Como rodar um LLM localmente em um jogo Unity
Rode um LLM localmente no Unity: faça um protótipo de chat de NPC com o Ollama e o pacote Neocortex, veja quanto os modelos locais custam para os jogadores e quando a inferência no dispositivo compensa.
Sercan AltundasFounder of Neocortex
· Atualizado em 3 de nov. de 2026 · 8 min de leitura

Rodar um modelo de linguagem localmente no Unity significa que o cérebro do NPC fica na máquina, e não em um servidor: sem precisar de internet, nada sai do dispositivo e não há custo por mensagem. Este guia mostra a forma mais rápida de testar isso, fazendo um protótipo com o Ollama e o pacote Neocortex Ollama Support, e depois explica o que realmente envolve enviar um modelo local para os jogadores.
Três formas de rodar um modelo localmente
| Rota | Onde o modelo roda | Indicado para |
|---|---|---|
| Ollama na sua máquina | Um servidor local separado | Protótipos e testes offline |
| Um modelo embutido no build | Dentro do processo do jogo | Jogos lançados com modelos modestos |
| O runtime no dispositivo da Neocortex | Dentro do jogo, com voz | Estúdios que lançam personagens com voz no dispositivo |
Pacotes de código aberto como o LLMUnity seguem a rota embutida com o llama.cpp, deixando a lógica do personagem por sua conta. O restante deste guia cobre a rota do Ollama passo a passo, e depois o runtime no dispositivo.
Faça um protótipo com o Ollama no Unity
O Ollama baixa e roda modelos abertos no seu computador por trás de um pequeno servidor local. O pacote Neocortex Ollama Support conecta o Unity a ele, com um seletor de modelos e um exemplo de chat pronto.
Passo 1: instale os pacotes
Você precisa do Unity 6 com o SDK Unity da Neocortex instalado, já que o pacote do Ollama usa a interface de chat dele. Depois, adicione o pacote do Ollama pela URL do git no Package Manager:
https://github.com/neocortex-link/neocortex-ollama-support.git
Passo 2: instale o Ollama e escolha um modelo
Abra Tools > Neocortex > Ollama Support. A janela guia você pela instalação do Ollama e pela escolha de um modelo para baixar. Comece pequeno: modelos de alguns bilhões de parâmetros respondem rápido em uma GPU de jogos comum, enquanto os maiores precisam de muito mais memória.
Passo 3: rode o exemplo de chat
No Package Manager, abra a aba Samples do pacote Ollama Support e importe o Chat Sample. Aperte Play, escolha o modelo na lista suspensa e digite. O NPC responde com o modelo rodando na sua própria máquina.
Passo 4: chame o modelo pelo seu próprio código
O OllamaRequest do exemplo é tudo o que você precisa para ligar um modelo local ao seu NPC:
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);
}A requisição guarda o histórico da conversa por conta própria, então cada Send continua o mesmo chat.
O que a rota do Ollama não cobre
É uma ferramenta de prototipagem, e só faz chat de texto:
- Sem voz. O reconhecimento de fala e o text to speech não fazem parte dela.
- Sem emoções nem ações. Você recebe apenas texto simples de volta.
- Os jogadores precisariam do Ollama. Cada jogador teria de instalá-lo e baixar um modelo, o que quase ninguém vai fazer.
Quando o protótipo provar a ideia, o mesmo SDK Unity conversa com personagens da Neocortex na nuvem, com voz, emoções, ações e um editor visual, sem nenhum modelo na máquina do jogador. Nosso tutorial de personagens de IA no Unity cobre essa configuração.
O que realmente custa enviar um modelo local
A inferência local transfere o custo da sua conta de servidor para o hardware do jogador:
- Memória. O modelo precisa caber junto com o seu jogo na VRAM. Um modelo de 3B precisa de cerca de 3 GB no nosso runtime, e um modelo de 2B precisa de menos de 1 GB.
- Tamanho do download. Os modelos acrescentam gigabytes à instalação.
- Qualidade. Modelos pequenos são menos capazes que os grandes da nuvem, então os personagens precisam de textos mais cuidadosos e de um conhecimento mais restrito.
- Plataformas. O WebGL não consegue rodar isso, e a maioria dos celulares não tem memória sobrando.
O runtime no dispositivo da Neocortex
Para estúdios que precisam de personagens no dispositivo do jogador, com voz, a Neocortex oferece um runtime no dispositivo como plano Custom. Em um notebook com RTX 3080, ele devolve o primeiro token em 0.06 segundo e começa a falar em cerca de um segundo, com um modelo de 3B em cerca de 3 GB de VRAM, e o reconhecimento de fala e a voz rodando na CPU. Fale conosco para planejar uma implantação, e veja plataformas de NPCs com IA locais e on-premise para comparar as opções.
Vídeo tutorial
O vídeo mostra o pacote Ollama Support no Unity.
Próximos passos
Para o lado da velocidade na decisão, leia como obter respostas de voz de NPCs com IA em menos de um segundo. Para a rota na nuvem, sem nenhuma configuração nas máquinas dos jogadores, veja como fazer NPCs falarem com o ChatGPT no Unity, que compara chamar uma API por conta própria com o SDK da Neocortex. Todos os tutoriais estão no guia para criar NPCs com IA.
Perguntas frequentes
Posso rodar um LLM localmente no Unity?
Sim. A forma mais rápida é o Ollama na sua própria máquina com o pacote Neocortex Ollama Support, que oferece um seletor de modelos e um exemplo de chat. É um chat de texto para prototipagem. Para lançar IA no dispositivo para os jogadores, os estúdios podem contratar o runtime no dispositivo da Neocortex como plano Custom.
Quanta VRAM um LLM local precisa para um NPC?
Depende do tamanho do modelo. No nosso runtime próprio no dispositivo, um modelo de 3B roda em cerca de 3 GB de VRAM e um de 2B em menos de 1 GB, com o reconhecimento de fala e a voz na CPU. Modelos maiores precisam de muito mais.
Os jogadores podem usar o Ollama no meu jogo lançado?
Só se cada jogador instalar o Ollama e baixar um modelo por conta própria, o que poucos farão. O Ollama é uma boa ferramenta de prototipagem. Jogos lançados usam um serviço na nuvem ou incluem um runtime no dispositivo.
Um LLM local funciona no Unity WebGL ou em celulares?
Raramente, na prática. Builds de navegador não conseguem acessar um servidor de modelo local, e celulares têm pouca memória sobrando. Personagens na nuvem funcionam nos dois, incluindo a voz no WebGL pelo template da Neocortex.
Um LLM local é mais rápido que a nuvem?
Ele não passa pela rede, então a primeira palavra pode chegar muito rápido. Nosso runtime no dispositivo devolve o primeiro token em 0.06 segundo e começa a falar em cerca de um segundo em um notebook com RTX 3080.






