fünf zusätzliche Frames für jedes traditionell gerenderte Frame generieren. Diese Anleitung erklärt den Unterschied zwischen gerenderten FPS und angezeigten FPS, warum CPU-Engpässe auf der Präsentationsebene umgangen werden können und warum die Latenz dennoch separat gemessen werden muss.

Warum PC-Spiele beim Kompilieren von Shadern ruckeln – und wie Advanced Shader Delivery das ändert

Warum PC-Spiele beim Kompilieren von Shadern ruckeln – und wie Advanced Shader Delivery das ändert

Shader-Stottern tritt auf, wenn ein PC-Spiel GPU-Programme zum falschen Zeitpunkt kompilieren muss. Microsoft Advanced Shader Delivery verlagert einen Großteil dieser Arbeit vom PC des Spielers weg, indem hardwarespezifische Shader im Voraus vorbereitet und mit dem Spiel ausgeliefert werden.

Frame-Cap-Rezepte: Stabile Zielwerte für VRR- und Nicht-VRR-Setups

Ein guter Cap fühlt sich besser an als instabile Spitzen. Nutze diese einfachen Cap-Rezepte, um das Frame-Pacing für VRR- und Nicht-VRR-Displays zu stabilisieren.

Intel XeSS 3 ist mehr als Upscaling: Multi-Frame-Generierung und Xe Low Latency erklärt

Intel XeSS 3 ist mehr als Upscaling: Multi-Frame-Generierung und Xe Low Latency erklärt

XeSS 3 ist nicht länger nur Intels Upscaler. Es kombiniert jetzt Super Resolution, Frame Generation, Multi Frame Generation und Xe Low Latency, mit bis zu drei KI-generierten Frames pro gerendertem Frame auf unterstützter Intel-Hardware.

Windows Auto SR ist nicht DLSS: Wie NPU-Upscaling ohne Spielintegration funktioniert

Windows Auto SR ist nicht DLSS: Wie NPU-Upscaling ohne Spielintegration funktioniert

Windows Auto SR kann unterstützte Spiele ohne DLSS-, FSR- oder XeSS-Integration hochskalieren. Anstatt das Rekonstruktionsmodell im Spiel auf der GPU auszuführen, verwendet Windows die NPU, um aus einem niedriger aufgelösten Render ein Bild mit höherer Auflösung neu aufzubauen.

DirectX wird zu einer ML-Plattform: Was lineare Algebra und neuronale Shader für zukünftige Spiele bedeuten

DirectX wird zu einer ML-Plattform: Was lineare Algebra und neuronale Shader für zukünftige Spiele bedeuten

DirectX geht über traditionelle Grafik-Shader hinaus. Microsoft fügt hardwarebeschleunigte lineare Algebra direkt zu HLSL hinzu sowie einen separaten Pfad für größere ML-Modelle, wodurch das Fundament für neuronale Texturen, erlernte Materialien, neuronale Beleuchtung und andere KI-gesteuerte Rendering-Techniken gelegt wird.

Bewegungsschärfe: Warum Unschärfe entsteht und die Lösungen, die wirklich funktionieren

Bewegungsunschärfe ist nicht nur eine Einstellung — sie ist Timing plus Persistenz. Lerne die praktische Reihenfolge: richtiger Modus, richtige Bildwiederholrate, dann die wenigen Klarheits-Fixes, auf die es ankommt.

AMD FSR Redstone ist nicht nur FSR 4: Upscaling, Frame Generation, Ray Regeneration und Radiance Caching erklärt

AMD FSR Redstone ist nicht nur FSR 4: Upscaling, Frame Generation, Ray Regeneration und Radiance Caching erklärt

AMDs FSR-Namensgebung hat sich geändert, weil FSR nicht länger eine einzelne Funktion ist. Redstone ist jetzt eine Neural-Rendering-Suite mit separaten Technologien für Upscaling, Frame-Generierung, Raytracing-Rekonstruktion und gelernte globale Beleuchtung.