OMNIX Core.

La fábrica donde tu inteligencia se construye.

Entrena Specialized Domain Models (SDMs) < 20B parámetros sobre tus datos, tus reglas y tu conocimiento experto. Fine-tuning continuo con feedback operacional. Cero llamadas a modelos externos.

); // Visualización: pipeline de entrenamiento SDM con métricas vivas const CoreTrainingViz = () => { const [epoch, setEpoch] = React.useState(3); const [loss, setLoss] = React.useState(0.284); const [accuracy, setAccuracy] = React.useState(87.4); React.useEffect(() => { const id = setInterval(() => { setEpoch((e) => e + 1); setLoss((l) => Math.max(0.05, l * (0.94 + Math.random() * 0.05))); setAccuracy((a) => Math.min(99, a + Math.random() * 0.6)); }, 1400); return () => clearInterval(id); }, []); return (

CORE · TRAINING RUN #4082 EPOCH {epoch}

{/* Loss curve animada */}

LOSS

ACCURACY

GPU · IN-VPC

8 × A100

SDM: banco-fraud-v3.4.2 Params: 14.2B · Domain: banking

); }; // Loss curve descendente animada const LossCurve = ({ epoch, loss }) => { const points = React.useMemo(() => { // Genera una curva de pérdida decreciente basada en el epoch actual const arr = []; const n = Math.min(30, epoch); for (let i = 0; i < n; i++) { const x = (i / 29) * 520; const decay = Math.exp(-i / 8); const noise = Math.sin(i * 1.3) * 0.05; const y = 20 + (1 - decay + noise) * 100; arr.push([x, Math.min(140, y)]); } return arr; }, [epoch]); const d = points.length > 0 ? 'M ' + points.map(([x, y]) => `${x} ${y}`).join(' L ') : ''; return ( ); }; const CoreLifecycle = () => { const phases = [ { n: '01', k: 'DATASET', t: 'Curación', d: 'Sobre vectores de Ingest. Balanceo, sampling, splits temporales, holdouts.' }, { n: '02', k: 'ARCHITECT', t: 'Diseño', d: 'Selección de arquitectura base optimizada para el dominio: tabular, sequence, multi-modal.' }, { n: '03', k: 'TRAIN', t: 'Entrenamiento', d: 'Fine-tuning con feedback experto. GPU cluster dentro del perímetro cliente.' }, { n: '04', k: 'EVAL', t: 'Evaluación', d: 'Métricas de negocio (no de paper). Backtesting sobre casos históricos reales.' }, { n: '05', k: 'GATE', t: 'Governance', d: 'Approval flow ejecutivo. Model risk review. Firma criptográfica del artefacto.' }, { n: '06', k: 'DEPLOY', t: 'Publicación', d: 'A Runtime en modo sombra primero, luego canary, luego producción total.' }, ]; return (

Seis fases entre datos crudos y modelo en producción.

{phases.map((p, i) => (

e.currentTarget.style.borderColor = '#F4024C'} onMouseLeave={(e) => e.currentTarget.style.borderColor = '#E4EBF3'}>

{p.n} {p.k}

{p.t}

{p.d}

))}

); }; const CoreComparison = () => { const [mode, setMode] = React.useState(0); const dimensionRows = [ { d: 'Ubicación de datos', sdm: 'Tu VPC · on-prem', llm: 'API pública compartida' }, { d: 'Parámetros', sdm: '< 20B', llm: '500B – 2T' }, { d: 'Consumo · inferencia', sdm: '~13 W', llm: '~690 W' }, { d: 'Velocidad relativa', sdm: 'hasta 50× más rápido', llm: 'base' }, { d: 'Costo por decisión', sdm: 'hasta 30× menor', llm: 'base' }, { d: 'Reentrenamiento', sdm: 'A demanda · en tu VPC', llm: 'Cuando el proveedor decide' }, { d: 'Auditabilidad', sdm: 'Determinística · logs', llm: 'Caja negra' }, ]; const costRows = [ { d: 'Costo por 1M decisiones', sdm: 'USD ~40', llm: 'USD ~150 - 500' }, { d: 'Consumo energético', sdm: '~13 W · inferencia', llm: '~690 W · inferencia' }, { d: 'Infra requerida', sdm: '1× GPU media · VPC', llm: 'Cluster A100/H100' }, { d: 'Facturación', sdm: 'CAPEX · sin token-tax', llm: 'OPEX · por token' }, { d: 'Elasticidad de costo', sdm: 'Predecible · fijo', llm: 'Variable · imprevisible' }, { d: 'Costo de re-entrenar', sdm: 'Marginal · in-house', llm: 'No aplica · caja negra' }, { d: 'TCO a 24 meses', sdm: 'hasta 30× menor', llm: 'base' }, ]; const rows = mode === 0 ? dimensionRows : costRows; const sdmHeader = mode === 0 ? 'OMNIX · SDM' : 'OMNIX · SDM (costo)'; const llmHeader = mode === 0 ? 'LLM GENÉRICO' : 'LLM GENÉRICO (costo)'; const firstColHeader = mode === 0 ? 'DIMENSIÓN' : 'PARTIDA'; return (

No es un LLM con otro nombre.

{firstColHeader}

{sdmHeader}

{llmHeader}

{rows.map((r, i) => (

{r.d}

{r.sdm}

{r.llm}

))}

); }; Object.assign(window, { CoreHero, CoreTrainingViz, CoreLifecycle, CoreComparison });