Del smoke a niveles reales: lo que resolvió ECHO

Tres reproducciones CPU y una calibración 32B con nivel alcanzado; la ruta del LLM coincidió con el explorador determinista.

Qwen2.5-Coder-32B-Instruct Q4_K_M

PCWorld, SWE-bench y calibración ARC de ECHO-5.5-v2; inferencia en 2×T4.

Primero, los resultados en gráficas

Qué construí

Amplié el planificador A* hasta 64×64, añadí candidatos de interacción por componentes de color y expuse echo.explore() para delegar en la política determinista histórica. El hijo escribe y ejecuta Python; el padre conserva el entorno, las cuotas y los recibos. Las metas siguen siendo hipótesis. A* solo garantiza rutas mínimas bajo el mapa y las acciones declaradas; no descubre la física de ARC.

El contraste principal y las reproducciones

Con tres juegos de desarrollo conocidos, semilla 73 y 600 acciones por caso, el frame completo no alcanzó niveles y la máscara de borde alcanzó uno en BP35. TU93 y S5I5 no avanzaron en ese corte. La máscara es una hipótesis y puede ocultar información útil.

Estas tres reproducciones pasaron por el sandbox y el broker. No son un 3/3 bajo el mismo presupuesto ni juegos completos ganados: cada intento paró en el primer nivel. Las fuentes permanecieron intactas y las auditorías fueron válidas.

La prueba real con Qwen32B

En dos T4 de Kaggle ejecuté Qwen2.5-Coder-32B-Instruct Q4_K_M, con 65/65 capas en GPU. El juego siguió en el host aislado. El primer intento hizo 64 acciones, gastó 2.309 tokens y no ganó niveles. Tras corregir la continuidad entre vidas y las directrices, el segundo alcanzó nivel 1 de BP35 en 247 acciones, cuatro llamadas y 10.318 tokens.

Los cuatro programas del segundo intento fueron echo.explore(steps=64). Las 247 acciones y los 248 frames coinciden exactamente con CPU: el modelo pudo delegar, pero no mejoró la ruta y añadió coste. Los protocolos cambiaron entre intentos; no es una ablación causal. Ambos workers quedaron apagados.

Repeticiones completas de niveles alcanzados

Incluyen todas las acciones y resets; la cadencia del GIF es de presentación.

Ver bp35-0a0ad940: nivel 1 real

Ver tu93-0768757b: nivel 1 real

Ver s5i5-18d95033: nivel 1 real

Qué queda abierto

Pasaron 83 pruebas de alcance definido y se preservaron los 99 archivos congelados de ECHO-5.1. Esto es aceptación funcional con progreso en entornos oficiales de desarrollo, no puntuación de leaderboard ni ventaja del LLM demostrada. Quedan el panel pareado de 25 juegos, las ablaciones ECHO solo / LLM solo / híbrido, un baseline Duck compatible y una entrada Kaggle autosuficiente. No declaro el cierre competitivo.