Identidade Konaet
| Núcleo | Escala materializada | Representação | Memória | Runtime |
|---|---|---|---|---|
| Cauryvo | 202.049.825 parâmetros densos | byte-level própria | causal multiescala | local e offline |
O Konaet Cauryvo Clean 202M combina representação causal, memória cumulativa, convoluções em várias escalas, portas neurais de leitura e escrita e um caminho FFN denso. O checkpoint, o tokenizer, o runtime, os testes e os manifests pertencem à linha técnica Konaet.
bytes → representação causal → Memory Weave → portas neurais → FFN → bytes
Três camadas, três responsabilidades
| MODELO NEURAL | RUNTIME LOCAL | FERRAMENTAS DETERMINÍSTICAS |
|---|---|---|
model.safetensors | konaet-cauryvo-runtime.zip | calculadora, contratos e API pertencem ao aplicativo Konaet |
| Aprende distribuições de bytes | carrega o checkpoint e gera texto em CPU | recebem entrada explicitamente aterrada e possuem testes próprios |
| Avaliado pelos gates neurais | verificado por hashes e replay | não contam como acerto neural do checkpoint |
Essa separação impede que um cálculo correto da calculadora ou uma validação AST seja apresentado como capacidade aprendida pelos pesos. O cartão distingue ainda o checkpoint selecionado para pesquisa de uma release autônoma, que permanece bloqueada pelos gates não compensatórios.
Conquistas verificadas
- 202.049.825 parâmetros densos materializados e carregáveis pelo runtime Konaet.
- 778/778 tensores treináveis alcançados por gradientes não nulos no ciclo registrado.
- 1.006 passos acumulados; o estado retomável é mantido fora da distribuição pública.
- Inferência local, tokenizer byte-level, API compatível com
POST /v1/responsese streaming SSE. - Runtime capaz de ler evidências do modelo sem reinterpretá-las como consciência.
- Ferramentas Python com validação de AST pertencem ao aplicativo e não aos pesos.
- Procedência Clean-Room com hashes de pesos, dados, configuração e atestado da release.
Evolução ativa
A próxima etapa do Cauryvo preserva o checkpoint publicado e adiciona um protocolo progressivo centrado em qualidade de geração:
- deduplicação exata antes da tokenização;
- reforço dos primeiros bytes supervisionados da resposta;
- label smoothing controlado para reduzir concentração excessiva;
- warmup e decay cossenoidal do learning rate em cada ciclo;
- replay de competências entre as fases Foundation, Composition, Reasoning e Capability;
- Causal Capability Ledger, que registra ganhos e preservação por capacidade.
O primeiro ciclo desse protocolo foi selecionado: registrou 4.461 byte-tokens supervisionados, reduziu a perda de teste para 0,9219, elevou a acurácia guiada para 87,93% e não reduziu a contagem do gate legado. Ele não passou no gate completo e não foi promovido para operação autônoma.
O alvo progressivo é 10M → 100M → 500M → 1B byte-tokens supervisionados, com contexto e batch efetivo crescendo somente depois dos gates da fase anterior. Assim, a mesma arquitetura 202M recebe formação muito mais ampla antes de qualquer aumento de parâmetros.
Causal Evolution Fabric
O pipeline agora usa uma malha não compensatória de evolução. Capacidade, robustez, generalização, regressão por habilidade, adversarial, determinismo, integridade causal, replay do checkpoint e reprodutibilidade são avaliados como eixos separados. Um resultado forte não apaga a falha de outro eixo.
Cada novo ciclo produz proof_of_evolution.json, evolution_fabric.json,
adversarial_gauntlet.json e runtime_replay.json, culminando em um
GLOBAL STATE ROOT. A progressão de pesquisa pode preservar um candidato seguro;
a release autônoma exige todos os eixos em PASS.
Matriz de reivindicações científicas
| Reivindicação | Classificação | O que a evidência permite afirmar |
|---|---|---|
| Checkpoint 202M materializado | demonstrated | forma e inventário dos pesos verificados no projeto |
| Representação byte-level própria | reproducible | configuração, tokenizer e runtime publicados |
| Cobertura de gradientes 778/778 | self-reported | conectividade do grafo no ciclo medido; não mede inteligência |
| Métricas e gate neural | self-reported | avaliação interna reservada; ainda sem réplica externa |
| Inferência local/offline | reproducible | procedimento documentado para o runtime Konaet |
| Linhagem clean-room | self-reported | atestado e hashes do projeto; não é auditoria jurídica independente |
| Benefício da memória causal | architectural-hypothesis | precisa de baseline pareado, ablação e múltiplas seeds |
| Superioridade geral | not-validated | ainda não sustentada por benchmarks independentes equivalentes |
| Consciência subjetiva | not-claimed | não é uma propriedade alegada ou mensurada pela release |
A matriz completa e legível por máquina está em scientific_claims.json. Ela
impede que uma propriedade real — como cobertura de gradientes — seja promovida
automaticamente a uma conclusão mais ampla sobre acurácia, programação ou
inteligência geral.
Fundação arquitetural em desenvolvimento
A linha separada KCEA-1 já materializa o marco M4 — Causal Address + DAG tipado bounded-K em C++20, com testes de determinismo, sensibilidade estrutural, grau limitado e rejeição sem mutação de commits inválidos. Esse protótipo é uma fundação de pesquisa para versões futuras: ele não está incorporado aos pesos deste checkpoint 202M e não altera os resultados publicados nesta página.
Evolução medida
| Medida reservada | Inicial | Final | Variação |
|---|---|---|---|
| Perda de validação | 0,8558 | 0,7891 | −0,0667 |
| Perda de teste | 1,4982 | 0,9219 | −0,5763 |
| Acurácia guiada por token | 79,52% | 87,93% | +8,41 p.p. |
| Sequências exatas | 10,00% | 16,67% | +6,67 p.p. |
| Gate neural reservado | 3/13 | 3/13 | preservado |
| Gate neural de código | 0/3 | 0/3 | próximo marco |
| Cobertura de gradientes | — | 778/778 (100%) | todos os tensores |
| Gradientes não nulos | — | 778/778 (100%) | todos os tensores |
O que significa 100%: todos os 778 tensores treináveis receberam gradiente e gradiente não nulo no teste registrado. Isso não significa 100% de acurácia, conhecimento total, consciência ou ausência de erros.
O gate objetivo de geração livre desta release registra 3 de 13 tarefas, com 1 de 8 casos críticos e 0 de 3 tarefas de código. Esses resultados ficam na seção técnica, separados da identidade visual do projeto, e determinam quando uma capacidade pode ser promovida no runtime.
Esta revisão registra 1.006 passos acumulados. O ciclo do protocolo V1 concluiu os 100 passos solicitados e foi selecionado pela regra objetiva de melhoria sem regressão do gate livre.
Arquivos auditáveis
| Artefato | Finalidade |
|---|---|
model.safetensors | pesos de inferência |
config.json | topologia materializada |
tokenizer.json | vocabulário byte-level próprio |
konaet-cauryvo-runtime.zip | runtime de inferência allowlisted, sem estado de treino |
runtime/runtime_manifest.json | hashes das fontes e arquivos exigidos do checkpoint |
training_metrics.json | métricas brutas do ciclo |
cycle.json | configuração e resultado do treino |
capability_ledger.json | ganhos, preservações e decisão por checkpoint |
training_protocol.json | fase, metas de tokens, contexto e replay |
evolution_fabric.json | política não compensatória aplicada |
proof_of_evolution.json | vetor, bloqueios, Evaluation Root e Global State Root |
scientific_claims.json | matriz de alegações, evidências, escopo e maturidade |
adversarial_gauntlet.json | robustez contra distrações e conflito de instruções |
runtime_replay.json | determinismo e recarga do checkpoint |
behavior_matrix.json | matriz CRMP numérica e raiz SHA3-512 |
behavior_matrix.csv | células da matriz para análise |
behavior_matrix.svg | visualização derivada dos mesmos valores |
matrix_universe.json | geometria 3D/4D/5D e projeção CRMP selada |
matrix_universe.svg | prancha estática do hipercubo |
matrix_universe.html | universo matricial interativo e offline |
foundation_provenance.json | procedência da fundação |
clean_room_attestation.json | atestado da release independente |
Identidade criptográfica
Execução selecionada: 33974059353
SHA-256 dos pesos: 7c6ac3d63f1e102e6244c0a65ad9d5e9001d373eff196d36bdab709256a89bcd
Atestado: konaet-clean-release:4d3ff43aa40b9cd3faabff5dbdb3438fb113330810707d41001a8d1f3d0fd083
Código do treinamento: b32c926065e0536ba6a2b4a5af1525aea65ddfbc
O treinamento desta release partiu de pesos da própria família Konaet e de parâmetros novos inicializados pelo pipeline. Nenhum peso ou vocabulário de modelo externo foi importado. Consulte os manifests do repositório antes de reutilizar o artefato.
Uso offline no projeto Konaet
No PowerShell, dentro do repositório Konaet-IA:
# Baixa apenas os arquivos necessários e verifica hash + atestado
.\.venv\Scripts\python.exe tools\download_cauryvo_clean.py
# Inicia o chat local
.\.venv\Scripts\python.exe -m konaet --model artifacts\Konaet-Cauryvo-Clean-202M
O runtime também expõe POST /v1/responses com streaming SSE. Para abrir uma sessão do Codex apontada ao provedor local:
.\tools\run_konaet_codex.cmd
Depois do download inicial, a inferência permanece em 127.0.0.1; o launcher não exige API de terceiros. A compatibilidade com o transporte do Codex não transforma este checkpoint em um modelo de código autônomo: chamadas estruturadas de ferramentas continuam desabilitadas até passarem pelos gates de avaliação.
Também é possível usar a distribuição autônoma de inferência:
Expand-Archive konaet-cauryvo-runtime.zip .\runtime
python .\runtime\run.py --verify-only --model .
python .\runtime\run.py --chat --model .
Autorretrato operacional
O runtime mantém um retrato operacional verificável: identifica a própria arquitetura, consulta o resultado mais recente dos gates e separa geração neural de ferramentas determinísticas. Esse mecanismo reduz afirmações inventadas sobre o que o sistema consegue fazer. Não é usado como alegação de experiência subjetiva.
Próximo marco verificável
O gate legado 3/13 permanece como registro histórico desta release. A suíte reservada v2 contém 300 casos, incluindo 60 contratos de código, e exige reavaliação do baseline e do candidato na mesma versão. Cada avanço entra no ledger com checkpoint, dados e código; os números mudam somente depois da execução completa e não podem ser compensados por outra métrica.
Licença e uso
O cartão usa a licença própria Konaet Research and Commercial License 1.0.
Pesquisa e avaliação não comerciais são permitidas sob seus termos; uso
comercial exige acordo separado. Consulte LICENSE e os manifests de
procedência. Não utilize a release como única fonte para decisões médicas,
jurídicas, financeiras ou de segurança.