Qwen 32B y memoria compartida · resultados 0.10

Con el 32B se resolvieron CSV y Dependencias en este piloto. S, F, E y E con memoria compartida terminaron en 12/12; I2, en 10/12. No se rompió el empate E/F: el agente único con autorrevisión también alcanzó el máximo y gastó menos. La biblioteca evitó cuatro reparaciones, pero su adquisición todavía no se amortizó en estos doce receptores. ECHO-5.1 no queda cerrado científicamente.

Ejecución comprobada

13 de octubre de 2026, rama local research/echo-5.1-pcworld1, código congelado c25c103792bf03d4197c6e159547482b15073e3e. Sin push ni publicación. Plan previo, orquestación, perfil GPU.

255 tests PCWorld pasan en 97,446 s antes del lanzamiento.
66/66 episodios ejecutados: seis donantes y doce tareas por cinco condiciones. Donantes aceptados 6/6; receptores 58/60. Las puntuaciones de los brazos se calculan solo sobre sus doce receptores.
Auditoría integral y repetición en un proceso nuevo: ambas valid: true, sin diferencias. El contador del auditor es 3.359 registros de episodios y estudio; incluyendo las cabeceras de custodia de ejecuciones y bibliotecas, hay 3.495 registros en 135 diarios autenticados.
Las 32 fuentes del manifiesto de arranque permanecen intactas; cada ejecución también verifica su manifiesto de fuentes. Los seis archivos descargados de Kaggle coinciden con el manifiesto enviado, incluido el input privado.
Cero errores de episodio, timeouts, excesos de presupuesto; destroyed == 0 en memoria. Los dos fallos de I2 son contradicciones semánticas comprobadas. Las 630 solicitudes de inferencia/transporte registradas respondieron HTTP 200.
Las ejecuciones de código candidato siguieron en Bubblewrap/cgroup/rootfs local. Kaggle ejecutó únicamente inferencia; no recibió autoridad de verificador.

Notebook privado: rogeernavarro/echo51-scaling32-20261013, versión 1. Kaggle terminó COMPLETE; worker stopped: true. Supervisor, relay, túnel y observador de cola inactivos. El mini terminal solo conserva el diario visible.

Modelo y recursos

Qwen2.5-Coder-32B-Instruct-GGUF oficial, Q4_K_M, revisión 9d3053fce650fe1cdbdb75998c2a87add9d178ef. Archivo de 19.851.335.872 bytes; SHA256 4d64b316b5e6319d9613e0d97935d9ebd631fc7e334da400d00085eca749d085. llama.cpp b11577, contexto 4096, salida máxima 768, temperatura 0,2, seed 73 más índice de llamada, un slot. No se modificaron los pesos del modelo.

La carga real fue 65/65 capas GPU, repartidas explícitamente entre dos T4. Buffers de pesos: CUDA0=9.211,25 MiB; CUDA1=9.297,10 MiB. Uso observado tras cargar: 10.197 y 10.167 MiB respectivamente. Esto demuestra que esta configuración cabe; no presupone que cualquier contexto, lote o cuantización tenga el mismo consumo.

Preparación del worker: 391,855 s, unos 6 min 32 s.
Worker completo: 3.711,017 s, unos 61 min 51 s, sin contar la cola previa.
Suma de tiempos de los 66 episodios: 3.223,640 s. Preparación, auditorías y coordinación exterior se informan aparte; no son equivalentes a tiempo de GPU útil.
Cuota reportada: 23,98 h antes, 22,94 h después; consumo aproximado 1,04 h.
Trabajo total ejecutado: 179.731 tokens, 210 llamadas LLM y 1.756 operaciones, incluidas las dos publicaciones. No son medidas de energía eléctrica.

Kaggle estuvo unos 16 minutos en cola. Antes de iniciar cualquier episodio se separó esa espera del plazo de 1.200 s para cargar el modelo. Al reiniciar hubo que recrear la unidad transitoria de systemd, ya descargada; se corrigió con el mismo comando congelado. La consulta de logs de Kaggle también devolvió HTTP 500 mientras estaba en cola; el flujo de inferencia posterior no tuvo ese error. No se reenvió el notebook ni se repitieron selectivamente episodios. Estos eventos constan en queue-adjustment.json y queue-release.json.

Resultado por brazo

La columna 14B procede del piloto 0.8. Es una comparación histórica descriptiva: el 32B usa ambas GPU y todos sus receptores pagan una consulta de biblioteca adicional. Cambió la versión de orquestación, aunque se conservaron plantillas de prompts, aceptación, tareas objetivo, catálogo, muestreo y límites de episodio. No aísla causalmente solo el tamaño ni permite equiparar el coste físico de ambos modelos.

Condición	14B histórico	32B actual	Tokens de receptores	Llamadas LLM	Reparaciones	Herramientas
S, único con autorrevisión	6/12	12/12	20.074	28	4	246
I2, dos propuestas independientes	6/12	10/12	9.668	24	0	250
F, especialistas con orden fijo	8/12	12/12	44.621	47	4	356
E, router adaptativo sin biblioteca	8/12	12/12	42.795	46	4	380
E_shared, mismo E con biblioteca	No comparable	12/12	40.254	42	0	336

S sí realiza autorrevisión. Su contador de llamadas al rol separado critic es cero; eso no significa ausencia de crítica. También encontró y reparó los cuatro fallos de Registros/Dependencias. I2 falló ambas variantes de Registros: conservó el último elemento de una clave duplicada en vez del primero, pasando 2/4 casos finales en cada una. No fue un fallo de formato o infraestructura.

Familia, dos variantes cada una	S	I2	F	E	E_shared
Intervalos	2/2	2/2	2/2	2/2	2/2
Registros	2/2	0/2	2/2	2/2	2/2
Rutas	2/2	2/2	2/2	2/2	2/2
CSV	2/2	2/2	2/2	2/2	2/2
Paginación	2/2	2/2	2/2	2/2	2/2
Dependencias	2/2	2/2	2/2	2/2	2/2

En el candidato E de CSV00, la solución usa csv.reader. En Dependencias00, la reparación mantiene grados de entrada y ordena la frontera disponible antes de cada extracción; devuelve None al detectar un ciclo. No usó heapq en ese candidato. Se observó código que pasa los casos finitos del contrato, no una prueba de que el modelo haya memorizado un algoritmo ni de corrección universal.

E/S, E/F y E_shared/E tienen doce empates de aceptación. E gasta 4,09% menos tokens que F, pero 6,74% más herramientas. S alcanza el mismo 12/12 con 53,09% menos tokens que E, menos llamadas y menos herramientas. Este resultado no demuestra una ventaja específica del router ni de los especialistas sobre el agente único.

Qué aportó la biblioteca

Los seis donantes fueron variantes 03; los receptores, variantes 00/01 de las mismas seis familias. Se usó repair-v2, un corpus de bugs inducidos, sin forzar manualmente la primera propuesta del LLM mediante seeded_diagnostic. Los oráculos finales no se enviaron al proponente ni al crítico.

Registros03 y Dependencias03 pasaron después de una reparación: esas dos recetas se publicaron con autor, contrato, fuente, AST y recibos de refutación/reparación. Los otros cuatro donantes pasaron sin reparar y no cumplieron el filtro de publicación de esta versión. No es evidencia de incapacidad en esas familias. La biblioteca quedó congelada antes de evaluar receptores y no recibió sus resultados.

Cuatro receptores obtuvieron una receta compatible y los cuatro pasaron sin reparar; E sin memoria necesitó una reparación en cada uno. Registros reutilizó el código literalmente; Dependencias produjo el mismo AST, con diferencias de formato. La procedencia y entrega están registradas, y los candidatos se verificaron de nuevo. Es reutilización entre variantes del mismo contrato, no extracción de una abstracción parametrizada. La coincidencia de código por sí sola no prueba influencia; también puede aparecer sin una receta.

En las otras ocho tareas no hubo receta compatible. Sus diferencias pequeñas no se atribuyen al contenido de una memoria: muestreo y contextos no garantizan respuestas byte a byte idénticas aunque se declare la misma semilla.

Coste marginal de los doce receptores E_shared frente a E:

Aceptación: 12/12 frente a 12/12; reparaciones: 0 frente a 4.
Tokens: 40.254 frente a 42.795, −5,94%.
Llamadas LLM: 42 frente a 46; herramientas: 336 frente a 380, −11,58%.
Tiempo sumado de episodios: 590,752 frente a 661,327 s, −10,67% en esta ejecución.
Las críticas se conservaron: 30 llamadas al rol crítico en cada condición. No se obtuvo el supuesto ahorro de «cero críticas».

Coste completo, sin ocultar adquisición:

Componente de E_shared	Tokens	Llamadas LLM	Herramientas
Seis donantes, incluidos los cuatro sin publicación	22.319	23	186
Dos publicaciones	0	0	2
Doce receptores	40.254	42	336
Total	62.573	65	524

Las publicaciones sumaron 0,451377 s de pared y 0,401665 s de CPU. Las consultas y los tokens de las recetas ya están dentro del coste de receptores: no se suman otra vez. Frente a E sin adquisición, el total cuesta 46,22% más tokens. El ahorro marginal no amortiza aún la biblioteca; no se anuncia un ahorro global. La cuota común se aplicó a cada receptor; la condición completa tuvo seis episodios adicionales de adquisición, cuyo coste se muestra explícitamente.

Checklist de ECHO-5.1 tras esta tanda

Estado	Componente	Comprobado o pendiente
[x] Verde de implementación	Frontera Linux y contabilidad	Bubblewrap/cgroup, límites y recibos; sin fallback. Se mantiene la separación de NEXUS-0.
[x] Verde acotado	T08, entorno hermético	Rootfs Python fijado; no monta `/usr` host. Kernel/hardware y reproducción en otro equipo siguen fuera de esa identidad.
[x] Verde acotado	T10, caché pura	Implementada y ensayada previamente; desactivada en esta matriz. Los candidatos siempre se ejecutan.
[x] Verde	Proveedores 7B/14B y perfil 32B	32B real, identidad comprobada y dos GPU usadas; mismos límites declarados.
[x] Verde acotado	T12, crítica y reparación	Catorce episodios de esta tanda completan una reparación verificada. Sin minimización automática de contraejemplos.
[x] Verde acotado	CSV y Dependencias con 32B	Ambos 2/2 en los cinco brazos. No reescribe los fracasos históricos del 14B.
[x] Verde de implementación	T20, publicación/recuperación persistente	Dos recetas con procedencia; cuatro receptores compatibles pasan sin reparar.
[x] Verde de ejecución	Matriz 0.10 y auditoría	66 episodios, dos auditorías válidas, fuentes intactas y 255 tests.
[ ] Parcial	H2, utilidad neta de memoria	Evita cuatro reparaciones, con ahorro marginal; coste completo mayor. Falta confirmar amortización, transferencia negativa, controles de biblioteca fija y adquisiciones repetidas.
[ ] Parcial	T20, conceptos y transferencia general	Misma familia/contrato y AST; faltan adaptación de recetas, abstracción parametrizada, promoción/cuarentena integrada y varias generaciones.
[ ] Pendiente	H1, especialistas frente a único fuerte	Empate 12/12 con 32B; S resulta más barato. El resultado 14B anterior sigue siendo desarrollo, no confirmación independiente.
[ ] Pendiente	H3, utilidad neta del crítico	Esta matriz no aísla el crítico manteniendo todo lo demás idéntico; S también tiene autorrevisión.
[ ] Pendiente	H4, router E frente a F	Empate; menos tokens pero más herramientas. Falta controlar ambigüedad de categoría heredada y confirmar en tareas nuevas.
[ ] Pendiente	Defectos heredados del protocolo	Alinear guía/detector de `disconnected-lex-order` y corregir el atractivo de `format.content` en una tanda nueva, conservando estos resultados.
[ ] Pendiente	Confirmación independiente	Familias/bugs externos, varias semillas y donantes, controles fuertes, muestra y contrato fijados antes de medir.
[ ] Pendiente	Release reproducible	Instalación/restauración en otra máquina y preparación de artefactos publicables sin credenciales.
Aplazado	S6	No se reabre; permanece fuera de esta etapa.

Seis familias conocidas, dos variantes por familia y una semilla no equivalen a sesenta problemas independientes. H1–H4 y el cierre general de ECHO-5.1 siguen abiertos. No se alteraron presupuestos o aceptación para forzar una victoria.

Evidencia conservada

Todo en ECHO-5.1/artifacts/, ignorado por Git:

scaling32-pilot-20261013/: contrato, resultado, auditoría, ejecuciones y bibliotecas.
scaling32-control-20261013/: manifiesto de arranque, tests, evidencia GPU, transporte, análisis final, auditoría repetida, verificación y cierre.
kaggle-scaling32-output/: fuentes y logs remotos, reporte de GPU.

Los directorios de control y Kaggle son privados; contienen material de custodia o credenciales de transporte y no se publican en bruto.

Archivo del estudio	SHA256
`contract.json`	`c3c4867060bbb37b8da5d927bae21a4b98b5db12941e0516750ba5b589da3244`
`result.json`	`c240adba5c318d60e5ef77856d7edd4edc57b784ed60bb4c2a95ac115c20f476`
`audit.json`	`065167a5d112aa2491feef3a5404d3884ff393b07f9c2fdf50ac3dc5493215a5`

El reporte remoto de GPU tiene SHA256 0018c0f3cc59848239a907b882e3c8d73b236c7263bb708ce2ffd17a0479dba3.