Una arquitectura post-Transformer que conserva memoria viva entre sesiones, lleva la causalidad dentro del paso adelante e importa conocimiento como quien instala una aplicación. Y ya está entrenada desde cero.
Una memoria que sobrevive a la sesión
En pantalla
Capturas reales de la aplicación
Qué es
Crisol es el organismo cognitivo soberano: una arquitectura completa, no una mejora incremental del Transformer. Sustituye la atención cuadrática por HoloBinder, un único vector de contexto que se actualiza token a token a coste constante y sobrevive a la sesión. Ancla la representación en un espacio holográfico con regiones funcionales separadas —una axiomática, otra de invariantes físico-causales y un subespacio libre que llenan los expertos— en lugar de un continuo indiferenciado. Y mete la causalidad en el propio paso adelante con operadores do() contrafactuales, en vez de dejarla en manos de la correlación. Sobre todo: no es un paper. El primer Crisol Mini está entrenado desde cero.
Para quién
Quien necesite que su inteligencia sea suya: que corra en su hardware, recuerde entre sesiones, pueda decir quién decidió qué y no dependa de que nadie le renueve una licencia.
Cómo funciona
HoloBinder — contexto a coste constante
Un único vector h_ctx de 4096 dimensiones actualizado token a token por producto de Hadamard con decaimiento 0,95. No hay matriz de atención que crezca con el cuadrado de la secuencia: el coste por token es constante y el estado no muere al cerrar la conversación.
Memoria viva
Tres capas y ocho tipos de memoria. El organismo no empieza de cero en cada sesión: conserva lo vivido y sigue desde ahí.
Un espacio con regiones, no un continuo
NAR sostiene el razonamiento axiomático sobre 2048 ejes compartidos por todos los Crisoles —por eso un experto importado enruta bien desde el primer token— y NOE ancla los invariantes físico-causales, 256 activos en la v1.0 sobre un espacio reservado de 512. Y ninguno de los dos recorta capacidad: son proyecciones ortogonales del vector completo, no trozos suyos, así que el espacio expresivo sigue siendo los 4096 ejes enteros.
Causalidad nativa
Operadores do() contrafactuales dentro del paso adelante, no una capa de instrucciones por encima. El sistema distingue lo que correlaciona de lo que causa, y puede simular la intervención.
Agéntico, con responsable
Cuatro Z-agents con responsabilidad trazable sobre cada decisión, más seis subagentes integrados. Frente a una salida se puede preguntar quién la decidió y por qué, no solo qué salió.
Ecosistema Custodia
Contenedores de experto .crisolpkg firmados, que se instalan como quien instala una aplicación. Añadir un dominio no obliga a reentrenar el modelo entero, y el conocimiento pasa a ser un activo licenciable.
Pregunta frecuente
¿Una pérdida que empieza en 45 no es un error?
No: es el punto de partida esperado. El modelo arranca sin calibrar, peor que el azar, cruza el baseline uniforme en el paso 478 y baja hasta 3,5 (perplejidad ≈34) en 5.000 pasos, sin un solo NaN. Y lo hace habiendo visto 164 millones de tokens, menos del 1 % de una época. El dato que importa no es la perplejidad final, sino que una arquitectura nueva converge de forma limpia, medible y reproducible desde cero, con un corpus propio todavía pequeño. Es la base sobre la que escalarla.
Nada de esto hay que creérselo. Crisol tiene su propia web, con la arquitectura entera, las cifras del entrenamiento y cada fase del proyecto.
icrisol.comCrisol está entrenada desde cero sobre un corpus propio, todavía pequeño, y la arquitectura ya ha demostrado que converge limpia. Las cifras de esta ficha son las de la corrida de Crisol Mini, su primera instancia. El siguiente paso es escalarla con un entrenamiento a gran escala, y para eso buscamos cómputo: si puedes aportarlo, hablemos.
Otras construcciones