**ECHO-4.5 · evidencia de cierre y viabilidad de medición ARC** Corte de evidencia: **9 de octubre de 2026, 00:30 Europe/Madrid**. Nota operativa actualizada a las 00:44. Documento privado de consulta; no ejecución, envío ni declaración de cierre ya conseguido. Decisión actual del propietario: **terminar B24; después medir ARC-1/2/3 y cerrar oficialmente ECHO-4.5 aunque S6 siga rojo, cualquiera que sea el resultado**. Cerrar la versión no convierte un criterio científico fallido en aprobado. B24 se implementó en un trabajo separado y se envió a Kaggle a las 00:40 Madrid. **Sin resultado medido confirmado** en este corte; el estado operativo posterior está en el [registro de ejecución](ECHO45-S6-B24-RUN-20261009.md). [NOW](NOW.md) y el [roadmap específico](ECHO45-ECHO5-ROADMAP.md) todavía describían B24 como plan el 8 de octubre; ese estado documental no sustituye la actualización actual. Aquí solo se preparan opciones de evaluación. La revisión leyó primero el [spec NEXUS-0](05-NEXUS-0-SPEC.md), después estado, informes, resúmenes agregados y código de los adaptadores. Los resultados siguientes proceden de auditorías ya registradas: **no se repitieron experimentos ni se leyeron resultados por tarea de exámenes sellados**. No se modifican contratos, fuentes congeladas, NEXUS-0, observadores ni `echo-discord`. **Capacidades confirmadas y alcance.** «Solo» significa sin llamadas LLM en esa condición; no implica aprendizaje sin estructura o primitivas humanas. | Capacidad / fuente ejecutable | Resultado confirmado | Solo / LLM | Alcance y límite | |---|---|---|---| | Cuerpo, reparación, relaciones y tribu heredados de ECHO-4 | [INTEGRATE-1](ECHO4-INTEGRATE1-RESULTS.md): 16 semillas, 256 ticks; mantenimiento 3.080 frente a 2.341 unidades de trabajo, preguntas 4.379 frente a 6.145 del control; 112/112 casos adversos. | Solo. | Mundos discretos definidos por el laboratorio. La tribu alimenta al cuerpo, pero el coste corporal no cambia sus decisiones sociales; el orden fijo resuelve más temas gastando más consultas. | | Continuidad, identidad y verificación de testimonios | [INTEGRATE-1](ECHO4-INTEGRATE1-RESULTS.md): 48/48 reanudaciones exactas y rechazos de huella errónea; cero hechos falsos frente a 30 sin cortafuegos. | Solo. | Conservación de estado y evidencia en ese contrato; no prueba de conciencia ni de alucinaciones cero fuera del dominio. | | Dreaming sobre ramas registradas | [DREAM-D v3](ECHO4-DREAM1-D-V3-RESULTS.md): 900/960 diagnósticos frente a 640/960 fijo y 721/960 aleatorio; 60 abstenciones y replay exacto. | DREAM y control sin Qwen empatan en 900/960. | Selección de pruebas corporales de un catálogo humano con presupuesto 12; ramas ausentes producen desconocido. Una mejora inicial, sin mejora recursiva ilimitada ni ventaja exclusiva del LLM. | | Núcleo situado: [loop](../nexus0/loop.py), [Q](../nexus0/qtable.py), [T](../nexus0/world.py), [gate](../nexus0/gate.py) | [Regresión documentada](ECHO45-NEXUS0-VALIDATION-20260930.md): 488 pruebas, un fallo esperado histórico, sin fallos inesperados. | Solo; córtex apagado en el banco basal. | WSP16, CAM, política y transición discreta. La regresión no acredita todos los objetivos de sus extensiones. Software: no hay AKD1000 ni medición energética de NPU. | | EGO-MEMORIA-3E: [diario](../seed/village3_receipts.py) | [Cierre](ECHO45-EGO-MEMORIA3-RESULTS.md): M1–M5 pasan en 16/16 semillas nuevas; M6 reproduce exactamente 16/16. Desarrollo: coste 748.872 → 733.548, −2,05 % agregado. | Solo. | Escritura selectiva, verificación aprendida y efecto causal de recuerdos en la aldea. La factorización causal es programada; no demuestra transferencia universal ni incorporación completa al núcleo. | | V3 relacional e integración: [DSL](../seed/relational_dsl.py), [solver](../seed/relational_solver.py) | [V3](ECHO45-RELATIONAL-V3-RESULTS.md): DSL anterior 64/192; relacional 160/192; candidato integrado **192/192**. | Solo, CPU. | Seis familias sintéticas diseñadas por el laboratorio. Representación y orden de enumeración cambian juntos; no se separa su contribución. No es una puntuación ARC. | | Memoria ARC y política V3: [adaptador](../seed/arc_memory.py), [política](../seed/arc_delayed_policy.py) | [V3](ECHO45-RELATIONAL-V3-RESULTS.md): 228.192 → 184.352 unidades de trabajo en 64 tareas equilibradas (**−19,21 %**); ahorro en toda la batería **0,166 %**. Retirar el recibo pertinente: 159.040 → 5.326.494, conservando 32/32 aciertos. | Solo. | `choose/begin/charge/mature` aprende dos decisiones: recuperar primero o buscar primero. No traslada todas las políticas de verificar/escribir de la aldea. Ajuste y adquisición tienen costes propios; no hay ganancia de acierto atribuida a esta política. | | Síntesis/refinamiento: [solver V3](../seed/relational_solver.py) | [V3](ECHO45-RELATIONAL-V3-RESULTS.md): composición **32/32 frente a 0/32** sin refinamiento; composición girada también 32/32 frente a 0/32, sin memoria. | Solo. | Composición de operaciones conocidas, bajo presupuesto acotado. No acredita invención de primitivas arbitrarias. | | Multi-view: [solver V3](../seed/relational_solver.py) | [V3](ECHO45-RELATIONAL-V3-RESULTS.md): sin memoria, **160/192 → 192/192**, sin pérdidas; familia orientada 0/32 → 32/32. | Solo. | Ocho vistas, con igual techo de trabajo y coste registrado. La mejora sintética sustituye el antiguo «sin ventaja demostrada» de V2 solo en este dominio. | | Consistencia: [solver V3](../seed/relational_solver.py) | [V3](ECHO45-RELATIONAL-V3-RESULTS.md): 16 compromisos erróneos → 0 mediante **32 abstenciones** en 32 casos ambiguos; controles inequívocos 32/32 en ambos brazos. | Solo. | Evita comprometer una respuesta cuando programas compatibles discrepan; no resuelve los 32 casos ambiguos ni garantiza el test por ajustar demostraciones. | | Guía ejecutable de 500k: [ProgramGuide](../seed/verified_program_guide.py) | [Resumen auditado](../lab/seed/program-guide-20261003/primary/summary.json): **4.090/4.096** con 500k, 1.956/4.096 con 65.536, 109/4.096 sin guía; búsqueda de 32 programas 4.096/4.096. [Auditoría](../lab/seed/program-guide-20261003/audit.json): ocho semillas. | Solo. | Una propuesta por consulta, salvo el control exhaustivo. Programas suministrados y verificados, motivos conocidos con color/posición cambiados. **500.000 posiciones uint8 asociativas; no 500.000 neuronas LIF ni parámetros de un LLM.** | | Capacidad y transferencia ARC anteriores: [guía de primitivas](../seed/kenyon_capacity.py), [comparación](../seed/kenyon_arc1.py) | [ARC-1 training](ECHO45-CAPACITY500K-ARC1-RESULTS.md): base 3/250, guía 640 5/250, 500k **6/250**; 750 replays. [CAP-STRESS-1](ECHO45-CAPACITY-TRANSFER-FORENSICS.md): 99,81 % frente a 46,88 % con 65k, a 16.384 contextos, veinte semillas. | Solo. | Son condiciones distintas del GUIDE V3. El primer resultado es desarrollo conocido; el segundo, almacenamiento sintético. No justifican atribuir una ventaja ARC general a 500k. | | Memoria temporal de juegos: [actor v5.8](../echo_arc/temporal_agent.py) | [Informe S5-F2](ECHO45-H1-H3-EXAM2-RESULTS.md): **1.537/1.800** niveles frente a 1.239/1.800 de v5.7, sin regresiones individuales; 120 replays según el [roadmap](ECHO45-ECHO5-ROADMAP.md). | Solo. | Orden y conteo en ARC3-GYM sintético. No son niveles ni score del conjunto privado de Kaggle. Se consultó el informe, no sus partidas reservadas. | El [recibo agregado V3](../lab/seed/relational-v3-20261003/closure.json) declara `valid:true`, seis puertas de módulos aprobadas, 1.952 resoluciones y 512 episodios de ajuste reproducidos, pero también `ARC_improvement_certified:false`, `S6_green:false`, `release_ready:false`. Esta revisión comprobó por lectura y hash que las **19 fuentes del candidato V3 siguen coincidiendo** con su manifiesto. La reproducción registrada fue interna, en procesos nuevos con el mismo código; no una réplica externa. No hay una medición universal de «cero alucinaciones». **V3 sintético y seguimiento ARC deben conservar cifras separadas.** El [informe de integración V1/V2](ECHO45-INTEGRATION-RESULTS.md) acredita 64/64 sintéticos con memoria y 71,04 % menos aplicaciones primitivas (58,21 % incluyendo adquisición, todavía sin todos los costes auxiliares). En ARC-1 de desarrollo conocido, V2 pasó de 2/64 a 4/64; ARC-2 quedó 0/64. En el seguimiento disjunto, ambos candidatos empataron en **1/128**: **0/64 ARC-1 y 1/64 ARC-2**. Son tareas públicas de training, no una reserva externa. Ese empate no queda revertido por los verdes sintéticos V3. Las referencias históricas auditadas siguen siendo las del [informe de preparación ARC](ECHO45-ARC-PREPARATION-RESULTS.md) y el [roadmap](ECHO45-ECHO5-ROADMAP.md): | Referencia local histórica, sin LLM | Resultado | Interpretación | |---|---|---| | ARC-1, evaluación pública | 31/400 tareas exactas frente a 20/400; 7,75 % frente a 5 %. | Resultado de aquel candidato y presupuesto; no medición de V3. | | ARC-2, evaluación pública | 0/120 en ambos candidatos. | Negativo conservado; no score privado Kaggle. | | ARC-3, 16 juegos / 112 niveles del contrato | 11/112 frente a 13/112; score local con contabilidad completa 0,6436787896/100 frente a aproximadamente 0,069413/100. | Completar más niveles y obtener mayor score son métricas distintas. No sustituye el score del gateway. | **Solo frente a LLM: lo medido.** | Comparación | Evidencia | Conclusión permitida | |---|---|---| | Interfaz de lenguaje y cortafuegos | [RELEASE-1](ECHO4-RELEASE1-RESULTS.md): Phi-3.5-mini local produjo cinco afirmaciones verificadas; «humano» fue contradicho y «vivo» quedó inverificable. Caída del servidor: creencia vacía y agente operativo; parada del operador en tick 230. | El LLM redacta propuestas de afirmación; el núcleo filtra qué puede creer. Resultado acotado, sin garantía general sobre conversación libre. | | ARC-2, [DeepSeek y Qwen](ECHO4-BENCH-ARC2-RESULTS.md) | DeepSeek solo 1/30; con ECHO 2/30; control de más programas sin verificación 2/30. Qwen: 0/120 en sus tres brazos; ECHO solo 0/120. | El híbrido supera al modelo solo en esa muestra, pero empata con el control de presupuesto. No se demuestra un aporte de aciertos exclusivo de ECHO. | | ARC-3, [Qwen3-30B y ECHO](ECHO4-BENCH-ARC3-LLM-RESULTS.md) | Modelo solo 0/112 niveles; percepción 1/112; híbrido 4/112; referencia ECHO v2 solo 13/112. Los cuatro niveles híbridos los completó ECHO mediante EXPLORE. | ECHO ayuda a ese modelo; ponerlo bajo ese modelo no supera a ECHO solo. El informe tiene una corrección de scores: sus valores originales no deben citarse. | | S6 B23-R4, [cierre y autopsia](ECHO45-S6-B23-R4-FORENSICS-20261008.md) | **924 partidas; 36 llamadas/propuestas científicas LLM + 8 de preflight**. Mejor 7B y 14B: 61 → 65 niveles, pero cinco pérdidas individuales de score. 16 duplicados, 12 propuestas inactivas medidas y ocho activas con pérdidas; cero aceptadas. | Interfaz reparada y resultado negativo de búsqueda bajo ese contrato. No acredita ventaja del 14B ni S6 verde. El control humano retrospectivo 61 → 67 no es descubrimiento autónomo. | | B24 | Implementación/lanzamiento por separado; sin resultado confirmado al corte. | No atribuirle mejoras, cooperación útil ni entrenamiento de pesos antes de medir. | Las capacidades V3 de la primera tabla funcionan sin LLM. No existe aquí una comparación nueva V3 frente a LLM que permita extrapolar las cifras anteriores a cualquier modelo o afirmar superioridad general de una de las opciones. **ARC oficial disponible al corte.** Se consultaron páginas actuales de ARC Prize y las operaciones de lectura `get_competition` / `list_competition_pages` de Kaggle. Las páginas HTML de Kaggle no devolvieron texto; su contenido y calendario se verificaron mediante el conector. No se descargaron tareas. | Vía | Estado comprobado | Medición viable después de B24 | |---|---|---| | ARC-1 / [ARC Prize 2024](https://www.kaggle.com/competitions/arc-prize-2024) | Cerró el 10-11-2024; metadata actual `submissions_disabled:true`. El [programa 2026](https://arcprize.org/competitions/2026) enumera ARC-2, ARC-3 y paper, no una competición ARC-1 nueva. | Notebook de Kaggle que evalúe el [corpus oficial ARC-1](https://github.com/fchollet/ARC-AGI): 400 tareas públicas de evaluación. Informar «evaluación pública ejecutada en Kaggle»; no prometer envío tardío ni score privado oficial. | | ARC-2 / [2025](https://www.kaggle.com/competitions/arc-prize-2025) y [2026](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-2) | 2025 cerrado, `submissions_disabled:true`. Calendario 2026 abierto: entrada 26-10 y envío final **02-11-2026 23:59 UTC**. | Ruta de competición 2026: notebook sin internet, hasta 12 h, `submission.json`, dos intentos por cada salida de test. La evaluación pública del [corpus ARC-2](https://github.com/arcprize/ARC-AGI-2) sigue siendo otra medición. [Formato y requisitos](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-2/overview/evaluation). | | ARC-3 / [2026](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3) | Calendario abierto: entrada 26-10 y envío final **02-11-2026 23:59 UTC**. Notebook sin internet, hasta 9 h; archivo generado por el gateway. | Evaluación de competición: 110 juegos privados, 55 para cada leaderboard. No confundirlos con los juegos públicos o el gimnasio local. [Datos](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/data) · [requisitos](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/overview/code-requirements). | | ARC-3 público, SDK/API | [OFFLINE](https://docs.arcprize.org/local-vs-online) permite juego local; ONLINE permite scorecards. [COMPETITION](https://docs.arcprize.org/toolkit/competition_mode) impone una sola tarjeta y una apertura por entorno; Kaggle usa ese modo. | Un scorecard de juegos públicos o una entrada del leaderboard no verificado no constituye una evaluación privada de Kaggle. No se abrió ninguna tarjeta en esta revisión. | La consulta autenticada `gh repo view navywakura/echoai` del 9 de octubre confirma que el repositorio sigue **PRIVATE**, con licencia detectada como `Other`. La apertura/relicencia exigida por la página general de la competición no se presume a partir de la petición de evaluar el modelo. No está verificado que **esta cuenta pueda enviar ahora**: la consulta de historial de envíos de ambas competiciones devolvió `Unauthenticated`. El [plan local del 25 de septiembre](ARCPRIZE2026-CAMPANA.md) registraba reglas aceptadas, y el roadmap un primer envío de prueba; son antecedentes, no una comprobación actual ni una puntuación nueva de ECHO-4.5. Hay tres discrepancias oficiales que afectan a la preparación: - El timeline ARC-3 dice 26-10 a las 23:59 UTC; `new_entrant_deadline` de su metadata devuelve **11:59 UTC**. Usar la hora anterior para planificar y verificar el estado de la cuenta; no esperar al último día. [Timeline](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/overview/timeline). - La [metodología actual ARC-3](https://docs.arcprize.org/methodology) describe un tope por nivel de 1,15; la [página de datos Kaggle](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/data) conserva `min(humano/agente,1)^2`, como el runner local. Registrar versión de wheels, contadores y score devuelto por el gateway; no corregir resultados históricos ni asumir equivalencia entre esas fórmulas. - La [página general ARC Prize 2026](https://arcprize.org/competitions/2026) exige abrir código antes de recibir scores privados oficiales y menciona CC0/MIT-0; las reglas específicas de [ARC-2](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-2/rules) y [ARC-3](https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/rules) conservan CC-BY 4.0 para ganadores. Hay que aclarar esta diferencia antes de prometer una evaluación privada manteniendo todo privado. Este documento no autoriza ni realiza publicación o cambio de licencia. **Opciones accionables de runner, inspeccionadas pero no ejecutadas.** Comandos desde `/home/roger/REALRXOS/RXos/echoai`, para una fase posterior. 1. **Rejillas ARC-1/2: candidato V3 sin LLM, una tarea permitida.** [CLI real](../seed/echo45_v3.py): acepta `train` con demostraciones y `test` con entradas; `solver_input` excluye salidas de test. Devuelve predicciones o abstención, no un `submission.json` de competición. `TASK_JSON` debe apuntar a una tarea autorizada del nuevo protocolo. ```bash python3 observe.py --launch TASK_JSON=/ruta/absoluta/a/tarea-permitida.json PYTHONPATH=.. python3 -m seed.echo45_v3 "$TASK_JSON" \ --candidate lab/seed/relational-v3-20261003/primary/candidate.json ``` Variante existente: añadir `--guide lab/seed/program-guide-20261003/primary/guide500k.json`. Ambos archivos existen. Medirla como brazo separado; no seleccionar guía después de ver evaluación. Sin `--learn-to`, no se guarda un hijo aprendido. 2. **ARC-3 público de desarrollo, v5.8 sin LLM.** El [observador existente](../echo_arc/observe.py) admite v5.8 y selección explícita de juegos. Este ID pertenece al split de desarrollo y su carpeta existe; el intérprete gestionado ARC también existe, sin comprobarlo en ejecución. ```bash PYTHONPATH=.. lab/arc3/ARC-AGI-3-Agents/.venv/bin/python \ -m echo_arc.observe offline lab/arc3/environment_files \ --agent v5.8 --games bp35-0a0ad940 --budget 2000 ``` Es una opción de desarrollo con el visor anterior, no un examen oficial. El directorio contiene **24 juegos**: no omitir `--games`, porque el valor por defecto los recorrería todos. El [temporal_bench](../echo_arc/temporal_bench.py) exige exactamente ocho entornos en modo offline y no sirve directamente con ese directorio completo. No añadir observación a campañas selladas. 3. **ARC-3 Kaggle: borrador CPU v5.8 ya empaquetado.** [Script](../lab/kaggle/echo45-release-20260928/preview-v58/echo45_submission.py), [constructor](../lab/kaggle/echo45-release-20260928/build.py) y [estado de preparación](../lab/kaggle/echo45-release-20260928/README.md). Inspección estática del payload: 16 fuentes con hashes válidos e iguales a sus archivos actuales; `patches:[]`, `final_profile_digest:null`. Es la base v5.8, **no V3 de rejillas ni un candidato B24**. ```bash # Solo dentro de Kaggle, con la copia del paquete y la competición adjunta: python3 lab/kaggle/echo45-release-20260928/preview-v58/echo45_submission.py ``` El script distingue ensayo offline de `KAGGLE_IS_COMPETITION_RERUN` y conecta al gateway en el segundo caso. El parquet ficticio del ensayo offline solo satisface formato: no demuestra una puntuación. Falta ensayo privado con los wheels actuales. No regenerar el borrador histórico en su sitio: `build.py preview` escribe en ese directorio existente. 4. **Alternativa ARC-3 si el wrapper antiguo no es compatible:** adaptar ECHO en una copia nueva del [starter oficial](https://docs.arcprize.org/arc-prize-2026), con Python 3.12 y `MyAgent.is_done/choose_action`. Tras su instalación, `make notebook` construye sin subir. `make submit` sube un notebook; la evaluación oculta ocurre al enviar ese notebook a competición. Ninguna de esas fases se ha realizado aquí y el starter no integra ECHO por sí solo. **Preparación que falta, separada de los runners existentes.** - **Cerrar B24 con su resultado real**, incluido negativo o instrumento incompleto, y fijar qué actor se evalúa. Si no hay política aceptada, conservar la base e identificar expresamente cualquier brazo experimental. Cierre administrativo de 4.5 y estado científico S6 deben figurar separados. - **Crear un protocolo nuevo para la medición post-B24.** [arc_comparison.py](../seed/arc_comparison.py) está ligado a S6-B11 verde y reconstruye registros históricos: no ejecutarlo ni saltarse su guarda para esta petición. El constructor `final` también depende de la campaña antigua. Fijar candidatos, hashes, exposición previa, presupuestos, intentos, reset de estado por tarea y criterios antes de medir. Las evaluaciones públicas ya conocidas se describirán como seguimiento, sin recuperar su condición ciega. - **ARC-1/2 en Kaggle necesitan empaquetado por lote y juez separado.** No se encontró exportador V3 de competición en los módulos inspeccionados. Debe recorrer todos los IDs y tests, mantener fuera del solver las soluciones, preservar abstenciones en el informe y generar un formato válido para cada `attempt_1/attempt_2` exigido por ARC-2. Registrar cualquier predicción de respaldo como tal. Informar tanto exactitud por tarea histórica como la métrica Kaggle por salida de test, sin mezclarlas. - **Verificar acceso Kaggle y compatibilidad del gateway**: autenticación, reglas, wheels y dependencias offline, archivo de salida, reloj máximo y contabilidad de todos los reinicios. Un notebook `COMPLETE` no prueba que exista un envío de competición válido ni un score. Resolver las discrepancias oficiales indicadas; no se hacen envíos ni publicaciones desde este sidecar. - **Separar procedencia de aprendizaje y coste de inferencia.** Comparar ECHO solo, LLM solo y ECHO+LLM solo donde exista un adaptador probado, con iguales datos y presupuestos declarados. Los [adaptadores históricos ARC-2](../echo4/arc2_bench.py) y [ARC-3 LLM](../echo4/arc3_llm.py) usan servicios externos; no son entradas Kaggle offline listas. Un brazo híbrido requeriría modelo/pesos locales y su propio empaquetado. Distinguir «LLM durante investigación» de «LLM durante evaluación»: ejecutar sin llamadas un programa propuesto antes por un modelo no elimina esa procedencia. La medición posterior registrará el score aunque sea cero. Los resultados sintéticos, los seguimientos públicos y los scores emitidos por competición seguirán siendo evidencias distintas, con su versión, denominador y coste.