README.md

---
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.*