QORA CORE — Una IA de radio, entrenada desde cero

// QUÉ ES ESTO

Una IA que aprendió a jugar hasta razonar

Un modelo de lenguaje suena complicado, pero la idea es simple: es un programa que practicó millones de veces a adivinar la siguiente palabra. De ese juego, con el tiempo, salen reglas, cálculos y respuestas. Nadie bajó ni copió una IA existente: el programa entero, los ejercicios y el entrenamiento los hace la IA asistente de este proyecto — MiMo (mimo-v2.6-flash-free) — y se midió qué tan bien razona.

🔬

De nadie más

Una aclaración importante sobre el origen

Estos modelos no son la base de ningún modelo del mercado, ni vienen de ellos. Los cerebros arrancan de cero (sin pesos ajenos), los ejercicios son generados para este experimento y el código no se copió de ninguna parte. Quien escribe y entrena ese código es la IA asistente del proyecto, MiMo; el operador humano (XQ6DLW) dirige, decide y verifica. No hay API externa, ni datos de terceros, ni condiciones de ningún proveedor tecnológico — y la autoría está declarada en cada página.

Desde cero Ejercicios propios Autoría: IA + operador Final en CPU Licencia libre

// ALCANCE

Estudio experimental, sin compromiso

Esto es investigación abierta, no un producto ni un servicio. No hay empresa detrás, ni promesas de rendimiento, ni fechas garantizadas: el proyecto puede avanzar, cambiar de rumbo o detenerse según lo que digan los resultados. Quien quiera acompañarlo o trabajar con el material encontrará todo público.

🧪

Experimento, no producto

Todo lo publicado aquí es resultado de investigación medida. No se promete ningún servicio, soporte ni mejora futura: lo que funcione, se reporta; lo que no, también.

🔧

Para quien quiera trabajar con ella

Licencia libre (Apache 2.0): se puede usar, copiar, modificar y adaptar sin pedir permiso ni quedar con condiciones de nadie. Si te interesa experimentar, el material está abierto. Da igual tu nivel: principiante o avanzado — si quieres experimentar con IA libres, este proyecto es para ti.

🎓

Para los que empiezan en la radio

Puede servir de apoyo para practicar códigos Q, bandas, antenas y cálculos. Es una herramienta de estudio: no sustituye al manual oficial ni a la normativa vigente.

📚

Curso: entiende tu modelo

Curso básico por niveles, con enfoque radial: qué son parámetros, pasos, épocas y validación, cómo estudia sin olvidar y cómo entrenar el tuyo. Práctico y con la magnitud real de la flota.

Descargar curso (PDF) · … descargas

// PROYECTOS

En qué estamos trabajando

Esta página es un informe vivo: cada avance se documenta aquí para que cualquiera pueda seguir el proyecto paso a paso.

⏳

Aviso: ritmo del proyecto LeviatanB

Nuestro modelo de voz radial se entrena en una sola PC con recursos limitados (GTX 1050): cada mejora exige horas de cómputo, por lo que las actualizaciones llegan despacio. Gracias por la paciencia.

LeviatanB · granja local

🎬

Video: tutorial de IA

🧠

QoraCore — el modelo actual

El cerebro de la etapa E2. Es pequeño, corre en cualquier PC y aprendió razonamiento: primero lógica, después matemáticas y, en la fase que viene, radioafición. La etapa cerró el 25 de septiembre con 39.000 pasos y su mejor error de validación: 0,6029 (paso 39.000).

E2 completado · 39.000 pasos

Modelo E3_p1000 (texto, 68,6 MB, paso 1003 · val 3,93): Descargar pesos · … descargas · Ficha

📚

Textos E3

¿Qué hacer para entrenar? 1) Descarga textos y un modelo (.npz). 2) Abre el Entrenador v0.1.12, elige tus archivos + modelo. 3) Pon 3 épocas para memorizar (o tiempo). 4) Pulsa Entrenar: adapta vocabulario, mezcla repaso, cuida no olvidar e informa al final.

Mixto gramática+mates (10 MB): Descargar · … descargas

E3 mixto-v1: train · val (…/…)

⚛️

QoraXQ — la nueva versión (v0.2.0)

La segunda generación, con mejoras de diseño (menos memoria, más capacidad y protección contra el olvido) y dos novedades de fábrica: más cerebro desde pequeña — 4 tamaños, el recomendado con ~19 millones de parámetros (casi 6× el diseño inicial) — y arranque cálido: un curso de "primaria" pre-entrenado que se fabrica una vez y deja el modelo listo para que ningún estudio futuro empiece desde cero. La primera base (tamaño medio) cerró el 26 de septiembre en el paso 778 y se publicó con su ficha.

v0.2.0 · fabricando la base pre-entrenada

Modelo QoraXQ_778 (radio gen2, 173,3 MB, paso 778 · val 1,96): Descargar pesos · … descargas · Ficha

📚

Textos QoraXQ

Corpus radial para la gen2. ¿Cómo? Igual que arriba: Entrenador + modelo + 3 épocas.

QoraXQ radio: corpus (… descargas)

🧪

CubaCore — experimento en dos frentes

Matemáticas: la mejor base hasta ahora y estable — cerró con error de validación 0,839 tras 24.000 pasos; en la evaluación estricta saca 43,3% (26 de 60), con sumas y divisiones al 80%. La extrapolación sigue en 0% (fuera de lo estudiado se equivoca). Radio: la prueba corta aprendió de verdad (error 3,5 → 0,19, −80%) y no dañó las matemáticas (volvió a 0,811, mejor que antes); pero el entrenamiento largo se hizo sin el método de 4 fases: se sobreajustó (el error subió hasta 0,360), pierde las preguntas tramposas (7,85) y la generación de texto aún sale incoherente. Falta correr el plan completo de 12k con las 4 fases (~3,8 h).

En desarrollo · matemáticas + radio

📻

Fase de radioafición

La siguiente etapa del entrenamiento: un banco de preguntas de radio (bandas, códigos Q, antenas, propagación, normativa básica) que se diseña con sus pruebas de verificación antes de entrenar.

En preparación

// MODELOS

Las familias de modelos

Cada familia tiene un objetivo distinto y un estado propio. Todas comparten la misma doctrina: código verificado matemáticamente (gradcheck), corpus con examen de origen que nunca se toca, y formato final .npz para CPU y RAM — hardware modesto, sin nube.

Familia	Objetivo	Parámetros	Estado
E3 (1.ª gen., texto)	Razonamiento y lenguaje base, letra por letra	6,45 M	Publicado (E3_p1000, val 3,93)
QoraXQ (2.ª gen., radio)	Lenguaje radial: formato Q, frecuencias, unidades	19,24 M	Publicado (QoraXQ_778, val 1,96)
E4 (3.ª gen., investigación)	Arquitectura moderna (RoPE, GQA, SwiGLU); banco de pruebas del método	6,4 / 17,5 / 37,5 M	Diseño verificado (gradcheck 60/60); sin entrenar
Leviatán (fluidez, caracteres)	Habla radial fluida letra por letra, contexto largo (256)	21,3 M	Aparcado en paso 21.600 (mejor 2,21); corpus de 165 mil líneas
LeviatanB (fluidez, subpalabras)	Lo mismo que Leviatán pero por trozos de palabra (BPE, ~4.000 piezas): vocabulario real desde el inicio	17,49 M	e4 en entrenamiento (oct 2026): paso ~350.000 de 415.000 en dieta de turnos, mejor 3,24, voz 5/10 — ya está mejorando en la granja con GPU. EXP-001 quedó archivado (48.211 pasos, mejor 2,49, techo de datos)
Meteoro (variante temporal)	Hermano de Leviatán con memoria de promedio móvil (EMA) para estabilidad	~21 M	En diseño; sintaxis verificada

Criterio de avance: un modelo solo se declara «mejor» si mejora el promedio de las últimas evaluaciones sin que el examen de origen (validación reservada) empeore. Todo «mejor» se firma con nombre de familia, paso y tamaño (p. ej. E3_mixto_6M).

Modelos publicados: entrenamiento en curso. Los pesos publicados (E3_p1000, QoraXQ_778) no son modelos terminados: son puntos de control intermedios que cualquiera puede seguir entrenando con el Entrenador Qora (tus textos + el .npz + 3 épocas) o con los scripts y corpus publicados junto a cada uno. Si continúas uno, documenta desde qué paso partiste y con qué datos: así el avance se puede comparar y acumular entre colegas.

Formato .npz: simple por diseño. En vez del formato comercial (.pt/.bin, atado a una librería concreta), los modelos de la casa se guardan en .npz: un solo archivo comprimido estándar de NumPy con los pesos, el vocabulario y los metadatos (arquitectura, paso, sello de verificación) adentro. Ventajas: se abre con cualquier herramienta científica sin instalar frameworks pesados, pesa menos, cada pieza viaja con su nombre (auditable tensor por tensor), responde fluido en CPU y RAM comunes — genera palabra por palabra en fracciones de segundo sin placa de video — y pasa de un programa a otro sin conversión — y si se necesita el formato industrial, el ConversorQora lo traduce en ambos sentidos.

● en entrenamiento · ya está mejorando

La cuarta iteración de la familia LeviatanB — 17,49 millones de parámetros que habla por subpalabras (BPE ~4.000 piezas). Sigue la dieta de turnos (corpus fase 3: 8,89 M de pares pregunta→respuesta) en la granja propia, paso ~350.000 de 415.000, y ya produce vocabulario radial real sin roturas de palabra.

Mejor loss 3,2375 · voz 5/10 en la batería estándar (objetivo 7/10) · semilla 7 · formato .npz para CPU y RAM.

Pesos públicos próximamente: este modelo todavía no se descarga — se publicará su .npz cuando hable con fluidez, con ficha, corpus y contadores como los demás.

// CÓMO FUNCIONA

Se desarmó, se reescribió, se verificó

La técnica del proyecto es la ingeniería inversa: estudiar cómo funcionan las IA modernas hasta entender cada pieza, volver a construirla con las propias manos y comprobar la matemática antes de enseñar nada.

🔍

1. Desarmar

Se estudió el mecanismo de las IA de lenguaje modernas hasta poder explicarlo pieza por pieza. Nada se tomó por fe: todo se derivó y se midió.

✍️

2. Reescribir

El cerebro completo fue escrito por la IA asistente del proyecto — MiMo — con matemática pura (NumPy) y sin librerías de IA: la IA redacta y entrena el código, el operador (XQ6DLW) dirige el experimento, pone el equipo y decide cada paso. Nada de código ajeno ni de pesos descargados.

✅

3. Verificar

Antes de entrenar se comprobó la matemática interna contra un método independiente: 216 cálculos comparados uno a uno, error máximo 0,0000019. Resultado: correcto.

¿Y con Ollama? — No es compatible, y es a propósito: estos modelos se diseñaron nativamente sobre CPU y RAM, con su propio formato de pesos (.npz) y su matemática escrita en NumPy. Ollama ejecuta otra familia de modelos (formato GGUF) sobre otra infraestructura; estos no pasan por ahí. Para correrlos está el servidor QoraCore incluido: los carga directo en la PC, sin nube, sin internet y sin placa de video.

📈

Se empieza chico y crece

Cómo se construye el cerebro, por etapas

No se construye un gigante de una vez. Se arranca con un cerebro pequeño, si demuestra que aprende, se le copia todo lo aprendido y se le agrega capacidad — así nunca olvida lo viejo. Es el mismo camino que recorrieron las grandes IA, solo que aquí se hace a la vista de todos y en una PC común. Cada 250 pasos se le pasa una batería de preguntas de validación; si mejora, se guarda esa versión como la mejor.

E0 → E1 → E2 31.500 ejercicios Nunca olvida lo aprendido Validación cada 250 pasos

// RESULTADOS

Cómo va hoy

Medición final de la etapa E2 — 25 de septiembre de 2026 (paso 39.000), con preguntas que el modelo nunca había visto. Se reporta tal cual, incluidas las tareas flojas — son el trabajo pendiente.

En lenguaje llano: la etapa E2 cerró el 25 de septiembre a las 06:11. En la medición final, 7 de 11 tareas quedaron al 100%, la suma al 94% y las encadenadas — que estaban estancadas en 19% hace dos días — llegaron al 81%. Multiplicación (75%) sigue siendo la tarea más floja. El error de validación final (0,6029, paso 39.000) es el mejor de toda la historia del experimento. La suite histórica cerró en 94,5% y, en la batería TEST más exigente (preguntas nunca vistas, con extrapolaciones), multiplicación y descuentos siguen flojos — los detalles, en el informe de E2.

Tarea	Acierta
Reglas lógicas (deducción)	100%
Booleanos (y / o / no)	100%
Comparaciones (mayor, menor, igual)	100%
Conversiones de unidades (km→m, h→min)	100%
Series numéricas	100%
Resta	100%
Porcentajes	100%
Resta fácil (sin prestar)	92%
Suma	93%
Multiplicación	75%
Operaciones encadenadas (a+b×c)	81%

E3_p1000 — texto (26 sep 2026)

En lenguaje llano: paso 1003, mejor val 3,93. Genera esqueleto real con relleno inventado («de que la mirsigos», «¿Ana sí paiterdo»). No sabe cuentas ni coherencia todavía.

Paso	1003
Mejor val	3,9337 (paso 1000)
Parámetros	6,45 millones
Nivel	balbuceo con forma de palabra
Falta	coherencia, vocabulario, cuentas

Ficha: nivel, qué le falta y cómo seguirlo

QoraXQ_778 — radio gen2 (26 sep 2026)

En lenguaje llano: paso 778, mejor val 1,96. Genera formato de radio real (Q:, MHz/kHz, números con unidad) sin coherencia aún. Sin bucles con la app v0.4.2. Ojo: este val no se compara con el de E3 (vocabularios distintos).

Paso	778
Mejor val	1,9632 (paso 750)
Parámetros	19,24 millones
Nivel	fragmentos de radio
Falta	discurso coherente, vocabulario, cuentas

Ficha: nivel, qué le falta y cómo seguirlo

LeviatanB — fluidez por subpalabras (e4 en entrenamiento · oct 2026)

En lenguaje llano: el linaje e4 —el mejor en voz del proyecto— corre en la granja con dieta de turnos (corpus fase 3, 8,89 M de pares pregunta→respuesta). Va en paso ~350.000 de 415.000 con mejor loss 3,2375 y voz 5/10: usa vocabulario radial real (QSO, indicativo, DX) pero aún desordena las frases. El ciclo EXP-001 anterior (48.211 pasos, mejor 2,49) sigue archivado con fecha. Objetivo declarado: 7/10 en la batería de voz; la palanca ya no son más pasos, son mejores datos.

Paso actual	~350.000 (de 415.000) · linaje e4
Mejor loss	3,2375 (dieta de turnos, fase 3)
Tokenizador	BPE, ~4.000 piezas, 3,1 caracteres/pieza
Dieta actual	corpus fase 3: turnos Q→A, 8,89 M ids + manuales y aritmética en preparación
Historial	EXP-001 cerrado 1 oct (48.211 pasos, mejor 2,49), archivado con fecha
Nivel	frases cortas casi conectadas; vocabulario radial rico; aún desordena conectores entre cláusulas
Falta	llegar a 7/10 y hablar con fluidez; palanca: estructura de los datos, no más pasos

// COMPARACIÓN

¿Y las IA gigantes?

Las IA de OpenAI y el hardware de NVIDIA trabajan a escala de centros de datos. Estos son los números públicos de cada quien — parámetros, recursos, energía y coste — y en los mismos renglones, qué busca este proyecto.

	OpenAI (los modelos)	NVIDIA (el hardware)	QoraCore (este proyecto)
Parámetros (tamaño del cerebro)	GPT-3: 175.000 millones. De los más recientes solo hay estimativas: se habla de entre 200 y 400 mil millones — OpenAI no publica cifras oficiales.	No crea los modelos: fabrica las tarjetas que los mueven (H100, Blackwell).	4,78 millones (cifra oficial del proyecto)
Hardware	Centros de datos con miles de GPUs trabajando en conjunto.	1 rack GB200 NVL72: 72 GPUs, refrigeración líquida, 3 toneladas, ≈ US$3-4 millones.	1 sola PC con CPU y 32 GB de RAM, sin placa de video.
Energía	Una consulta de ChatGPT: ≈ 0,34 Wh (cifra publicada por OpenAI, 2025). Un entrenamiento grande: 20-25 megavatios durante meses.	120 kW por rack: como decenas de casas encendidas las 24 horas.	El consumo normal de una PC común.
Coste	Se estima ≥ US$100 millones por generación de modelos (equipo y energía); para la infraestructura anunciada se habla de hasta US$500 mil millones.	≈ US$3-4 millones por rack, más su refacturación y su factura de luz.	US$0 en nube: solo la PC de siempre y su electricidad.
Objetivo	Servicio masivo por internet para cientos de millones de usuarios.	Vender cómputo a los gigantes de la IA.	Que una PC común razone por sí sola, sin internet y a la vista de todos.

En lenguaje llano: las cifras de arriba son públicas pero aproximadas (nadie publica del todo sus parámetros ni sus facturas). Aquí se va al extremo contrario: pocos parámetros — millones, no miles de millones — para que el modelo quepa en una PC común, se entrene en una PC común y cualquiera pueda abrir el archivo y ver qué hay dentro. No se compite con las gigantes: se trata de tener una IA propia, pequeña y verificable. Y por eso mismo no corren en Ollama, sino en el servidor QoraCore incluido.

// BITÁCORA

Lo que se ha hecho y qué sigue

Registro cronológico, se actualiza con cada hito.

Historial 23–26 sep: más de 20 hitos (clic para ver)

23 sep 2026

Se demostró que el cerebro funciona

El programa de entrenamiento completo, redactado desde cero por la IA del proyecto, pasó su comprobación matemática y se probó que puede crecer de etapa sin olvidar lo aprendido. También se midió la velocidad de respuesta en los tres modos posibles.

24 sep 2026

Primera evaluación de razonamiento

Se midió al modelo con cientos de preguntas: lógica, comparaciones y unidades al 100%; la aritmética con acarreo y orden de operaciones es la debilidad principal. Esa debilidad marcó el rumbo del siguiente entrenamiento.

24 sep 2026

Nuevos ejercicios para el punto débil

Se agregaron 9.000 ejercicios nuevos al entrenamiento: sumas con acarreo y operaciones con orden de operaciones (a+b×c). La validación y las pruebas finales no se tocaron, para que la comparación siga siendo justa.

24 sep 2026 · noche

QoraXQ v0.2.0: más cerebro y arranque cálido

A la segunda generación le subieron los tamaños de fábrica (nano/chico/medio/grande; el nuevo por defecto, medio, pasa de 3,3 a ~19 millones de parámetros) y ganó el comando --crear: fabrica una base pre-entrenada con warmup + escalera coseno, checkpoints reanudables y planificador CPU/RAM activo. Aprobó gradcheck (error 4,05e-06) y prueba de humo, y su primera base de 6 horas ya está en curso: ningún entrenamiento futuro partirá de cero.

24 sep 2026 · noche

Publicada esta página

Esta página pasó de ser un anuncio a ser un informe técnico vivo, en lenguaje claro: método, resultados medidos, bitácora y declaraciones de origen.

24 sep 2026 · 23:50

CubaCore: avance en dos frentes

Informe del experimento. Matemáticas: la versión v4b quedó como mejor base y estable — error de validación 0,839 tras 24.000 pasos, evaluación estricta 43,3% (26 de 60) con suma y división al 80%; la extrapolación sigue en 0%. Radio: la prueba corta aprendió de verdad (error 3,5 → 0,19, −80%) y el math quedó intacto (0,811, mejor que antes), pero el run largo se hizo sin el método de 4 fases y se sobreajustó: el error volvió a subir de 0,18 (paso 1.500) a 0,360, las preguntas adversariales quedaron en 7,85 y la generación sigue incoherente. Próximo paso: ejecutar el plan de 12k con las 4 fases (~3,8 h), sin desviarse.

25 sep 2026

Currículo v3: las encadenadas se destrabaron

Tras tres bloques de entrenamiento (con escalera de lr tipo coseno y 4.000 ejercicios nuevos de cadenas fáciles 1–12 y medias 13–24, solo TRAIN), las operaciones encadenadas pasaron de 19% a 75%, la resta al 100% estable, resta-fácil 100% y porcentaje 100%. El mejor error de validación bajó de 0,619 a 0,606. TEST y VALIDACIÓN permanecieron intactos durante todo el proceso (verificado byte a byte en cada cambio).

25 sep 2026

QoraCore v0.4.0: gestor de modelos estilo Ollama

Nueva versión del servidor: el instalador ya no incluye el modelo (105 MB, libre) — cada cual importa el .npz que quiera desde Configuración. Añadido importador de modelos, soporte para las dos generaciones (CerebroZero y QoraXQ según el meta del archivo), indicador veraz de "entrenando/detenido" por latido real, y sección de descargas en esta página.

25 sep 2026 · 06:11

E2 completado: 39.000 pasos y prueba final

Cerró antes de las 7:00: 39.000 pasos en total (27,4 h de CPU), mejor error de validación 0,6029 en el paso final (baseline 0,8886) y suite histórica del 44,8% al 94,5%. La prueba final quedó en e2_final.json: en la batería TEST limpia, suma 91,7% y resta 74,2% — multiplicación (26,7%) y las extrapolaciones siguen siendo el trabajo pendiente. Los checkpoints se guardaron firmados con la identidad Ed25519 del proyecto.

25 sep 2026 · tarde

QoraCore v0.4.1: el chat ya no se borra

Nueva versión del servidor: el chat conserva el historial, el modo y lo que ibas escribiendo al salir y volver; conmutador Agente / Solo chat (razonamiento puro del cerebro, sin herramientas); adjuntar archivos de texto al chat (el cerebro los usa como contexto y, mientras no razon sobre ellos, muestra una lectura directa de los datos claros: frecuencias, potencia, números); Configuración ahora muestra la ruta real de la carpeta de modelos con botón para abrirla; el instalador incluye qorax.py (modelos QoraXQ, gen 2) y sigue sin incluir pesos .npz. Descargable en la sección de descargas; v0.4.0 sigue disponible.

26 sep 2026

QoraCore v0.4.2: adiós al bucle «R: R: R:»

El chat se quedaba atrapado repitiendo «R: R: R:» con cualquier pregunta: el corpus de radio trae tantos reportes de señal que el modelo creía que tras todo viene «R:», y al elegir siempre la letra más probable (generación greedy) el bucle no terminaba nunca. La generación ahora distingue: en los cálculos sigue eligiendo la más probable (exactitud), y en el resto muestrea entre las probables con temperatura y penalización de repetición — el texto sale variado y sin loops. De paso se corrigió un fallo silencioso que impedía cargar modelos QoraXQ (gen 2) en el servidor: ahora cargan y responden. Probado con E3_p1000 y QoraXQ_778: 3/3 respuestas distintas por pregunta, sin bucles.

26 sep 2026

QoraXQ entrenado y primeros pesos públicos

QoraXQ terminó a las 05:36 (paso 778, nuevo mejor val 1,96 en el paso 750) y E3 cerró en paso 1003 (val 3,93). Los dos se firmaron y publicaron en Descargas con fichas (nivel, qué les falta, cómo seguirlos), corpus, scripts y contadores de descarga. Hablan por fragmentos — es el punto de partida, no la meta.

26 sep 2026

Entrenador v0.1.1: para todos, sin técnica

El Entrenador ya acepta cualquier modelo publicado con tus propios textos: adapta solo el vocabulario y avisa qué porcentaje usa. Solo se detiene si tus textos son demasiado ajenos al modelo. Principiante o avanzado: eliges textos, eliges modelo, pulses Entrenar.

26 sep 2026

Entrenador v0.1.2: val híbrida anti-olvido

Cada modelo publicado trae un examen de origen incrustado (250 preguntas de lo que ya sabe). Cada validación mide tus textos Y el origen, y solo guarda «mejor» si el origen no empeora más del 5%: el colega siempre sabe cuál es el resultado de verdad y nada se olvida en silencio. Estudios híbridos por diseño.

26 sep 2026

QoraCore v0.4.3: explorador de archivos

Configuración ahora abre y recorre la carpeta de modelos sin salir de la app (botón Explorar con navegación por carpetas). Trae todo lo de v0.4.2.

26 sep 2026

Entrenador v0.1.3: entrena solo como un experto

Repaso automático en cada lote (70% tuyo + 30% origen), retroceso solo al mejor si olvida, e informe final en cristiano (qué aprendió, qué mantuvo, qué sigue). Ya no hace falta una IA al lado para entrenar bien.

26 sep 2026

Entrenador v0.1.4: más formatos

Acepta código .py y datos .jsonl (extrae preguntas y respuestas en orden, no el JSON crudo). El diálogo de archivos y la ayuda ya los listan.

26 sep 2026

Entrenador v0.1.5: épocas y perfiles

Entrena por épocas (pasadas completas, para memorizar) o por tiempo. El programa define solo: modelo nuevo = completo, modelo entrenado = afinado suave. Y enseña con consejos cortos en cada paso.

26 sep 2026

Textos publicados con guía

Mixto gramática+mates (10 MB) y corpus por modelo, con tarjeta propia: qué descargar y qué hacer paso a paso para entrenar.

27 sep: Entrenador v0.1.6 → v0.1.12 y estado de la granja (clic para ver)

27 sep 2026

Entrenador v0.1.6: repaso al 50%

El repaso de origen sube de 30% a 50% de cada lote: con textos grandes ya no alcanza con menos. Mismo guardián anti-olvido de siempre.

27 sep 2026

Entrenador v0.1.7: el mejor modelo sí se guarda

Se corrigió que el archivo del mejor modelo no siempre quedaba guardado: ahora cada «mejor» deja su mejor_modelo.npz junto al último. El trabajo ya hecho no se perdió: seguía en el último modelo.

27 sep 2026

Entrenador v0.1.8: el mejor sale con nombre de familia

Cada «mejor» se guarda con nombre de familia, paso y tamaño (por ejemplo E3_p3150_6M.npz): se acabó el mejor_modelo.npz genérico. El programa muestra ese nombre al terminar y lo abre directo en su carpeta.

27 sep 2026

Entrenador v0.1.9: vocabulario correcto al guardar

Se corrigió que el modelo guardaba las letras de tus textos en vez de las suyas (eso lo hacía hablar con letras imposibles y hasta se caía). Tus archivos ya quedaron reparados. Cada «mejor» sale sano, con su nombre de familia.

27 sep 2026

Entrenador v0.1.10: cada sesión parte limpia

Al preparar, la sesión anterior se archiva sola (nada se borra): la gráfica y el mejor parten de cero sin mezclar entrenamientos viejos. El manual en PDF quedó actualizado a esta versión.

27 sep 2026

Curso Qora: entiende tu modelo

Curso básico en PDF, por niveles y con enfoque radial: explica todos los términos de la página (parámetros, pasos, épocas, validación, repaso, LoRA, nombres de familia) con ejemplos reales de la flota. Descargable en Alcance.

27 sep 2026 · tarde

Granja: tres frentes en curso

Leviatán medio en ProDesk (21 M, 720 h): paso 1.000 con mejor 1,92, estable. Entrenador en ProDesk sobre E3_mixto (3 épocas): textos +21% con origen estable en 1,6, sano. Xeon: tanda de 15 h parada a tiempo (textos +38% pero origen olvidado al 2,46); relanzada desde E3_p1000 limpio, 1 época, con Entrenador v0.1.10. LoRA-mixto cerró en 2,66: techo confirmado para esa mezcla. Leviatán, dieta nueva: corpus fluido de 200 mil líneas (52% únicas) + rotación automática cada 2.000 pasos; reinicio decidido desde cero (V=76, 165 mil líneas) con respaldo del anterior.

27 sep 2026

Entrenador v0.1.11: barra de épocas veraz

Con 1 época la barra marcaba 100% desde el arranque. Ahora muestra el avance real (paso X de ~Y) en modo épocas. Y v0.1.12: el paso 2 separa "usar tu modelo" de "crear uno nuevo" en dos opciones excluyentes.

Historial 29 sep: aceleración GPU, LeviatanB, ConversorQora, fix de reanudación (clic para ver)

29 sep 2026

Aceleración por GPU sin cambiar de línea

La memoria del ProDesk se trasladó a un equipo ASUS con GPU GTX 1050, que hoy oficia de granja: el mismo entrenamiento avanza 17 a 20 veces más rápido (0,7 s/paso frente a 13 s/paso en CPU). La línea del proyecto no cambia: la GPU solo acelera; el formato final sigue siendo .npz para CPU y RAM, ejecutable en hardware modesto. Previamente se verificó equivalencia numérica CPU/GPU. El ProDesk quedó como equipo de respaldo.

29 sep 2026

LeviatanB: fluidez por subpalabras, primeras palabras del dominio

Se inició la familia LeviatanB (arquitectura Leviatán + tokenizador BPE de ~4.000 piezas): al operar sobre trozos de palabra, emite vocabulario real desde etapas tempranas. Al paso ~59.000 (loss ~2,47 desde 5,15) produce términos del dominio radial — concursos, DX, indicativo, "buenas tardes" — aún sin sintaxis y con episodios de repetición. Ver estado en Modelos y Resultados.

29 sep 2026

ConversorQora v0.1.0: interoperabilidad .npz ↔ .pt

Nueva utilidad que convierte modelos propios (.npz) al formato estándar de la industria (.pt) y viceversa, con verificación tensor por tensor (198/198 idénticos) y autoprueba en cada conversión. Disponible en Descargas.

29 sep 2026

Corrección del planificador al reanudar + control de repetición

Se detectó que al reanudar un entrenamiento el planificador de tasa de aprendizaje partía en su valor máximo y degradaba los pesos (loss 2,46 → 5,26). Corregido: toda reanudación parte con calentamiento suave de 200 pasos. Complementariamente, el modo de generación incorpora penalización de repetición configurable para evitar bucles de muestreo.

1 oct 2026

EXP-001 cerrado: destilación joven → medio, mejor 2,49

Base nueva de 17,49 M parámetros guiada por el joven (maestro) con destilación; a mitad del ciclo se redujo el peso del maestro (alfa 0,5 → 0,2) con autorización registrada. Cerró en paso 48.211 con mejor 2,49 sin superar al maestro (2,46): el techo son los datos, no el tamaño. La batería de habla final muestra loops persistentes: la baja del loss no alcanzó al habla. Modelo archivado con fecha; el mismo continúa en Fase 1.

1 oct 2026

MonitorQora 2.2: detección total y habla remota

Detecta entrenos solo (local y ROG) sin modelos fijos; parámetros exactos leídos del meta; descarga el npz remoto y lo somete a prueba de habla cada 15 min; veredicto de tendencia con umbral honesto y estado TERMINADO al cerrar cada ciclo.

1 oct 2026

Fase 1 en marcha: manuales + aritmética

1.410 archivos de manuales (892 PDF, 3,8 GB) en extracción de texto español + 5.500 cuentas de antenas generadas (dipolo, ROE, Ohm, longitud de onda). El agente QoraCore ya trae herramientas de radio y cálculo listas para el cerebro.

5 oct 2026

Batería de voz estándar: el proyecto ya mide «cuánto habla»

Nueva evaluación fija y reproducible para toda la flota: frases abiertas («Hola», «En la radio el…») con tres semillas, temperatura 0,8 y réplica 1,15, puntuadas de 0 a 10 por coherencia, vocabulario del dominio y conectores. Aprueba quien saca 7 o más, y el veredicto se dicta contra esa vara — no contra el loss. De paso se diagnosticó y sanó un error técnico del promediado EMA (pesos viejos al inicio de cada corrida): desde hoy la batería EMA representa pesos reales.

6 oct 2026

EXP-010 cerrado: récord de pérdida y de voz (6,5/10)

+38.824 pasos en 3 h 40 con la batería completa: pérdida de 3,031 a 2,854 — nuevo récord del proyecto — y voz 6,5/10 (récord: la corrida anterior marcaba 2/10 por el error del EMA). El raw quedó en 6/10 con vocabulario rico (QSO, VFO, ionosfera) pero aún desordena los conectores. Veredicto honesto: ese linaje queda descartado porque no llegó a 7/10. Lección: el cuello de botella ya no son los pasos, son los datos — toca cambiar la estructura del corpus, no dar más tiempo a la misma dieta.

6 oct 2026

La granja corre en GPU propia: 4 horas por corrida

La nueva corrida de LeviatanB e4 arrancó en la granja local con visor en vivo: paso, loss, temperatura y uso de GPU se actualizan cada 2 segundos en el navegador, y un supervisor relanza el entrenamiento si se cae la conexión. El plan de trabajo de cada turno queda escrito en la propia granja, para que quien continúe el experimento sepa exactamente qué medir y con qué criterios.

7–8 oct 2026

Limpieza de corpus: fase4, v2, v3 y MT

La auditoría encontró la causa de los bucles: el corpus enseñaba corridas de hasta 135 puntos seguidos y miles de frases plantilla repetidas. Se podaron por etapas (fase4: runs a máx 3; v2: frases a ≤8 por millón; v3/MT con turnos TU:/EL: y prosa general al 5%). Regla nueva: ninguna frase exacta más de 8 veces por millón, y la compuerta prom-menos-mejor protege los pesos buenos.

9 oct 2026

D384 + maestro, corrida de 24 h en curso

Con el corpus MT2 (6,2M ids) y destilación del modelo joven, el LeviatanB mediano reanudó y el prom cayó de 7,7 a 3,9 con la voz recuperándose (~6/10, sin loops infinitos). Al cierre manda la batería estándar: voz ≥ 7 para seguir, si no, pivote (diálogo sintético multi-turno ya preparado, o restart e6k como último recurso).

10 oct 2026

Auditoría: eliminados los que no sirven, quedan los mejores

Se revisó modelo por modelo con prueba de voz: fuera restos de corridas fallidas y duplicados superados. Quedan los verificados: e6k (mejor voz, 6,5/10), la línea D384 (mejor 2,49), D512 @361500 y el modelo joven que guía por destilación. Las versiones viejas de programas marcadas de baja siguen descargables abajo.

10 oct 2026

LeviatanB_RA_v1 creado, entra a entrenar

Nuevo modelo mejorado con vocabulario propio de palabras enteras (16,6M parámetros), diseñado con todo lo aprendido: corpus dialogado, turnos marcados y destilación. Entrenándose en el equipo local en cuanto cierre la corrida actual.

10 oct 2026

Línea e4 dada de baja

La familia e4 (D384/D512) quedó ~~descartada por voz estancada ~5/10~~ DE BAJA: buen léxico pero sin coherencia tras todas las corridas. Se conserva solo como referencia y maestro.

10 oct 2026

En entrenamiento: e6k revival (voz 6,5 → mejor marca 2,77)

El mejor linaje medido continúa mejorando su récord. En paralelo, variante fresca D384 en segunda máquina y el modelo mejorado RA-v1 listo para entrar.

Batería de cierre y decisión

Al terminar las 24 h: batería estándar al EMA. Si la voz llega a 7, se sigue con esta receta; si no, entra el diálogo sintético multi-turno (15.000 QSO coherentes ya generados) o, en última instancia, restart e6k con tokenizador nuevo.

// LIMITACIONES

Lo que no es este modelo

Un informe serio también dice sus límites. Esto está fuera del alcance actual:

⚠️

Puede equivocarse en cálculos

Aprende patrones, no fórmulas mágicas: fuera de sus rangos de práctica se equivoca. Toda respuesta crítica debe verificarse.

📰

Sin datos en vivo

Corre sin internet: no trae índices solares del día, ni normativa actualizada. Es conocimiento congelado en su entrenamiento.

⚖️

No es fuente oficial

Sirve para estudiar y practicar, pero no reemplaza al manual de licencia ni a la normativa oficial. Verifica siempre con fuentes oficiales.

// DESCARGAS

Lleva QoraCore a tu PC

Instalador y manuales de la última versión, servidos desde este mismo servidor. Sin registro, sin nube: se baja y se usa en tu máquina.

📦

QoraCore — servidor local (instalador Windows)

QoraCore es un servidor: un programa que corre en tu propia PC (solo 127.0.0.1) y atiende a la aplicación de escritorio. El instalador trae ambos: el servidor local, el agente con herramientas de radio, el chat persistente (historial y modo se conservan al salir), archivos adjuntos en el chat, el panel de entrenamiento y el gestor de modelos estilo Ollama. Incluye su propio Python embebido: no hay que instalar nada más. Sin nube y sin telemetría.

🧪 BETA v0.4.4 — novedad: el agente ahora puede buscar en internet (opción apagada por defecto; solo sitios permitidos que tú eliges, con cita de resultados). Además trae corpus de herramientas renovado y detección de intenciones más precisa. Está en beta justamente porque es lo nuevo: si algo falla, vuelves a la estable de abajo.

Descargar v0.4.4 beta (100 MB) · … descargas

✓ ESTABLE v0.4.3 — la versión recomendada para el día a día: probada, sin la búsqueda en internet.

Descargar v0.4.3 estable (105 MB) · … descargas

¿Ya tienes la anterior? ~~v0.4.2 (105 MB)~~ DE BAJA · … descargas

📘

Guía de inicio (PDF)

Instalación paso a paso, cómo importar tu primer modelo, qué herramientas funcionan sin modelo y preguntas frecuentes. Léeala antes del primer arranque — incluye cómo resolver el aviso de Windows por falta de firma digital.

Descargar guía (PDF) · … descargas

📗

Manual QoraXQ en lenguaje sencillo (PDF)

La segunda generación de la línea: qué mejora frente a la primera (RoPE, GQA, SwiGLU, memoria de repaso, autonomía CPU/RAM) y la línea de entrenamiento que seguirá. Escrito para cualquier persona, sin tecnicismos.

Descargar manual (PDF) · … descargas

🎓

Entrenador Qora v0.1.12 — instalador Windows

Programa aparte (105 MB) para enseñarle temas nuevos a un modelo con tus propios archivos: eliges los textos, eliges el modelo (sirve cualquiera de la familia Qora, o creas uno nuevo) y el programa estudia por ti. Con barra de tiempo restante y gráfica de aprendizaje en vivo. Sin consola, sin internet, sin conocimientos técnicos. Incluye su propio Python: no hay que instalar nada más. El paso 2 ahora separa usar tu modelo o crear uno nuevo en dos opciones excluyentes, sin confusión.

Descargar Entrenador (105 MB) · … descargas

¿Ya tienes el anterior? ~~v0.1.11~~ DE BAJA · … descargas
📘 Manual del Entrenador (PDF) · … descargas — cómo funciona, qué esperar y FAQ.

🔄

ConversorQora v0.1.0 — puente .npz ↔ .pt

Convierte modelos de la casa (.npz) al formato estándar de la industria (.pt) y de vuelta, sin perder ni un número: cada conversión pasa autoprueba pieza por pieza. Para llevar tus modelos a otros programas o traerlos de vuelta. Sin consola, sin internet.

Descargar Conversor (79 MB) · … descargas

Cambios en v0.4.4 (beta, 1 oct 2026):

El agente busca en internet (opcional): nueva herramienta «buscar en internet» que cita títulos, sitios y fragmentos de los resultados. Viene apagada por defecto: enciéndela en Config → «Búsqueda en internet» solo cuando quieras. Tú eliges la whitelist de sitios permitidos (vacío = todos). Si está apagada o no hay conexión, lo dice claro y responde con lo que sabe.
Intenciones más precisas: el detector de herramientas ahora desempata a favor de la más específica («busca en internet antena dipolo» ya no cae en la calculadora de antenas) y el corpus de entrenamiento incluye peticiones de búsqueda.
Las demás novedades de v0.4.3 se mantienen (historial en el chat, generación sin bucles, modelos QoraXQ).

Cambios en v0.4.3 (26 sep 2026):

Fin del bucle «R: R: R:»: la generación distingue cálculos (elige la letra más probable, exactitud) del resto del texto (muestreo con temperatura 0,8 y penalización de repetición): respuestas variadas, sin loops infinitos.
Modelos QoraXQ arreglados: se corrigió un fallo que impedía cargar los .npz de segunda generación; ahora el servidor los detecta, carga y genera con ellos.
Las demás novedades de v0.4.1 se mantienen:

Cambios en v0.4.1 (25 sep 2026):

Chat persistente: el historial, el modo y el borrador quedan guardados en tu navegador al salir y volver; botón «Borrar chat» para empezar de cero.
Modo Agente / Solo chat: conmutador para razonar solo con el cerebro (sin herramientas) o dejar que el agente piense, ejecute y responda.
Archivos en el chat: adjunta .txt, .md, .log, .csv o .json (hasta 200 KB); el cerebro lo usa como contexto y, si aún no puede razonar sobre él, se muestra una lectura directa de los datos claros (frecuencias, potencia, números).
Carpeta de modelos visible: Configuración muestra la ruta real de tu carpeta de modelos y un botón «Abrir carpeta de modelos».
QoraXQ (gen 2) dentro del instalador: incluye qorax.py, así los .npz de segunda generación cargan directamente; igual que antes, sin pesos incluidos.
Servidor: puerto configurable (QORACORE_PORT) y API del agente con modo y adjuntos.
Modelos detectados solos: si copias un .npz a mano a la carpeta de modelos, aparece en Configuración y se activa automáticamente — la página Info del modelo también lo usa (antes salía error de archivo no encontrado).

⚠ Importante — ya con modelos: los instaladores NO incluyen el modelo (los primeros pesos .npz ya están publicados arriba). La app funciona desde el primer minuto con sus herramientas (calculadora, bandas, dipolos, códigos Q, DXCC, archivos...), pero la parte de generación de la IA requiere un modelo: por ahora cada cual importa el suyo desde Configuración → Importar modelo. E3_p1000 (texto) y QoraXQ_778 (radio gen2), con fichas, corpus y contadores de descarga.

// VISITAS

Quién está viendo esto

Contador de visitas de este informe, desglosado por países. Se actualiza solo y también muestra quién está en línea ahora mismo.

—

visitas totales

… en línea ahora

◉… visitas hoy

Tu país: …

Contador activo desde —

Cargando contador…