ECHO45-CLOSURE-EVIDENCE-20261009

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. NOW y el roadmap específico 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, 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: 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: 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: 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, Q, T, gate	Regresión documentada: 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	Cierre: 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, solver	V3: 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, política	V3: 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	V3: 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	V3: 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	V3: 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	Resumen auditado: 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: 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, comparación	ARC-1 training: base 3/250, guía 640 5/250, 500k 6/250; 750 replays. CAP-STRESS-1: 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	Informe S5-F2: 1.537/1.800 niveles frente a 1.239/1.800 de v5.7, sin regresiones individuales; 120 replays según el roadmap.	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 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 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 y el roadmap:

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: 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	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	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	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	Cerró el 10-11-2024; metadata actual `submissions_disabled:true`. El programa 2026 enumera ARC-2, ARC-3 y paper, no una competición ARC-1 nueva.	Notebook de Kaggle que evalúe el corpus oficial ARC-1: 400 tareas públicas de evaluación. Informar «evaluación pública ejecutada en Kaggle»; no prometer envío tardío ni score privado oficial.
ARC-2 / 2025 y 2026	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 sigue siendo otra medición. Formato y requisitos.
ARC-3 / 2026	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 · requisitos.
ARC-3 público, SDK/API	OFFLINE permite juego local; ONLINE permite scorecards. COMPETITION 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 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.
La metodología actual ARC-3 describe un tope por nivel de 1,15; la página de datos Kaggle 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 exige abrir código antes de recibir scores privados oficiales y menciona CC0/MIT-0; las reglas específicas de ARC-2 y ARC-3 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.

Rejillas ARC-1/2: candidato V3 sin LLM, una tarea permitida. CLI real: 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.
```
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.
ARC-3 público de desarrollo, v5.8 sin LLM. El observador existente 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.
```
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 exige exactamente ocho entornos en modo offline y no sirve directamente con ese directorio completo. No añadir observación a campañas selladas.
ARC-3 Kaggle: borrador CPU v5.8 ya empaquetado. Script, constructor y estado de preparación. 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.
```
# 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.
Alternativa ARC-3 si el wrapper antiguo no es compatible: adaptar ECHO en una copia nueva del starter oficial, 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 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 y ARC-3 LLM 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.