tardı

Un codificador semántico con juez. Convierte texto en vectores, compara significados y puntúa candidatos con una confianza calibrada, y se abstiene cuando la evidencia no alcanza. Unos 14 millones de parámetros, en un cuerpo de cuatro capas con dos tamaños de salida, 256 y 128 dimensiones.

Menos de 15 MB: la tabla de tokens va en 4 bits y los pesos en 8, con la cuantización aplicada durante el entrenamiento y no añadida después. Corre en el procesador de servidores y portátiles normales, Intel/AMD (x86_64) o ARM (arm64), incluido Apple Silicon. Sin GPU, sin red y sin servicios externos.

Sí, y por construcción: el runtime calcula con productos enteros y funciones definidas operación por operación, sin que ninguna biblioteca pueda reordenarlas. Cada versión se comprueba contra una implementación de referencia y entre máquinas de arquitectura distinta, sobre un conjunto de textos congelado, antes de publicarse.

Parte de una base abierta con licencia permisiva, pero poco queda intacto. El vocabulario se reconstruye sobre el español operativo de cada dominio, conservando los términos técnicos en inglés que usan los esquemas y los ERP; el cuerpo se recorta a cuatro capas; se le añaden una proyección y un juez propios; y se entrena en tres etapas —destilación contra un maestro mayor, contraste sobre pares etiquetados y el juez— con la cuantización dentro del entrenamiento. Cada dominio repite ese trabajo con sus propios datos, su propio etiquetado y su propia calibración. La línea continúa hacia un tokenizador y una arquitectura propios, sin pesos heredados.

Con un conjunto de referencia que se construye antes de tocar el modelo y se congela: cientos de consultas escritas por personas del dominio y cientos de pares etiquetados, graduados por dos anotadores sobre una muestra para medir su acuerdo. Los candidatos salen de varios modelos y de la búsqueda léxica, para que el conjunto no favorezca a ninguno. Las particiones van por grupo —las paráfrasis de un mismo caso nunca se separan— y la partición de prueba se lee una sola vez, al final. Cada meta numérica se fija antes de comparar modelos, y cada etapa escribe un informe atado a los hashes de los datos y de la receta. Nada se aprueba por un promedio: se informa cada corte —negación, tiempo, nombres parecidos, números, preguntas en español contra etiquetas en inglés y los casos en que lo correcto es abstenerse— y ninguno puede retroceder.

No conversa, no redacta y no razona en varios pasos. En cada dominio nuevo se mide con los datos de ese dominio antes de ponerlo a trabajar, porque el vocabulario cambia de un sector a otro. Y si la calibración no alcanza sus umbrales, el juez se abstiene en vez de arriesgar: es el comportamiento previsto, no una falla.

Comercial, por versión entregada, para usarlo dentro de tu propia infraestructura. Sin telemetría ni interruptor remoto.

Hoy no: está construido para entender y evaluar, y todo en él —el tamaño, el juez, el determinismo— viene de esa decisión. La generación breve es una línea de investigación aparte dentro de la familia.