Neocortex Logo

Cómo ejecutar un LLM en local en un juego de Unity

Ejecuta un LLM en local en Unity: prototipa chat de PNJ con Ollama y el paquete de Neocortex, mira lo que cuestan los modelos locales a los jugadores y cuándo compensa la inferencia en el dispositivo.

Sercan AltundasFounder of Neocortex

· Actualizado el 3 nov 2026 · 8 min de lectura

Ejecuta un LLM en local en Unity: prototipa chat de PNJ con Ollama y el paquete de Neocortex, mira lo que cuestan los modelos locales a los jugadores y cuándo compensa la inferencia en el dispositivo.

Ejecutar un modelo de lenguaje en local en Unity significa que el cerebro del PNJ vive en la máquina en lugar de en un servidor: no hace falta internet, nada sale del dispositivo y no hay coste por mensaje. Esta guía muestra la forma más rápida de probarlo, prototipando con Ollama y el paquete Neocortex Ollama Support, y después explica lo que implica enviar a los jugadores un modelo local de verdad.

Tres formas de ejecutar un modelo en local

RutaDónde se ejecuta el modeloIdeal para
Ollama en tu equipoUn servidor local independientePrototipos y pruebas sin conexión
Un modelo incrustado en la compilaciónDentro del proceso del juegoJuegos publicados con modelos modestos
El runtime en el dispositivo de NeocortexDentro del juego, con vozEstudios que publican personajes con voz en el dispositivo

Los paquetes de código abierto como LLMUnity siguen la ruta incrustada con llama.cpp, dejando la lógica del personaje en tus manos. El resto de esta guía cubre la ruta de Ollama paso a paso, y después el runtime en el dispositivo.

Prototipa con Ollama en Unity

Ollama descarga y ejecuta modelos abiertos en tu ordenador detrás de un pequeño servidor local. El paquete Neocortex Ollama Support conecta Unity con él, con un selector de modelos y un ejemplo de chat listo para usar.

Paso 1: instala los paquetes

Necesitas Unity 6 con el SDK de Unity de Neocortex instalado, ya que el paquete de Ollama usa su interfaz de chat. Después añade el paquete de Ollama desde una URL de git en el Package Manager:

https://github.com/neocortex-link/neocortex-ollama-support.git

Paso 2: instala Ollama y elige un modelo

Abre Tools > Neocortex > Ollama Support. La ventana te guía para instalar Ollama y elegir un modelo que descargar. Empieza con uno pequeño: los modelos de unos pocos miles de millones de parámetros responden rápido en una GPU de juegos normal, mientras que los más grandes necesitan mucha más memoria.

Paso 3: ejecuta el ejemplo de chat

En el Package Manager, abre la pestaña Samples del paquete Ollama Support e importa Chat Sample. Pulsa Play, elige el modelo en el desplegable y escribe. El PNJ responde con el modelo de tu propio equipo.

Paso 4: llámalo desde tu propio código

El OllamaRequest del ejemplo es todo lo que necesitas para conectar un modelo local a tu propio PNJ:

using UnityEngine;
using Neocortex;
using Neocortex.Data;

public class LocalNpc : MonoBehaviour
{
    private OllamaRequest request;

    private void Start()
    {
        request = new OllamaRequest { ModelName = "MODEL_NAME" }; // a model you downloaded with Ollama
        request.AddSystemMessage("You are Brannoch, a gruff village blacksmith. Answer in one or two sentences.");
        request.OnChatResponseReceived += OnReply;
        request.Send("Is the north road safe?");
    }

    private void OnReply(ChatResponse response) => Debug.Log(response.message);
}

La petición guarda por sí misma el historial de la conversación, así que cada Send continúa el mismo chat.

Lo que no cubre la ruta de Ollama

Es una herramienta de prototipado, y solo hace chat de texto:

  • Sin voz. El reconocimiento de voz y la síntesis de voz no forman parte de ella.
  • Sin emociones ni acciones. Recibes texto plano.
  • Los jugadores necesitarían Ollama. Cada jugador tendría que instalarlo y descargar un modelo, algo que casi nadie hará.

Cuando el prototipo demuestra la idea, el mismo SDK de Unity habla con personajes de Neocortex en la nube, con voz, emociones, acciones y un editor visual, y sin ningún modelo en el equipo del jugador. Nuestro tutorial de personajes de IA para Unity cubre esa configuración.

Lo que cuesta enviar un modelo local de verdad

La inferencia local traslada el coste de la factura de tu servidor al hardware del jugador:

  • Memoria. El modelo tiene que caber junto a tu juego en la VRAM. Un modelo de 3B necesita unos 3 GB en nuestro runtime, y uno de 2B menos de 1 GB.
  • Tamaño de descarga. Los modelos suman gigabytes a la instalación.
  • Calidad. Los modelos pequeños son menos capaces que los grandes de la nube, así que los personajes necesitan una escritura más ajustada y conocimientos más acotados.
  • Plataformas. WebGL no puede hacerlo, y la mayoría de los teléfonos no tienen memoria de sobra.

El runtime en el dispositivo de Neocortex

Para estudios que necesitan personajes en el dispositivo del jugador, con voz, Neocortex ofrece un runtime en el dispositivo como plan Custom. En un portátil con RTX 3080 devuelve el primer token en 0,06 segundos y empieza a hablar en aproximadamente un segundo, con un modelo de 3B en unos 3 GB de VRAM, y con el reconocimiento de voz y la voz ejecutándose en la CPU. Contacta con nosotros para planificar una implantación, y consulta plataformas de PNJ con IA locales y en las instalaciones para ver cómo se comparan las opciones.

Vídeo tutorial

El vídeo recorre el paquete Ollama Support en Unity.

Mira el vídeo en YouTube

Siguientes pasos

Para el lado de la velocidad de la decisión, lee cómo conseguir respuestas de voz de PNJ con IA en menos de un segundo. Para la ruta en la nube sin configuración en el equipo de los jugadores, consulta cómo hacer que los PNJ hablen con ChatGPT en Unity, que compara llamar a una API por tu cuenta con el SDK de Neocortex. Todos los tutoriales están en la guía para crear PNJ con IA.

Preguntas frecuentes

¿Puedo ejecutar un LLM en local en Unity?

Sí. La forma más rápida es Ollama en tu propio equipo con el paquete Neocortex Ollama Support, que te da un selector de modelos y un ejemplo de chat. Es chat de texto para prototipar. Para publicar IA en el dispositivo de los jugadores, los estudios pueden contratar el runtime en el dispositivo de Neocortex como plan Custom.

¿Cuánta VRAM necesita un LLM local para un PNJ?

Depende del tamaño del modelo. En nuestro propio runtime en el dispositivo, un modelo de 3B funciona con unos 3 GB de VRAM y uno de 2B con menos de 1 GB, con el reconocimiento de voz y la voz en la CPU. Los modelos más grandes necesitan mucha más.

¿Pueden los jugadores usar Ollama en mi juego publicado?

Solo si cada jugador instala Ollama y descarga un modelo por su cuenta, algo que pocos harán. Ollama es una buena herramienta de prototipado. Los juegos publicados usan un servicio en la nube o incluyen un runtime en el dispositivo.

¿Funciona un LLM local en Unity WebGL o en móvil?

Rara vez en la práctica. Las compilaciones para navegador no pueden llegar a un servidor de modelos local, y los teléfonos tienen poca memoria libre. Los personajes en la nube funcionan en ambos, incluida la voz en WebGL a través de la plantilla de Neocortex.

¿Es un LLM local más rápido que la nube?

Se salta la red, así que la primera palabra puede llegar muy rápido. Nuestro runtime en el dispositivo devuelve el primer token en 0,06 segundos y empieza a hablar en aproximadamente un segundo en un portátil con RTX 3080.

Artículos similares

Sigue leyendo