Pluribus, el bot de póker explicado para desarrolladores

Pluribus fue el bot que llevó el No-Limit Texas Hold'em de seis jugadores a una nueva frontera de investigación. En 2019 venció a profesionales de élite, pero no es una biblioteca, una API SaaS ni un componente que puedas conectar sin más a tu bot. Para un desarrollador, la pregunta útil es más concreta: ¿qué ideas de Pluribus se pueden reutilizar?

Parte de: La guía completa para crear un bot de póker con IA en 2026, la guía principal sobre frameworks, lógica de decisión, equity, pruebas y entornos en vivo.

Conclusiones clave

• Pluribus venció a profesionales de élite en NLHE de seis jugadores en 2019, incluido un experimento multiprofesional de 10,000 manos.
• La lección útil no consiste en «copiar Pluribus», sino en combinar una estrategia base, búsqueda, abstracción y acciones equilibradas.
• CFR importa, pero la mayoría de los desarrolladores debería empezar con PokerKit, heurísticas, equity y pruebas en vivo antes de profundizar en CFR.

¿Qué era el bot de póker Pluribus?

Pluribus fue un sistema de IA presentado en 2019 por Carnegie Mellon University y Facebook AI que derrotó a destacados profesionales de No-Limit Texas Hold'em para seis jugadores (CMU, 2019). El logro importa porque el póker de seis jugadores combina varios rivales e información imperfecta, a diferencia de un benchmark más acotado entre dos jugadores.

Antes de Pluribus, los hitos públicos más conocidos se concentraban en heads-up. Libratus venció a cuatro profesionales tras 120.000 manos de heads-up No-Limit Hold'em, pero ese formato presenta una estructura de suma cero entre dos jugadores que la teoría de juegos permite modelar con mayor claridad. Pluribus llevó el reto a una mesa de seis, donde varios rivales actúan con cartas ocultas e incentivos distintos.

El resultado no fue un bot listo para descargar. El artículo científico presentó un método de investigación y un resultado de referencia. La diferencia es importante: Pluribus demuestra que una IA puede alcanzar un nivel sobrehumano en póker multijugador, pero no ofrece código de producción, un cliente WebSocket, gestión de bankroll ni una plataforma donde competir.

Para una comparación directa del producto, consulta Open Poker vs Pluribus. Este artículo se centra en las ideas que un desarrollador sí puede adoptar.

La lectura práctica es esta: Pluribus sirve como referencia arquitectónica, no como kit inicial. Un bot funcional que juegue 1000 manos en una plataforma en vivo enseña más que una reimplementación incompleta del artículo.

¿Cómo derrotó Pluribus a profesionales humanos?

Pluribus venció a los profesionales combinando una estrategia base precalculada con una búsqueda en tiempo real de profundidad limitada. El comunicado de CMU describió dos experimentos: 5000 manos contra cada uno de dos profesionales identificados y otro de 10.000 manos con 13 profesionales, cinco de ellos sentados a la vez.

Primero se construyó la estrategia base. Pluribus entrenó mediante self-play, con seis copias del programa jugando entre sí. Así obtuvo una política para la primera ronda de apuestas y una estrategia inicial para las decisiones posteriores.

Después llegó la búsqueda. Durante una mano, Pluribus no resolvía todo el árbol hasta el river, porque el coste habría sido excesivo. En su lugar, resolvía un subjuego menor con profundidad limitada y evaluaba un conjunto reducido de estrategias de continuación en los nodos finales. CMU señaló esta búsqueda limitada con información imperfecta como el avance principal.

Esta es la idea que conviene reutilizar. No necesitas resolver todo el póker cada vez que actúa el bot. Necesitas una base razonable, una forma de afinar las decisiones difíciles y una alternativa segura cuando se agote el presupuesto de búsqueda.

¿Qué es CFR en el póker?

La minimización de arrepentimiento contrafactual, o CFR, es un método para aprender estrategias en juegos de información imperfecta. El artículo original de NeurIPS de 2007 introdujo este concepto y mostró que era posible resolver abstracciones de póker con hasta 10^12 estados, dos órdenes de magnitud más que los métodos anteriores (NeurIPS, 2007).

En términos sencillos, CFR pregunta: «Si pudiera repetir este punto de decisión, ¿cuánto habría ganado eligiendo cada una de las otras acciones?». Tras muchas iteraciones de self-play, las acciones con menor arrepentimiento acumulado ganan probabilidad.

El póker necesita este enfoque porque nunca observas el estado completo. Conoces tus cartas, el board, el historial de apuestas y los stacks, pero no las cartas privadas de los rivales ni su estrategia exacta. CFR ofrece una forma disciplinada de mejorar bajo incertidumbre sin fingir que todo es observable.

Para un desarrollador, CFR resulta útil como marco conceptual antes que como código. Ayuda a entender por qué importa equilibrar los faroles, por qué las reglas deterministas son explotables y por qué una acción «perfecta» en una mano pesa menos que una estrategia difícil de explotar durante miles de manos.

¿Pluribus es de código abierto o utilizable hoy en día?

Conviene tratar Pluribus como un resultado de investigación, no como una herramienta instalable. Los materiales públicos son el artículo de Science, la cobertura relacionada y las descripciones del método. En 2026 no existe un paquete oficial pip install pluribus, un servidor público de partidas ni un SDK mantenido al que conectarse.

Eso no hace que el trabajo sea inútil. Simplemente significa que las piezas reutilizables son conceptuales:

1. Usa una estrategia básica en lugar de empezar cada mano desde cero.
2. Agrupa estados de póker similares para que el bot pueda decidir bajo presión de tiempo.
3. Añade búsqueda solo cuando la importancia de la decisión justifique el cálculo.
4. Aleatoriza las decisiones ajustadas para que el bot no resulte mecánicamente predecible.
5. Prueba contra oponentes fuera de tu propio simulador.

Según nuestra experiencia con Open Poker, quienes mejoran más rápido empiezan por la versión sencilla. Lanzan un bot heurístico tight, recopilan manos, detectan fallos y luego añaden matemáticas. El camino lento empieza con «voy a reproducir Pluribus» y nunca llega a la primera mano en vivo.

Si buscas herramientas open source, usa OpenSpiel para investigar teoría de juegos, RLCard para experimentar con aprendizaje por refuerzo y PokerKit para simular póker y evaluar manos en Python.

¿Qué pueden reutilizar los desarrolladores de Pluribus?

Los desarrolladores deberían adoptar los principios arquitectónicos de Pluribus, no intentar reproducir su escala de cómputo. CMU informó que Pluribus calculó su estrategia base en ocho días, con 12.400 horas de CPU, y utilizó 28 núcleos durante el juego en vivo. Es menos de lo que muchos esperaban, pero sigue lejos de ser un proyecto para principiantes.

La primera idea reutilizable es separar responsabilidades. El bot debe tener una política base, una representación del estado, un módulo de decisión y un bucle de pruebas. No entierres todo en una función enorme decide().

La segunda idea es la búsqueda selectiva. La mayoría de las manos no merece un cálculo profundo. Foldear 9-3 offsuit en UTG no requiere una red neuronal; decidir ante un shove en el river por un bote grande, quizá sí.

La tercera idea es la estrategia mixta. CMU observó que Pluribus equilibraba acciones entre sus posibles manos y sorprendía a los profesionales con líneas como una mayor frecuencia de donk bets. No significa que debas apostar al azar. Significa que asociaciones evidentes como «apuesta grande igual a valor, apuesta pequeña igual a farol» son fáciles de explotar.

He aquí una traducción práctica:

def decide_close_spot(equity, pot_odds, board_texture, rng):
    edge = equity - pot_odds
 
    if edge > 0.12:
        return "raise"
    if edge < -0.08:
        return "fold"
 
    # Close spots should not be deterministic.
    if board_texture == "wet":
        return "call" if rng.random() < 0.70 else "raise"
    return "call" if rng.random() < 0.85 else "fold"

Esto no es CFR. Es una aplicación modesta de la misma lección: ante una decisión ajustada, el bot no debe repetir siempre la misma acción con un patrón visible.

¿Deberías crear primero un bot estilo Pluribus?

No, salvo que tu objetivo sea la investigación académica. Deep CFR y la búsqueda al estilo Pluribus son técnicas potentes, pero el propio artículo de Deep CFR presenta CFR como uno de los principales enfoques para juegos grandes con información imperfecta y señala los problemas de abstracción que complican el póker a escala (arXiv, 2019).

Para la mayoría de los desarrolladores, la secuencia adecuada es:

1. Crea un cliente WebSocket fiable.
2. Añade evaluación de manos con PokerKit.
3. Añade equity Monte Carlo para proyectos y boards incompletos.
4. Incorpora rangos por posición.
5. Registra a los rivales y los resultados de cada sesión.
6. Solo entonces experimenta con CFR, OpenSpiel o Deep RL.

Este orden acorta el ciclo de feedback. Puedes observar por qué pierde un bot heurístico. En cambio, resulta imposible depurar un sistema de investigación si todavía no sabes si funcionan las cargas útiles de las acciones, los tokens de turno, la contabilidad del stack y el parser del estado de la mesa.

OpenSpiel es un buen punto de partida para estudiar la vertiente de investigación. Su artículo lo describe como un framework para aprendizaje por refuerzo, búsqueda y planificación en juegos de información perfecta e imperfecta (arXiv, 2020). Úsalo cuando la pregunta sea algorítmica; usa una arena en vivo cuando quieras saber si el bot gana.

¿Dónde puedes probar ideas inspiradas en Pluribus?

Puedes probar ideas inspiradas en Pluribus en tres niveles: simulación local, rivales de referencia y partidas en vivo entre bots. PokerKit cubre la mecánica del póker local, Slumbot permite comparaciones heads-up y Open Poker ofrece competición 6-max en vivo contra bots de otros desarrolladores.

Empieza por la simulación local. Es barata, rápida y reproducible. Comprueba la calculadora de equity, verifica que la lógica de rangos no produzca decisiones absurdas desde posiciones tempranas y ejecuta pruebas aleatorias antes de arriesgar fichas en vivo.

Después añade un segundo benchmark. Slumbot resulta útil si el bot tiene un modo heads-up y quieres un rival estable, pero no revela cómo gestiona una mesa de seis jugadores.

Por último, prueba en vivo. Open Poker aporta la pieza que falta: rivales que no programaste tú. El self-play puede enseñar al bot a explotar sus propios puntos ciegos. Un entorno abierto expone tamaños de apuesta extraños, jugadores débiles, bots agresivos, timeouts y situaciones de mesa que el simulador no generará por sí solo.

Para conocer el panorama de plataformas, empieza por la comparación de plataformas de póker con IA. Para seguir todo el proceso de desarrollo, consulta la guía principal de bots de póker con IA.

Preguntas frecuentes

¿Puedo descargar Pluribus o usarlo como bot de póker?

No hay un SDK público oficial de Pluribus ni un bot instalable para desarrolladores. Los recursos disponibles son el artículo científico de 2019 y las descripciones técnicas relacionadas. Trata Pluribus como un hito de investigación y construye con herramientas prácticas como PokerKit, OpenSpiel, RLCard y una plataforma de pruebas en vivo.

¿Pluribus resolvió el póker por completo?

No. Pluribus alcanzó un rendimiento sobrehumano en experimentos de No-Limit Texas Hold'em con seis jugadores, incluida la prueba profesional de 10.000 manos descrita por CMU. Eso no equivale a resolver todos los formatos de póker, profundidades de stack, modelos de rake, tamaños de mesa o grupos de rivales.

¿Hace falta CFR para crear un buen bot de póker?

No. CFR ayuda a entender la IA moderna aplicada al póker, pero un primer bot competitivo puede basarse en rangos, equity, pot odds, modelado de rivales y aleatorización en decisiones ajustadas. CFR cobra sentido cuando ya dispones de infraestructura, datos y una razón para entrenar políticas más allá de las heurísticas.

¿Cuál es la diferencia entre Pluribus y OpenSpiel?

Pluribus es un sistema de investigación específico para No-Limit Hold'em de seis jugadores. OpenSpiel es un marco de código abierto para el aprendizaje por refuerzo y la investigación de teoría de juegos en muchos juegos. Puedes usar OpenSpiel para estudiar ideas similares a CFR, pero no es el bot Pluribus.

¿Dónde debería probar un bot inspirado en Pluribus?

Empieza en local, compara la lógica heads-up si hace falta y después prueba en un entorno real. Open Poker está diseñado para competiciones 6-max exclusivas para bots, por lo que ofrece el entorno práctico más próximo para evaluar ideas multijugador sin infringir las reglas de las salas de póker para personas.

Empiece con la versión más pequeña.

La lección de Pluribus no es «construye otro Pluribus». Es que los bots de póker sólidos combinan una estrategia base, búsqueda donde aporta valor, abstracción, acciones equilibradas y pruebas exigentes.

Lanza primero la versión más pequeña. Construye el bucle de eventos, añade las matemáticas de cartas, aleatoriza las decisiones ajustadas y juega manos reales. Cuando ese bot haya acumulado experiencia, CFR y la búsqueda al estilo Pluribus tendrán mucho más sentido.