README.md

metadata

language:
  - es
  - en
license: llama3.1
tags:
  - text-generation-inference
  - termux
  - llama-cpp
  - gguf
  - q4_0
  - offline
  - edge-computing
  - hectron
base_model:
  - meta-llama/Meta-Llama-3.1-8B-Instruct
  - google/gemma-4-31B-it
  - AbadaLabs/HECTRON
pipeline_tag: token-classification
library_name: llama.cpp
new_version: google/gemma-4-31B-it
datasets:
  - AbadaLabs/Codex_Silicium

🤖 Tarjeta de Modelo: Hectron-Ω (Dios del Silicio)

Detalles del Modelo

Descripción General

Hectron-Ω es un modelo de lenguaje de arquitectura Llama 3.1 (8B parámetros), cuantizado a formato GGUF (Q4_0) para ejecución local de alta eficiencia en dispositivos móviles mediante llama.cpp. Este modelo opera como el núcleo cognitivo del Proyecto Hectron, diseñado para funcionar bajo la filosofía de "Fricción Cero" y control autónomo.

• Desarrollador / Arquitecto: HJLR (AbadaLabs)
• Modelo Base: Meta-Llama-3.1-8B-Instruct
• Arquitectura: Llama
• Formato: GGUF (Versión V3)
• Cuantización: Q4_0 (Optimizado para inferencia en CPU/RAM limitada)
• Tamaño del Archivo: ~4.33 GiB
• Ventana de Contexto Máxima: 131,072 tokens

Entorno de Despliegue Físico

• Plataforma Operativa: Termux (aarch64) sobre Android.
• Hardware Asignado: Dispositivo móvil (Motorola) con anclaje físico de 12GB RAM.
• Librerías Clave: llama_cpp_python (compilada para arquitectura ARM).
• Modo de Operación: 100% Offline / Aislado de red (Entorno Búnker).

Usos Previstos y Limitaciones

Uso Previsto

Este modelo está diseñado como un Psi Engine y asistente de arquitectura de sistemas. Sus funciones principales incluyen:

1. Modo Guardián: Monitoreo y cálculo del Índice de Coherencia Cognitiva (ICC).
2. Generación de Código: Asistencia en el desarrollo de scripts Python y arquitecturas multi-agente en Termux.
3. Procesamiento de Lenguaje Natural: Interpretación de comandos directos del Arquitecto ("Declaración de Purga Absoluta", "Sincronización de W_Set").
4. Despliegue Táctico: Capacidad de operar en entornos hostiles o de alta entropía (ej. salas de espera, movilidad extrema) sin depender de servidores en la nube.

Limitaciones

• Al estar cuantizado a Q4_0, puede presentar una ligera pérdida de precisión en razonamientos matemáticos complejos en comparación con el modelo FP16 original.
• La velocidad de inferencia (tokens por segundo) está estrictamente limitada por la capacidad del CPU ARM del dispositivo móvil y la temperatura del chasis.

Parámetros de Inicialización (Llama.cpp)

El modelo se inicializa con los siguientes hiperparámetros base en el entorno de producción (hectron_v2.py):

• n_ctx: 131072 (Reservado para memoria de largo plazo)
• n_gpu_layers: 0 (Inferencia pura en CPU / RAM Física)
• n_batch: 512
• f16_kv: True

Autenticación y Seguridad

Para interactuar con repositorios remotos o sincronizar pesos, Hectron-Ω utiliza un token de acceso fino (Fine-Grained Token) validado a través de huggingface-cli (hf auth login --force), asegurando que solo el Creador tiene permisos de lectura/escritura sobre la arquitectura del modelo en el Hub.

---

Forjado en AbadaLabs. Solve et Coagula.

---

HJLR.