PUBG Ally muestra por qué los compañeros de equipo de IA necesitan dos cerebros: reflejos rápidos y razonamiento lento

Un modelo de lenguaje puede hablar sobre un tiroteo, pero no debería ser responsable de cada movimiento, ajuste de puntería y reacción en fracciones de segundo dentro de uno. NVIDIA ACE y PUBG Ally de KRAFTON demuestran por qué los compañeros de equipo de IA útiles necesitan más que un solo modelo: el control rápido del juego y el razonamiento lento del lenguaje son trabajos diferentes.
Por qué un solo modelo de IA no debería controlar todo el personaje
Un personaje de juego moderno tiene que resolver varios problemas en escalas de tiempo radicalmente diferentes.
Puede necesitar evitar un obstáculo en milisegundos, reaccionar a disparos cercanos, seguir una orden del jugador, decidir si saquear, explicar un plan en lenguaje natural y recordar lo que el jugador pidió antes.
Intentar forzar todo eso a través de un solo bucle de modelo de lenguaje crea un desajuste de tiempos. El modelo es bueno en razonamiento semántico y planificación, pero el control en tiempo real a menudo necesita lógica determinista que pueda reaccionar en cada tick del juego.
PUBG Ally utiliza una arquitectura de dos velocidades
KRAFTON describe PUBG Ally como un compañero de equipo de IA cojugable impulsado por NVIDIA ACE. El sistema combina la voz del jugador, el estado de la partida en vivo, un modelo de lenguaje pequeño y la lógica de control del lado del juego.
Según el análisis técnico profundo de NVIDIA, la arquitectura separa un árbol de comportamiento del Sistema 1 de un modelo de lenguaje del Sistema 2. El árbol de comportamiento se encarga del juego reactivo rápido, como el movimiento y el combate, mientras que el modelo de lenguaje se encarga del razonamiento deliberado, la comunicación y la coordinación.
Esa división es uno de los patrones de diseño más importantes en la IA de juegos en tiempo real porque otorga a cada subsistema autoridad sobre el trabajo que realmente está capacitado para realizar.
El modelo Two-Speed Game Agent
Cómo un compañero de equipo de IA práctico puede dividir el trabajo
Sistema 1 vs Sistema 2 en un agente de juego
| Capa reactiva rápida | Capa de razonamiento deliberado | |
|---|---|---|
| Escala de tiempo | ||
| Tareas típicas | ||
| Si es demasiado lento | ||
| Mejor estilo de control |
El estado del juego en vivo es lo que hace útil al modelo
El modelo de PUBG Ally no razona solo a partir del diálogo. NVIDIA dice que el motor del juego expone el estado de la partida en vivo al agente a través de herramientas de observación representadas como descripciones textuales.
Eso importa porque un compañero de equipo necesita saber qué está pasando ahora: qué dijo el jugador, qué objetos hay cerca, de dónde viene el peligro y si el plan anterior sigue siendo válido.
Este es el mismo principio de fiabilidad que se aplica a cualquier asistente de juego: el conocimiento general del juego no es suficiente cuando la acción correcta depende del estado actual de la sesión.
El límite de autoridad de acción
Un agente de juego útil en tiempo real necesita un límite claro entre lo que el modelo puede decidir y lo que el motor del juego puede ejecutar realmente.
El modelo puede elegir un objetivo como «moverse a cubierto», «saquear munición», «seguir al jugador» o «enfrentarse a ese enemigo». El controlador del lado del juego debería entonces traducir esa intención en acciones legales y acotadas que obedezcan la navegación, la animación, los tiempos de reutilización, la física y las reglas del juego.
Control de agente bueno vs peligroso
| Arquitectura acotada | Arquitectura no acotada | |
|---|---|---|
| Movimiento | ||
| Combate | ||
| Inventario | ||
| Habla |
Por qué el razonamiento basado en eventos supera al sondeo constante del modelo de lenguaje
El bucle del modelo de PUBG Ally se describe como basado en eventos. Puede activarse cuando el jugador habla o por eventos relevantes dentro del juego.
Eso es más eficiente que pedirle al modelo que reconsidere todo el mundo en cada fotograma. La mayoría de los fotogramas no requieren una decisión estratégica.
Un buen sistema de activación llama al modelo de lenguaje cuando la semántica importa: llega una nueva orden, una amenaza cambia el plan, se completa un objetivo, un objeto se vuelve relevante o el plan actual falla.
El filtro de activación de decisiones
¿Cuándo debería despertar el modelo de lenguaje?
La inferencia en el dispositivo cambia el espacio de diseño
NVIDIA ACE está diseñado en torno a la inferencia en el dispositivo, así como a opciones en la nube. Para PUBG Ally, NVIDIA dice que el modelo de lenguaje pequeño se ejecuta localmente en la GPU del jugador.
La arquitectura publicada utiliza un modelo Mistral-NeMo-Minitron de 2B parámetros diseñado para caber en el espacio libre de VRAM que queda después de que PUBG mismo esté en ejecución.
Esa es una restricción no trivial. La IA de juego no puede simplemente consumir toda la memoria o potencia de cómputo de GPU disponible porque la carga de trabajo gráfica sigue teniendo prioridad.
La inferencia de IA ahora compite con el renderizado
Esto crea un nuevo problema de recursos para los juegos: los gráficos y la inferencia de IA pueden compartir la misma GPU.
El SDK de Inferencia en el Juego de NVIDIA está diseñado para programar modelos de IA locales junto con cargas de trabajo gráficas. Su propósito no es solo ejecutar modelos, sino hacerlo sin destruir el presupuesto de tiempo de fotograma del juego.
Eso significa que las futuras revisiones de rendimiento pueden necesitar medir no solo DLSS, trazado de rayos y uso de VRAM, sino también el costo de la inferencia local de NPC.
El presupuesto de recursos de IA para juegos
| Recurso | Los gráficos lo necesitan para | El agente de IA lo necesita para |
|---|---|---|
| VRAM | Texturas, búferes, geometría, trazado de rayos, generación de fotogramas | Pesos del modelo, caché KV, incrustaciones y búferes de inferencia |
| Cómputo de GPU | Rasterización, RT, gráficos neuronales | Inferencia de SLM/ASR/TTS |
| Tiempo de CPU | Simulación, envío de dibujo, sistemas del juego | Orquestación de agentes, herramientas, procesamiento de texto |
| Ancho de banda de memoria | Cargas de trabajo de activos y renderizado | Ejecución del modelo y movimiento de datos |
| Margen de tiempo de fotograma | Presentación fluida | Inferencia de baja latencia sin tartamudeo visible |
Por qué los modelos pequeños tienen sentido dentro de los juegos
Un agente de juego no necesita saber todo lo que hay en internet. Necesita entender el vocabulario del juego, el estado actual, las herramientas de acción y un conjunto limitado de conocimientos relevantes.
Por eso NVIDIA ACE enfatiza los modelos pequeños optimizados para hardware de juegos. KRAFTON también describe la adaptación de dominio para PUBG Ally: el modelo se limitó al mapa Sanhok y al contexto de AI Duo y se entrenó en torno a conceptos y uso de herramientas específicos de PUBG.
Un modelo especializado más pequeño puede ser más útil que un modelo general mucho más grande si su mundo, herramientas y límites de acción están bien definidos.
RAG y las herramientas resuelven problemas diferentes
El SDK de Agente de Juego ACE de NVIDIA expone las API de Agente, Chat y RAG. Esas son capacidades separadas porque la recuperación de conocimiento y la ejecución de acciones no son lo mismo.
RAG puede proporcionar conocimiento fundamentado del juego, como reglas de objetos, datos de facciones o mecánicas. Las herramientas exponen lo que el agente puede observar o hacer en el juego en vivo.
Un agente puede recuperar el hecho correcto y aun así fallar si tiene el estado en vivo incorrecto o invoca la acción incorrecta. El conocimiento, el estado y la autoridad de acción necesitan validación por separado.
Lo que los NPC tradicionales todavía hacen mejor
Los agentes de modelos de lenguaje no son automáticamente mejores en todas las tareas de NPC.
La lógica programada es más barata, más fácil de probar y más predecible cuando el comportamiento deseado ya se conoce. Un guardia de puerta que tiene tres estados fijos no necesita un bucle de razonamiento agéntico.
Los casos de uso más sólidos son situaciones en las que el lenguaje natural, la planificación amplia, la adaptación contextual o la coordinación específica del jugador crean valor que la lógica estática tiene dificultades para proporcionar.
Cuándo usar IA programada vs IA agéntica
| IA tradicional/programada | IA agéntica | |
|---|---|---|
| Previsibilidad | ||
| Lenguaje abierto | ||
| Intención inesperada del jugador | ||
| Acciones reflejas | ||
| QA determinista |
El bucle de fiabilidad del agente
Qué debería suceder antes y después de cada acción significativa del agente
Por qué el habla natural hace que los errores sean más convincentes
ACE puede combinar reconocimiento automático de voz, razonamiento lingüístico y síntesis de voz para que un compañero de equipo pueda oír, actuar y hablar con naturalidad.
Eso mejora la inmersión, pero también aumenta la necesidad de fundamentación. Una frase hablada con seguridad como «recogí el botiquín» suena autoritaria incluso si la interacción con el objeto falló.
Por lo tanto, el habla debería informar el estado confirmado siempre que sea posible, no solo la acción prevista del modelo.
Los agentes de juego multilingües se están volviendo prácticos
NVIDIA amplió ACE en 2026 con modelos multilingües en el dispositivo para lenguaje, reconocimiento de voz y síntesis de voz.
La actualización para desarrolladores de NVIDIA de mayo de 2026 describe el soporte de Qwen 3.5 4B en 201 idiomas y dialectos, el reconocimiento de voz Riva Parakeet TDT 600M para 25 idiomas y las voces de Chatterbox Multilingual 500M en 24 idiomas.
Eso amplía el espacio de diseño para compañeros de IA más allá de las demos solo en inglés y hace que la interacción en el idioma local sea una característica de producto realista.
Qué cambiaría esta respuesta
La arquitectura podría volverse más unificada si los modelos futuros logran una latencia de acción determinista por debajo del fotograma y siguen siendo lo suficientemente pequeños para ejecutarse continuamente junto a las cargas de trabajo gráficas. Hoy, separar el control reflejo del razonamiento semántico sigue siendo el diseño más práctico.
Las políticas de control neuronal especializadas también podrían reemplazar algunas funciones tradicionales de árbol de comportamiento, pero la necesidad de autoridad de acción explícita, validación de estado y ejecución rápida seguirá existiendo.
Limitaciones
PUBG Ally es una implementación, no una prueba de que todos los juegos deban adoptar la misma arquitectura. Los diferentes géneros tienen diferentes requisitos de latencia, determinismo, hardware y jugabilidad.
Los detalles públicos de la arquitectura también son proporcionados principalmente por NVIDIA y KRAFTON. Son útiles para comprender el sistema implementado, pero no deben tratarse como una evaluación de rendimiento independiente.
Conclusión
El futuro de los agentes de juego probablemente no sea un único modelo gigante que reemplace la pila de IA del juego.
PUBG Ally apunta hacia una arquitectura híbrida: los modelos de lenguaje interpretan la intención y toman decisiones de alto nivel; los controladores deterministas ejecutan el juego rápido; el estado en vivo mantiene el modelo fundamentado; y el motor del juego conserva la autoridad sobre lo que realmente puede suceder.
El diseño ganador no es el agente que piensa en todo. Es el agente que sabe en qué debe pensar, y qué debe permanecer en el bucle del juego.
Preguntas frecuentes
Compañeros de IA, NVIDIA ACE y agentes de juego
¿PUBG Ally usa un solo modelo de IA para controlarlo todo?
¿Por qué no dejar que un LLM controle el movimiento directamente?
¿PUBG Ally se ejecuta en la nube?
¿Cómo sabe la IA qué está pasando en la partida?
¿Qué es el ACE Game Agent SDK?
¿Los agentes de IA reemplazarán a los NPC con guion?
Glosario
Términos clave de los agentes de juego
- Control del Sistema 1
- Lógica reactiva rápida del lado del juego utilizada para acciones inmediatas como movimiento, combate y navegación.
- Razonamiento del Sistema 2
- Razonamiento deliberado más lento utilizado para la planificación, la interpretación de la intención del jugador, la coordinación y la conversación.
- Agente de juego de dos velocidades
- Un modelo de Figure Rocks que separa el control del juego a nivel de reflejos del razonamiento de nivel superior del modelo.
- Herramienta de observación
- Una interfaz del lado del juego que expone el estado actual seleccionado a un agente de IA en forma estructurada o textual.
- Arnés del agente
- La capa de orquestación que conecta la inferencia del modelo, las observaciones, las herramientas, la memoria, la recuperación y la ejecución del lado del juego.
- NVIGI
- El marco de inferencia en el juego de NVIDIA para ejecutar y programar modelos de IA locales junto con las cargas de trabajo gráficas del juego.
Fuentes principales
NVIDIA Developer — Cómo KRAFTON construyó PUBG AllyAnálisis técnico oficial en profundidad que cubre la arquitectura de árbol de comportamiento del Sistema 1 / SLM del Sistema 2, las observaciones del estado del juego en vivo, la inferencia en el dispositivo y la adaptación de dominio.
NVIDIA Developer — ACE para juegosDescripción general oficial de ACE que cubre el Game Agent SDK, las API Agent/Chat/RAG, los modelos en el dispositivo y los casos de uso de personajes de juego autónomos.
NVIDIA Developer — Crea compañeros de IA en el dispositivoArtículo oficial de junio de 2026 que presenta el Game Agent SDK, los complementos de Unreal Engine y la arquitectura de compañeros de IA en el dispositivo.
NVIDIA GeForce — Beta del modo dúo de PUBG AllyArtículo oficial que describe PUBG Ally como un compañero de IA autónomo colaborativo y la evolución de ACE más allá de los NPC conversacionales.
NVIDIA Developer — Personajes de IA multilingüesActualización oficial de mayo de 2026 que describe modelos ACE multilingües en el dispositivo para lenguaje, ASR y TTS.
Related Articles

DLSS 5 no es solo escalado: qué cambia realmente la renderización neuronal guiada por 3D
DLSS 5 lleva la IA a una nueva parte de la canalización de gráficos. En lugar de solo reconstruir la resolución o generar fotogramas adicionales, el renderizado neuronal guiado por 3D utiliza el propio fotograma del motor del juego como base y mejora la iluminación y el detalle de los materiales bajo el control del desarrollador.

Intel XeSS 3 es más que reescalado: explicación de la generación de múltiples fotogramas y Xe Low Latency
XeSS 3 ya no es solo el escalador de Intel. Ahora combina Super Resolution, Frame Generation, Multi Frame Generation y Xe Low Latency, con hasta tres fotogramas generados por IA por cada fotograma renderizado en hardware Intel compatible.

DirectX se está convirtiendo en una plataforma de ML: qué significan el álgebra lineal y los sombreadores neuronales para los futuros juegos
DirectX está yendo más allá de los sombreadores gráficos tradicionales. Microsoft está añadiendo álgebra lineal acelerada por hardware directamente a HLSL y una ruta separada para modelos de ML más grandes, sentando las bases para texturas neuronales, materiales aprendidos, iluminación neuronal y otras técnicas de renderizado impulsadas por IA.

Windows Auto SR no es DLSS: cómo funciona el escalado por NPU sin integración en el juego
Windows Auto SR puede reescalar juegos compatibles sin integración de DLSS, FSR o XeSS. En lugar de ejecutar el modelo de reconstrucción dentro del juego en la GPU, Windows utiliza la NPU para reconstruir una imagen de mayor resolución a partir de un renderizado de menor resolución.

DLSS 4.5 6X: Por qué 300 FPS no significa que el juego esté renderizando 300 fotogramas
DLSS 4.5 puede generar hasta cinco fotogramas adicionales por cada fotograma renderizado de forma tradicional en las GPU RTX Serie 50 compatibles. Esta guía explica la diferencia entre los FPS renderizados y los FPS mostrados, por qué se pueden evitar los cuellos de botella de la CPU en la capa de presentación y por qué la latencia aún debe medirse por separado.

Por qué los juegos de PC se entrecortan al compilar shaders — y cómo la entrega avanzada de shaders lo cambia
El tartamudeo de shaders ocurre cuando un juego de PC tiene que compilar programas de GPU en el momento equivocado. Microsoft Advanced Shader Delivery traslada gran parte de ese trabajo fuera del PC del jugador al preparar shaders específicos para el hardware con antelación y entregarlos junto con el juego.
Claridad de movimiento: Por qué ocurre el desenfoque y las soluciones que realmente funcionan
El desenfoque de movimiento no es solo un ajuste — es sincronización más persistencia. Aprende el orden práctico: modo correcto, frecuencia de actualización correcta, luego los pocos arreglos de claridad que importan.
Recetas de límite de fotogramas: Objetivos estables para configuraciones con y sin VRR
Un buen límite se siente mejor que los picos inestables. Usa estas sencillas recetas de limitación para estabilizar el ritmo de fotogramas en pantallas VRR y no VRR.

AMD FSR Redstone no es solo FSR 4: escalado, generación de fotogramas, regeneración de rayos y caché de radiancia explicados
El nombre de FSR de AMD cambió porque FSR ya no es una sola función. Redstone es ahora una suite de renderizado neuronal con tecnologías separadas para el escalado, la generación de fotogramas, la reconstrucción de trazado de rayos y la iluminación global aprendida.
¿Los 120Hz se sienten peor? Lista de verificación de diagnóstico (Modo incorrecto, rango de VRR, límites)
Una mayor frecuencia de actualización puede exponer la inestabilidad. Usa esta lista de verificación para diagnosticar por qué los 120 Hz se sienten peor: modo incorrecto, ruta de actualización incorrecta, problemas de rango de VRR o falta de límites.