diff --git a/.gitattributes b/.gitattributes
index a6344aac8c09253b3b630fb776ae94478aa0275b..580d310c2d211aca166288a207e972ced9bb0100 100644
--- a/.gitattributes
+++ b/.gitattributes
@@ -1,35 +1 @@
-*.7z filter=lfs diff=lfs merge=lfs -text
-*.arrow filter=lfs diff=lfs merge=lfs -text
-*.bin filter=lfs diff=lfs merge=lfs -text
-*.bz2 filter=lfs diff=lfs merge=lfs -text
-*.ckpt filter=lfs diff=lfs merge=lfs -text
-*.ftz filter=lfs diff=lfs merge=lfs -text
-*.gz filter=lfs diff=lfs merge=lfs -text
-*.h5 filter=lfs diff=lfs merge=lfs -text
-*.joblib filter=lfs diff=lfs merge=lfs -text
-*.lfs.* filter=lfs diff=lfs merge=lfs -text
-*.mlmodel filter=lfs diff=lfs merge=lfs -text
-*.model filter=lfs diff=lfs merge=lfs -text
-*.msgpack filter=lfs diff=lfs merge=lfs -text
-*.npy filter=lfs diff=lfs merge=lfs -text
-*.npz filter=lfs diff=lfs merge=lfs -text
-*.onnx filter=lfs diff=lfs merge=lfs -text
-*.ot filter=lfs diff=lfs merge=lfs -text
-*.parquet filter=lfs diff=lfs merge=lfs -text
-*.pb filter=lfs diff=lfs merge=lfs -text
-*.pickle filter=lfs diff=lfs merge=lfs -text
-*.pkl filter=lfs diff=lfs merge=lfs -text
-*.pt filter=lfs diff=lfs merge=lfs -text
-*.pth filter=lfs diff=lfs merge=lfs -text
-*.rar filter=lfs diff=lfs merge=lfs -text
 *.safetensors filter=lfs diff=lfs merge=lfs -text
-saved_model/**/* filter=lfs diff=lfs merge=lfs -text
-*.tar.* filter=lfs diff=lfs merge=lfs -text
-*.tar filter=lfs diff=lfs merge=lfs -text
-*.tflite filter=lfs diff=lfs merge=lfs -text
-*.tgz filter=lfs diff=lfs merge=lfs -text
-*.wasm filter=lfs diff=lfs merge=lfs -text
-*.xz filter=lfs diff=lfs merge=lfs -text
-*.zip filter=lfs diff=lfs merge=lfs -text
-*.zst filter=lfs diff=lfs merge=lfs -text
-*tfevents* filter=lfs diff=lfs merge=lfs -text
diff --git a/README.md b/README.md
index e15217f450c30641a76cf4cbeac436bbce6059c2..f4866acdd244d1fabcc21a62cbb47f2d72bedd4d 100644
--- a/README.md
+++ b/README.md
@@ -1,28 +1,31 @@
 ---
-title: v1(W_O) is not identifiable
-emoji: 🎛️
-colorFrom: purple
-colorTo: red
-sdk: static
+title: The value-output gauge orbit
+emoji: 🧭
+colorFrom: indigo
+colorTo: gray
+sdk: gradio
+sdk_version: 6.22.0
+app_file: app.py
 pinned: false
-license: apache-2.0
 ---
 
-# The dominant direction of $W_O$ is not identifiable
+# The value-output gauge orbit
 
-Interactive demo (precomputed gallery, static) for *"Same function,
-different pruning: the dominant direction of $W_O$ under free, soft,
-and hard intervention"*.
+Interactive demo. The dominant direction of a head's output projection
+moves under a reparameterisation that leaves the model's function
+untouched, and the pruning decision it yields moves with it. The
+identifiable object ---the OV circuit--- does not move.
 
-Code: <https://github.com/mmunozpl/angular-separation-vit>
-Results: <https://huggingface.co/datasets/ManPla/angular-separation-vit-results>
-Checkpoints: <https://huggingface.co/ManPla/angular-separation-vit-checkpoints>
-DOI: [10.5281/zenodo.21630535](https://doi.org/10.5281/zenodo.21630535)
+Two models, identical in function, two different prunings. English and
+Spanish; ViT-B/16 and Pythia-410M.
 
-Browse 72 precomputed combinations (12 layers × 3 gauge strengths ×
-2 random seeds), all from the real ViT-B/16 seed-42 base checkpoint
-(anchor column of the paper), showing that a value-output gauge
-transformation moves each head's dominant weight direction $v_1(W_O)$
-at will —even flipping which pair of heads looks "most redundant"—
-while the OV circuit $W_v W_O$, the only quantity the model's function
-actually depends on, stays fixed to machine precision.
+DOI: https://doi.org/10.5281/zenodo.21630534
+
+---
+
+# La órbita de gauge valor-salida
+
+Demo interactiva. La dirección dominante de la proyección de salida de
+una cabeza se desplaza bajo una reparametrización que deja la función
+del modelo intacta, y la decisión de poda que produce cambia con ella.
+El objeto identificable ---el circuito OV--- no se mueve.
diff --git a/app.py b/app.py
new file mode 100644
index 0000000000000000000000000000000000000000..b00149b88e61c85f120b56a6bcb4a2bdb78436dd
--- /dev/null
+++ b/app.py
@@ -0,0 +1,753 @@
+"""demo interactiva de la órbita de gauge valor-salida.
+
+tres pestañas: la órbita con el conmutador ortogonal/genérico, la
+decisión de poda bajo gauge, y qué se mide. toda la aritmética la
+ejecuta el código del paper ---`src/gauge_flip.py`,
+`scripts/run_fase_G.py`, `scripts/decision_rota.py`--- sobre el
+portador ligero de `demo/portador.py`; aquí no se reimplementa nada.
+"""
+
+import math
+import sys
+from pathlib import Path
+
+import gradio as gr
+import matplotlib
+import torch
+from tqdm import tqdm
+
+matplotlib.use("Agg")               # sin servidor gráfico en el Space
+
+from matplotlib.figure import Figure  # noqa: E402
+from matplotlib.patches import Rectangle  # noqa: E402
+
+sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
+
+from demo.portador import (carga, verifica_manifiesto,  # noqa: E402
+                           verifica_relleno)
+from src.firma_funcional import w_v_columnas  # noqa: E402
+from src.gauge_flip import (aplica_gauge_ortogonal,  # noqa: E402
+                            aplica_gauge_ov)
+from src.nucleo_lectura import decisiones, firma_exacta  # noqa: E402
+
+DOI = "https://doi.org/10.5281/zenodo.21630534"
+# gr.Markdown no renderiza matemáticas salvo que se le declaren los
+# delimitadores: sin esto la prosa enseña los dólares en crudo, justo
+# al lado de una figura que matplotlib sí compone bien
+LATEX = [{"left": "$$", "right": "$$", "display": True},
+         {"left": "$", "right": "$", "display": False}]
+# clave = escala_id (el mando real); el rótulo cambia con el idioma y
+# con el locale del número, la clave no
+FUERZAS = {128.0: ("muy débil (0,06)", "very weak (0.06)"),
+           64.0: ("débil (0,13)", "weak (0.13)"),
+           32.0: ("media (0,25)", "medium (0.25)"),
+           16.0: ("fuerte (0,50)", "strong (0.50)"),
+           8.0: ("saturada (1,00)", "saturated (1.00)"),
+           2.0: ("muy fuerte (4,05)", "very strong (4.05)")}
+
+
+def op_fuerza(idi: str):
+    """opciones del desplegable de fuerza en un idioma.
+
+    Args:
+        idi: 'es' o 'en'.
+
+    Returns:
+        lista de pares (rótulo, valor) para gradio.
+    """
+    j = 0 if idi == "es" else 1
+    return [(v[j], k) for k, v in FUERZAS.items()]
+# por columna: (etiqueta del sector, k de poda, referencia de la tabla 3).
+# el k es el 25 % relativo de cada una, y la referencia es la medida
+# publicada de esa columna ---nunca la de la otra---
+COLUMNAS = {
+    "vitb": {"es": "ViT-B/16 (visión)", "en": "ViT-B/16 (vision)",
+             "k": 3, "ref": ("92,7 % / 0,378", "92.7 % / 0.378")},
+    "pythia": {"es": "Pythia-410M (lenguaje)",
+               "en": "Pythia-410M (language)",
+               "k": 4, "ref": ("90,0 % / 0,379", "90.0 % / 0.379")},
+}
+
+
+def op_tipo(idi: str):
+    """opciones del mando de tipo de gauge en un idioma.
+
+    el valor viaja en clave estable ('gen'/'ort') porque gradio valida
+    la entrada en el servidor contra las opciones declaradas al
+    construir el bloque, y `gr.update` no las cambia allí: si el valor
+    fuese la palabra traducida, el mando quedaría roto en inglés.
+
+    Args:
+        idi: 'es' o 'en'.
+
+    Returns:
+        lista de pares (rótulo, clave) para gradio.
+    """
+    return [(T[idi]["gen"], "gen"), (T[idi]["ort"], "ort")]
+
+
+def op_columna(idi: str):
+    """opciones del desplegable de columna en un idioma.
+
+    Args:
+        idi: 'es' o 'en'.
+
+    Returns:
+        lista de pares (rótulo, clave) para gradio.
+    """
+    return [(v[idi], k) for k, v in COLUMNAS.items()]
+
+# textos en las dos lenguas. el español es el canónico y el inglés su
+# derivado, con la terminología del glosario del paper: soft probe,
+# hard variant, response signature, static invariant, band, gauge.
+# ojo al locale de los números: coma en es, punto en en
+T = {
+    "es": {
+        "titulo": "# La órbita de gauge valor-salida\nDos modelos "
+                  "idénticos en función, dos geometrías distintas.",
+        "tab1": "Órbita", "tab2": "Decisión rota", "tab3": "Qué se mide",
+        "figb": "El abismo, cabeza a cabeza",
+        "figb_t": "Capa {capa}: lo que el gauge mueve y lo que no",
+        "figb_1": r"$\Delta v_1(W_O)$  [grados]",
+        "figb_2": r"$1-|\cos|$  del circuito OV",
+        "figb_m": "media", "figb_0": "0 exacto",
+        "figb_s": "suelo de arccos en doble precisión",
+        "figb_n": "eje común en escala logarítmica: la distancia "
+                  "horizontal entre los dos bloques es el abismo",
+        "btn3": "Barrer fuerzas",
+        "figs": "Barrido de fuerzas",
+        "figs_t": "Capa {capa}, semilla {sem}: deriva contra la "
+                  "fuerza del gauge",
+        "figs_x": "desviación de R respecto a un múltiplo escalar",
+        "fig": "Similitud entre cabezas",
+        "fig_t": "Capa {capa}: |cos| entre las direcciones "
+                 "$v_1(W_O)$ de cada par de cabezas",
+        "fig_a": "Antes del gauge", "fig_d": "Después del gauge",
+        "fig_e": "cabeza", "fig_p": "par elegido",
+        "col": "Columna", "capa": "Capa", "sem": "Semilla del gauge",
+        "fuerza": "Fuerza (desv. de R al escalar)", "tipo": "Tipo de gauge",
+        "gen": "genérico", "ort": "ortogonal",
+        "btn1": "Muestrear gauge", "btn2": "Decidir bajo gauge",
+        "porcabeza": "Por cabeza",
+        "cab": ["cabeza", "Δ v1(W_O) [°]", "1-|cos| circuito OV"],
+        "cab_d": "**{col}, capa {capa}, semilla {sem}, k={k}.**\n",
+        "res": "**{col}, capa {capa}, gauge {tipo}, semilla {sem}.**\n\n"
+               "- Desplazamiento medio de $v_1(W_O)$: **{gp}°**\n"
+               "- Desviación media del circuito OV (invariante), "
+               "en la métrica que certifica el paper: "
+               "$1-|\\cos|$ = **{gi}**\n\nMisma libertad de gauge, dos "
+               "resultados: {ver}. El circuito OV no se mueve en ningún "
+               "caso ---es el objeto identificable---.",
+        "ver_ort": "el subgrupo ortogonal **no la mueve**: la lectura "
+                   "por pesos sobrevive intacta",
+        "ver_gen": "la parte no ortogonal **sí la mueve**, decenas de "
+                   "grados",
+        "cols_d": ["criterio", "par antes", "par después", "¿cambia?",
+                   "solape"],
+        "crit_p": "por pesos $v_1(W_O)$", "crit_i": "por el invariante",
+        "si": "**sí**", "no": "no",
+        "contador": "**En esta sesión**, la decisión por pesos ha "
+                    "cambiado en {c} de {n} gauges ({pct:.0f} %). La "
+                    "medida publicada para esta columna es {ref} (par / "
+                    "solape); la decisión por el invariante no cambia "
+                    "nunca.",
+    },
+    "en": {
+        "titulo": "# The value-output gauge orbit\nTwo models identical "
+                  "in function, two different geometries.",
+        "tab1": "Orbit", "tab2": "Broken decision",
+        "tab3": "What is measured",
+        "figb": "The gap, head by head",
+        "figb_t": "Layer {capa}: what the gauge moves and what it "
+                  "does not",
+        "figb_1": r"$\Delta v_1(W_O)$  [degrees]",
+        "figb_2": r"$1-|\cos|$  of the OV circuit",
+        "figb_m": "mean", "figb_0": "exactly 0",
+        "figb_s": "arccos floor in double precision",
+        "figb_n": "shared logarithmic axis: the horizontal distance "
+                  "between the two blocks is the gap",
+        "btn3": "Sweep strengths",
+        "figs": "Strength sweep",
+        "figs_t": "Layer {capa}, seed {sem}: drift against gauge "
+                  "strength",
+        "figs_x": "deviation of R from a scalar multiple",
+        "fig": "Similarity across heads",
+        "fig_t": "Layer {capa}: |cos| between the $v_1(W_O)$ "
+                 "directions of every pair of heads",
+        "fig_a": "Before the gauge", "fig_d": "After the gauge",
+        "fig_e": "head", "fig_p": "selected pair",
+        "col": "Column", "capa": "Layer", "sem": "Gauge seed",
+        "fuerza": "Strength (deviation of R from a scalar)",
+        "tipo": "Gauge type", "gen": "generic", "ort": "orthogonal",
+        "btn1": "Sample a gauge", "btn2": "Decide under gauge",
+        "porcabeza": "Per head",
+        "cab": ["head", "Δ v1(W_O) [°]", "1-|cos| OV circuit"],
+        "cab_d": "**{col}, layer {capa}, seed {sem}, k={k}.**\n",
+        "res": "**{col}, layer {capa}, {tipo} gauge, seed {sem}.**\n\n"
+               "- Mean displacement of $v_1(W_O)$: **{gp}°**\n"
+               "- Mean deviation of the OV circuit (invariant), "
+               "in the metric the paper certifies: "
+               "$1-|\\cos|$ = **{gi}**\n\nThe same gauge freedom, "
+               "two outcomes: "
+               "{ver}. The OV circuit does not move in either case "
+               "---it is the identifiable object---.",
+        "ver_ort": "the orthogonal subgroup **does not move it**: the "
+                   "weight reading survives intact",
+        "ver_gen": "the non-orthogonal part **does move it**, by tens "
+                   "of degrees",
+        "cols_d": ["criterion", "pair before", "pair after", "changes?",
+                   "overlap"],
+        "crit_p": "by weights $v_1(W_O)$", "crit_i": "by the invariant",
+        "si": "**yes**", "no": "no",
+        "contador": "**In this session**, the decision by weights has "
+                    "changed in {c} of {n} gauges ({pct:.0f} %). The "
+                    "published measurement for this column is {ref} "
+                    "(pair / overlap); the decision by the invariant "
+                    "never changes.",
+    },
+}
+# el inglés va primero: es el idioma de partida de la interfaz
+IDIOMAS = {"English": "en", "Español": "es"}
+
+
+def num(x: float, idi: str, dec: int = 3) -> str:
+    """formatea un número con el separador decimal del idioma.
+
+    Args:
+        x: valor.
+        idi: 'es' o 'en'.
+        dec: decimales.
+
+    Returns:
+        el número como texto, con coma o punto según el idioma.
+    """
+    s = f"{x:.{dec}f}"
+    return s.replace(".", ",") if idi == "es" else s
+
+
+_CACHE: dict = {}
+
+verifica_manifiesto()   # el código vendido, firmado contra su commit
+
+
+def cientifico(x: float, idi: str) -> str:
+    """notación científica con el separador decimal del idioma.
+
+    Args:
+        x: el valor.
+        idi: 'es' o 'en'.
+
+    Returns:
+        la cadena formateada.
+    """
+    s = f"{x:.1e}"
+    return s.replace(".", ",") if idi == "es" else s
+
+
+def portador(col: str):
+    """carga perezosa del portador de una columna, con su contrato.
+
+    Args:
+        col: etiqueta de columna de `COLUMNAS`.
+
+    Returns:
+        el portador ya verificado.
+    """
+    if col not in _CACHE:
+        p = carga(col)
+        verifica_relleno(p)         # el contrato, vigilado también aquí
+        _CACHE[col] = p
+    return _CACHE[col]
+
+
+def capas_de(col: str):
+    """actualiza el desplegable de capas al cambiar de columna.
+
+    Args:
+        col: etiqueta de columna.
+
+    Returns:
+        actualización de gradio con las capas de esa columna.
+    """
+    n = len(portador(col).blocks)
+    return gr.update(choices=list(range(n)), value=min(5, n - 1))
+
+
+def _v1_pesos(port, capa: int) -> torch.Tensor:
+    """dirección dominante de w_o por cabeza.
+
+    Args:
+        port: portador del sector.
+        capa: índice de capa.
+
+    Returns:
+        tensor [h, d] de direcciones unitarias.
+    """
+    # sin bajar a simple: el coseno entre dos direcciones
+    # casi iguales satura en fp32 y el invariante aparece
+    # moviéndose centésimas de grado que no existen
+    return firma_exacta(port.w_o_por_cabeza(capa).double(),
+                        "der")
+
+
+def _v1_invariante(port, capa: int) -> torch.Tensor:
+    """dirección dominante del circuito ov, invariante de gauge.
+
+    Args:
+        port: portador del sector.
+        capa: índice de capa.
+
+    Returns:
+        tensor [h, d] de direcciones unitarias.
+    """
+    w_o = port.w_o_por_cabeza(capa).double()
+    w_v = w_v_columnas(port, capa, port.n_cabezas,
+                       port.dim_cabeza).double()
+    r = torch.linalg.qr(w_v, mode="reduced")[1]
+    return firma_exacta(r @ w_o, "der")
+
+
+def _con_gauge(col: str, capa: int, semilla: int,
+               fuerza: float, tipo: str):
+    """devuelve una copia del portador con un gauge aplicado.
+
+    Args:
+        capa: capa sobre la que actuar.
+        semilla: semilla del generador de R.
+        fuerza: escala del término identidad de R (ignorada si
+            el gauge es ortogonal, que no tiene intensidad).
+        tipo: 'gen' u 'ort'.
+
+    Returns:
+        tupla (portador con el gauge aplicado, desviación media de R
+        respecto a su mejor múltiplo escalar; 0 si es ortogonal, que
+        no tiene intensidad).
+    """
+    q = portador(col).copia()
+    if tipo == "ort":
+        aplica_gauge_ortogonal(q, capa, q.n_cabezas, q.dim_cabeza,
+                               semilla=semilla)
+        return q, 0.0
+    desv = aplica_gauge_ov(q, capa, q.n_cabezas, q.dim_cabeza,
+                           semilla=semilla, escala_id=fuerza)
+    return q, desv
+
+
+def _mapa_cos(v: torch.Tensor):
+    """|cos| entre todas las parejas de direcciones de una capa.
+
+    Args:
+        v: tensor [h, d] de direcciones unitarias.
+
+    Returns:
+        tupla (matriz [h, h] en numpy, par de máximo fuera de la
+        diagonal).
+    """
+    g = (v @ v.t()).abs().clamp(max=1.0)
+    m = g.clone()
+    m.fill_diagonal_(-1.0)
+    i = int(m.argmax())
+    return g.numpy(), (i // g.shape[0], i % g.shape[0])
+
+
+def figura_cos(antes: torch.Tensor, desp: torch.Tensor, capa: int,
+               idi: str) -> Figure:
+    """dibuja la matriz de similitud antes y después del gauge.
+
+    es la misma lectura que produce la decisión de poda: la celda más
+    brillante fuera de la diagonal es el par que se podaría. verla
+    moverse entre los dos paneles es la afirmación del paper hecha
+    imagen.
+
+    Args:
+        antes: direcciones [h, d] antes del gauge.
+        desp: direcciones [h, d] después.
+        capa: índice de capa, para el título.
+        idi: 'es' o 'en'.
+
+    Returns:
+        la figura de matplotlib, lista para `gr.Plot`.
+    """
+    d = T[idi]
+    fig = Figure(figsize=(9.2, 4.2), dpi=110)
+    ejes = fig.subplots(1, 2)
+    for ax, x, sub in ((ejes[0], antes, d["fig_a"]),
+                       (ejes[1], desp, d["fig_d"])):
+        g, par = _mapa_cos(x)
+        im = ax.imshow(g, cmap="magma", vmin=0.0, vmax=1.0)
+        for i, j in (par, par[::-1]):
+            ax.add_patch(Rectangle((j - 0.5, i - 0.5), 1, 1,
+                                   fill=False, edgecolor="#39d353",
+                                   lw=1.8))
+        ax.set_title(f"{sub} \u00b7 {d['fig_p']} "
+                     f"{tuple(sorted(par))}",
+                     fontsize=10)
+        ax.set_xlabel(d["fig_e"], fontsize=9)
+        ax.set_ylabel(d["fig_e"], fontsize=9)
+        ax.tick_params(labelsize=8)
+    fig.colorbar(im, ax=ejes, fraction=0.032, pad=0.02)
+    fig.suptitle(d["fig_t"].format(capa=capa), fontsize=11)
+    return fig
+
+
+def figura_abismo(gp: torch.Tensor, gi: torch.Tensor, capa: int,
+                  idi: str) -> Figure:
+    """dibuja la separación entre lo que se mueve y lo que no.
+
+    la tabla por cabeza dice que $v_1(W_O)$ deriva decenas de grados y
+    que el circuito OV se queda en 1e-16, pero eso hay que leerlo. con
+    los dos bloques de barras sobre un mismo eje logarítmico, el
+    abismo ---dieciocho órdenes de magnitud--- es distancia en la
+    pantalla. bajo el conmutador ortogonal las barras de arriba
+    desaparecen y las de abajo no se inmutan: c1 en una imagen.
+
+    Args:
+        gp: desplazamiento de v1(w_o) por cabeza, en grados.
+        gi: desviación 1-|cos| del circuito ov por cabeza.
+        capa: índice de capa, para el título.
+        idi: 'es' o 'en'.
+
+    Returns:
+        la figura de matplotlib, lista para `gr.Plot`.
+    """
+    d = T[idi]
+    n = gp.shape[0]
+    y = list(range(n))
+    fig = Figure(figsize=(9.2, 0.9 + 0.42 * n), dpi=110)
+    ejes = fig.subplots(2, 1, sharex=True)
+    for ax, v, etq, color in ((ejes[0], gp, d["figb_1"], "#c4432b"),
+                              (ejes[1], gi, d["figb_2"], "#2b6cc4")):
+        ax.barh(y, v.numpy(), height=0.72, color=color)
+        # un valor exactamente nulo no dibuja barra en escala
+        # logarítmica y se leería como dato ausente; se rotula, que es
+        # justo lo que ocurre con el gauge ortogonal en el panel de
+        # arriba: cero exacto, no falta de medida
+        for h in y:
+            if float(v[h]) == 0.0:
+                ax.text(2e-18, h, d["figb_0"], va="center",
+                        ha="left", fontsize=7, color=color)
+        ax.set_ylabel(d["fig_e"], fontsize=9)
+        ax.set_yticks(y)
+        ax.set_yticklabels([str(h) for h in y], fontsize=7)
+        ax.invert_yaxis()
+        ax.grid(axis="x", ls=":", lw=0.6, alpha=0.5)
+        ax.set_title(f"{etq}  ·  {d['figb_m']} "
+                     f"{float(v.mean()):.2e}", fontsize=10)
+    # el panel de grados tiene suelo: arccos cerca de 1 pierde la
+    # mitad de los dígitos, así que sqrt(2*eps) rad es lo mínimo
+    # medible. sin la línea, las barras del gauge ortogonal ---que
+    # deben ser cero--- se leerían como una deriva de 1e-6 grados
+    suelo = math.degrees(math.sqrt(2 * torch.finfo(torch.float64).eps))
+    ejes[0].axvline(suelo, ls="--", lw=1.0, color="#555555")
+    ejes[0].text(suelo * 1.4, n - 0.4, d["figb_s"],
+                 fontsize=7, color="#555555", va="center")
+    # el eje común es lo que convierte dos medidas en un abismo; el
+    # suelo baja hasta la precisión de máquina para que el bloque de
+    # abajo tenga dónde caber
+    ejes[1].set_xscale("log")
+    ejes[1].set_xlim(1e-18, 1e3)
+    ejes[1].set_xlabel(d["figb_n"], fontsize=8)
+    fig.suptitle(d["figb_t"].format(capa=capa), fontsize=11)
+    fig.tight_layout()
+    return fig
+
+
+def barrido(idioma: str, col: str, capa: int, semilla: int) -> Figure:
+    """recorre las seis fuerzas y dibuja la deriva contra cada una.
+
+    es la tabla 2 del paper dibujándose en vivo: la deriva de
+    $v_1(W_O)$ crece con la desviación de R respecto a un escalar,
+    mientras el circuito OV se queda plano en el suelo de la máquina.
+    cuesta seis gauges por pulsación, y por eso tiene botón propio.
+
+    Args:
+        idioma: rótulo del selector.
+        col: clave de columna.
+        capa: capa a interrogar.
+        semilla: semilla del gauge.
+
+    Returns:
+        la figura de matplotlib, lista para `gr.Plot`.
+    """
+    idi = IDIOMAS[idioma]
+    d = T[idi]
+    p = portador(col)
+    antes_p, antes_i = _v1_pesos(p, capa), _v1_invariante(p, capa)
+    xs, ys_p, ys_i = [], [], []
+    for escala in tqdm(sorted(FUERZAS, reverse=True),
+                       desc=f"barrido {col} L{capa}", leave=False):
+        q, desv = _con_gauge(col, capa, semilla, escala, "gen")
+        cp = _cos_abs(antes_p, _v1_pesos(q, capa))
+        ci = _cos_abs(antes_i, _v1_invariante(q, capa))
+        xs.append(desv)
+        ys_p.append(float(torch.rad2deg(torch.arccos(cp)).mean()))
+        ys_i.append(float((1.0 - ci).mean()))
+    fig = Figure(figsize=(8.4, 5.4), dpi=110)
+    ejes = fig.subplots(2, 1, sharex=True)
+    # dos paneles y no un eje común: sobre veintiuna décadas el
+    # crecimiento de v1 ---de veinte a ochenta grados--- sería
+    # invisible. arriba la subida, abajo la planitud, cada una en su
+    # escala; el abismo entre ambas lo cuenta la otra figura
+    ejes[0].plot(xs, ys_p, "o-", color="#c4432b")
+    ejes[0].set_ylim(0.0, 92.0)
+    ejes[0].set_ylabel(d["figb_1"], fontsize=9)
+    ejes[1].plot(xs, ys_i, "s-", color="#2b6cc4")
+    ejes[1].set_yscale("log")
+    ejes[1].set_ylim(1e-18, 1e-12)
+    ejes[1].set_ylabel(d["figb_2"], fontsize=9)
+    ejes[1].set_xscale("log")
+    ejes[1].set_xlabel(d["figs_x"], fontsize=9)
+    for ax in ejes:
+        ax.grid(ls=":", lw=0.6, alpha=0.5)
+        ax.tick_params(labelsize=8)
+    fig.suptitle(d["figs_t"].format(capa=capa, sem=semilla),
+                 fontsize=11)
+    fig.tight_layout()
+    return fig
+
+
+def _cos_abs(a: torch.Tensor, b: torch.Tensor) -> torch.Tensor:
+    """|cos| entre direcciones emparejadas por cabeza.
+
+    Args:
+        a: direcciones [h, d].
+        b: direcciones [h, d].
+
+    Returns:
+        tensor [h] con el coseno en valor absoluto, acotado a 1.
+    """
+    return (a * b).sum(1).abs().clamp(max=1.0)
+
+
+def orbita(idioma: str, col: str, capa: int, semilla: int,
+           fuerza: float, tipo: str):
+    """mide cuánto mueve el gauge la lectura por pesos y el invariante.
+
+    Args:
+        capa: capa a interrogar.
+        semilla: semilla del gauge.
+        fuerza: escala del término identidad de R.
+        tipo: 'gen' u 'ort'.
+
+    Returns:
+        tupla (resumen en markdown, tabla por cabeza, figura del
+        abismo).
+    """
+    p = portador(col)
+    antes_p, antes_i = _v1_pesos(p, capa), _v1_invariante(p, capa)
+    q, _ = _con_gauge(col, capa, semilla, fuerza, tipo)
+    desp_p, desp_i = _v1_pesos(q, capa), _v1_invariante(q, capa)
+    # v1 en grados, que es la magnitud interpretable; el invariante en
+    # 1-|cos|, porque arccos cerca de 1 pierde la mitad de los dígitos
+    # y pondría un suelo de ~1e-6 grados donde no hay movimiento
+    gp = torch.rad2deg(torch.arccos(_cos_abs(antes_p, desp_p)))
+    gi = 1.0 - _cos_abs(antes_i, desp_i)
+    d = T[IDIOMAS[idioma]]
+    idi = IDIOMAS[idioma]
+    filas = [[h, num(float(gp[h]), idi, 2),
+              cientifico(float(gi[h]), idi)]
+             for h in range(p.n_cabezas)]
+    ver = d["ver_ort"] if tipo == "ort" else d["ver_gen"]
+    cient = cientifico(float(gi.mean()), idi)
+    resumen = d["res"].format(
+        col=COLUMNAS[col][idi], capa=capa, tipo=d[tipo],
+        sem=semilla,
+        gp=num(float(gp.mean()), idi, 2),
+        gi=cient, ver=ver)
+    return resumen, filas, figura_abismo(gp, gi, capa, idi)
+
+
+def decision(idioma: str, col: str, capa: int, semilla: int,
+             fuerza: float, estado: dict):
+    """materializa la decisión de poda antes y después del gauge.
+
+    Args:
+        capa: capa a interrogar.
+        semilla: semilla del gauge.
+        fuerza: escala del término identidad de R.
+        estado: contador acumulado de la sesión.
+
+    Returns:
+        tupla (markdown, estado actualizado, mapa de similitud).
+    """
+    p = portador(col)
+
+    idi = IDIOMAS[idioma]
+    d = T[idi]
+    k = COLUMNAS[col]["k"]
+    ref = COLUMNAS[col]["ref"][0 if idi == "es" else 1]
+    nombre_col = COLUMNAS[col][idi]
+    q, _ = _con_gauge(col, capa, semilla, fuerza, "gen")
+    lineas = [d["cab_d"].format(col=nombre_col, capa=capa,
+                                sem=semilla, k=k),
+              "| " + " | ".join(d["cols_d"]) + " |",
+              "|---|---|---|---|---|"]
+    for nombre, f in ((d["crit_p"], _v1_pesos),
+                      (d["crit_i"], _v1_invariante)):
+        par0, top0 = decisiones(f(p, capa), k)
+        par1, top1 = decisiones(f(q, capa), k)
+        sol = len(set(top0) & set(top1)) / k
+        cambia = par1 != par0
+        if nombre == d["crit_p"]:
+            estado["n"] = estado.get("n", 0) + 1
+            estado["c"] = estado.get("c", 0) + int(cambia)
+        lineas.append(f"| {nombre} | {par0} | {par1} | "
+                      f"{d['si'] if cambia else d['no']} | "
+                      f"{num(sol, idi, 2)} |")
+    pct = 100 * estado["c"] / estado["n"]
+    lineas.append("")
+    lineas.append(d["contador"].format(c=estado["c"],
+                                       n=estado["n"], pct=pct,
+                                       ref=ref))
+    # el mapa vive aquí y no en la órbita: es la lectura de la que
+    # sale esta tabla, y verlo debajo convierte la fila «cambia: sí»
+    # en algo comprobable en vez de en un acto de fe
+    mapa = figura_cos(_v1_pesos(p, capa), _v1_pesos(q, capa),
+                      capa, idi)
+    return "\n".join(lineas), estado, mapa
+
+
+QSM = {"es": f"""
+### Qué se mide aquí
+
+Una cabeza de atención escribe en el flujo residual a través de dos
+matrices, $W_v$ y $W_O$. Esa factorización **no es única**: para
+cualquier $R$ invertible, sustituir $W_v \\to W_v R$ y
+$W_O \\to R^{{-1}} W_O$ deja la función del modelo exactamente igual,
+porque el producto $W_v W_O$ ---el circuito OV--- no cambia.
+
+La dirección dominante $v_1(W_O)$ **no** es función de ese producto,
+así que se mueve con $R$ mientras el modelo calcula lo mismo: su
+órbita bajo el gauge es la esfera unitaria completa de su espacio
+fila, y por tanto **ningún umbral de similitud sobre esa dirección
+admite radio certificado positivo**.
+
+Un matiz que la primera pestaña enseña: el subgrupo **ortogonal** deja
+$v_1(W_O)$ quieta. Es la parte **no ortogonal** del gauge la que la
+mueve, y está presente en cualquier reparametrización genérica.
+
+Los pesos son los de un ViT-B/16 afinado en ImageNet-100 (semilla 42)
+y los de Pythia-410M sin entrenar nada. Cada gauge muestreado es
+reproducible: basta repetir la semilla.
+
+Código, datos y certificación de la órbita: <{DOI}>
+""", "en": f"""
+### What is measured here
+
+An attention head writes into the residual stream through two
+matrices, $W_v$ and $W_O$. That factorization is **not unique**: for
+any invertible $R$, substituting $W_v \\to W_v R$ and
+$W_O \\to R^{{-1}} W_O$ leaves the model's function exactly as it was,
+because the product $W_v W_O$ ---the OV circuit--- does not change.
+
+The dominant direction $v_1(W_O)$ is **not** a function of that
+product, so it moves with $R$ while the model computes the same
+thing: its orbit under the gauge is the full unit sphere of its row
+space, and therefore **no similarity threshold on that direction
+admits a positive certified radius**.
+
+One nuance the first tab shows: the **orthogonal** subgroup leaves
+$v_1(W_O)$ still. It is the **non-orthogonal** part of the gauge that
+moves it, and it is present in any generic reparametrization.
+
+The weights are those of a ViT-B/16 fine-tuned on ImageNet-100
+(seed 42) and of Pythia-410M with no training at all. Every sampled
+gauge is reproducible: just repeat the seed.
+
+Code, data and the orbit certification: <{DOI}>
+"""}
+
+
+def cambia_idioma(idioma: str):
+    """rehace etiquetas y textos estáticos en el idioma elegido.
+
+    Args:
+        idioma: clave de `IDIOMAS`.
+
+    Returns:
+        tupla de actualizaciones de gradio, en el orden de los
+        componentes que dependen del idioma (rótulos de pestaña
+        incluidos, al final).
+    """
+    idi = IDIOMAS[idioma]
+    d = T[idi]
+    col = gr.update(choices=op_columna(idi), label=d["col"])
+    fue = gr.update(choices=op_fuerza(idi), value=8.0, label=d["fuerza"])
+    return (gr.update(value=d["titulo"]),
+            col, gr.update(label=d["capa"]),
+            gr.update(label=d["sem"]), fue,
+            gr.update(choices=op_tipo(idi), value="gen",
+                      label=d["tipo"]),
+            gr.update(value=d["btn1"]), gr.update(value=d["btn3"]),
+            gr.update(label=d["figs"]),
+            gr.update(label=d["figb"]),
+            gr.update(headers=d["cab"], label=d["porcabeza"]),
+            col, gr.update(label=d["capa"]),
+            gr.update(label=d["sem"]), fue,
+            gr.update(value=d["btn2"]),
+            gr.update(label=d["fig"]),
+            gr.update(value=QSM[idi]),
+            gr.update(label=d["tab1"]), gr.update(label=d["tab2"]),
+            gr.update(label=d["tab3"]))
+
+
+TITULO = "The value-output gauge orbit - La órbita de gauge "\
+         "valor-salida"
+
+with gr.Blocks(title=TITULO) as demo:
+    idi = gr.Radio(list(IDIOMAS), value="English", label="Idioma / Language")
+    cab = gr.Markdown(T["en"]["titulo"], latex_delimiters=LATEX)
+    with gr.Tab(T["en"]["tab1"]) as pes1:
+        with gr.Row():
+            col_o = gr.Dropdown(op_columna("en"), value="vitb",
+                                label=T["en"]["col"])
+            capa_o = gr.Dropdown(list(range(12)), value=5,
+                                 label=T["en"]["capa"])
+            sem_o = gr.Number(value=0, precision=0, label=T["en"]["sem"])
+            fue_o = gr.Dropdown(op_fuerza("en"), value=8.0,
+                                label=T["en"]["fuerza"])
+            tip_o = gr.Radio(op_tipo("en"), value="gen",
+                             label=T["en"]["tipo"])
+        with gr.Row():
+            btn_o = gr.Button(T["en"]["btn1"], variant="primary")
+            btn_s = gr.Button(T["en"]["btn3"])
+        # el barrido va pegado a su botón y en un desplegable que se
+        # abre solo: con la salida al final de la pestaña, debajo de
+        # la tabla por cabeza, quedaba fuera de pantalla y el botón
+        # parecía no hacer nada
+        with gr.Accordion(T["en"]["figs"], open=False) as ple_s:
+            fig_s = gr.Plot(show_label=False)
+        res_o = gr.Markdown(latex_delimiters=LATEX)
+        fig_o = gr.Plot(label=T["en"]["figb"])
+        tab_o = gr.Dataframe(headers=T["en"]["cab"],
+                             label=T["en"]["porcabeza"])
+        col_o.change(capas_de, col_o, capa_o)
+        btn_o.click(orbita, [idi, col_o, capa_o, sem_o, fue_o, tip_o],
+                    [res_o, tab_o, fig_o])
+        btn_s.click(barrido, [idi, col_o, capa_o, sem_o], fig_s).then(
+            lambda: gr.update(open=True), None, ple_s)
+    with gr.Tab(T["en"]["tab2"]) as pes2:
+        with gr.Row():
+            col_d = gr.Dropdown(op_columna("en"), value="vitb",
+                                label=T["en"]["col"])
+            capa_d = gr.Dropdown(list(range(12)), value=5,
+                                 label=T["en"]["capa"])
+            sem_d = gr.Number(value=0, precision=0, label=T["en"]["sem"])
+            fue_d = gr.Dropdown(op_fuerza("en"), value=8.0,
+                                label=T["en"]["fuerza"])
+        btn_d = gr.Button(T["en"]["btn2"], variant="primary")
+        res_d = gr.Markdown(latex_delimiters=LATEX)
+        fig_m = gr.Plot(label=T["en"]["fig"])
+        est = gr.State({})
+        col_d.change(capas_de, col_d, capa_d)
+        btn_d.click(decision, [idi, col_d, capa_d, sem_d, fue_d, est],
+                    [res_d, est, fig_m])
+    with gr.Tab(T["en"]["tab3"]) as pes3:
+        qsm = gr.Markdown(QSM["en"], latex_delimiters=LATEX)
+    idi.change(cambia_idioma, idi,
+               [cab, col_o, capa_o, sem_o, fue_o, tip_o, btn_o, btn_s,
+                ple_s, fig_o, tab_o, col_d, capa_d, sem_d, fue_d,
+                btn_d, fig_m, qsm, pes1, pes2, pes3])
+
+if __name__ == "__main__":
+    demo.launch()
diff --git a/artifacts/demo/sector_vo_pythia.safetensors b/artifacts/demo/sector_vo_pythia.safetensors
new file mode 100644
index 0000000000000000000000000000000000000000..294afa9b65c230af2f18de6776466032574f9d56
--- /dev/null
+++ b/artifacts/demo/sector_vo_pythia.safetensors
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:65ce0d4a55d05a741cdc3333736cc106b10fc2382d7048ca823bd612b62c8d59
+size 201518424
diff --git a/artifacts/demo/sector_vo_vitb.safetensors b/artifacts/demo/sector_vo_vitb.safetensors
new file mode 100644
index 0000000000000000000000000000000000000000..71e5673a1b68ea4be242a71e4d8a64cf0026cbf0
--- /dev/null
+++ b/artifacts/demo/sector_vo_vitb.safetensors
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c17db69cdd7813d98b126767c8836e9b58cc51e8ff70ae302d8a89d653f05823
+size 56693928
diff --git a/datos.json b/datos.json
deleted file mode 100644
index eb0033fcf37d7591de5ad6742035c890203e8c84..0000000000000000000000000000000000000000
--- a/datos.json
+++ /dev/null
@@ -1,1226 +0,0 @@
-{
- "L0_suave_s1": {
-  "img": "imgs/L0_suave_s1.png",
-  "deriva_v1": 0.6786,
-  "deriva_circ": 2.4737257953593404e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   7,
-   0.882
-  ],
-  "par_despues": [
-   4,
-   10,
-   0.23
-  ],
-  "mismo_par": false
- },
- "L0_suave_s2": {
-  "img": "imgs/L0_suave_s2.png",
-  "deriva_v1": 0.7727,
-  "deriva_circ": 4.9862848498447405e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   7,
-   0.882
-  ],
-  "par_despues": [
-   0,
-   7,
-   0.23
-  ],
-  "mismo_par": false
- },
- "L0_media_s1": {
-  "img": "imgs/L0_media_s1.png",
-  "deriva_v1": 0.6294,
-  "deriva_circ": 1.552756834466925e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   7,
-   0.882
-  ],
-  "par_despues": [
-   5,
-   6,
-   0.21
-  ],
-  "mismo_par": false
- },
- "L0_media_s2": {
-  "img": "imgs/L0_media_s2.png",
-  "deriva_v1": 0.7734,
-  "deriva_circ": 6.469941050785416e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   7,
-   0.882
-  ],
-  "par_despues": [
-   1,
-   6,
-   0.217
-  ],
-  "mismo_par": false
- },
- "L0_fuerte_s1": {
-  "img": "imgs/L0_fuerte_s1.png",
-  "deriva_v1": 0.6268,
-  "deriva_circ": 2.6460257025054178e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   7,
-   0.882
-  ],
-  "par_despues": [
-   5,
-   6,
-   0.16
-  ],
-  "mismo_par": false
- },
- "L0_fuerte_s2": {
-  "img": "imgs/L0_fuerte_s2.png",
-  "deriva_v1": 0.787,
-  "deriva_circ": 2.133179670784439e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   7,
-   0.882
-  ],
-  "par_despues": [
-   1,
-   6,
-   0.251
-  ],
-  "mismo_par": false
- },
- "L1_suave_s1": {
-  "img": "imgs/L1_suave_s1.png",
-  "deriva_v1": 0.7452,
-  "deriva_circ": 2.99425601847311e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   8,
-   0.548
-  ],
-  "par_despues": [
-   1,
-   8,
-   0.172
-  ],
-  "mismo_par": false
- },
- "L1_suave_s2": {
-  "img": "imgs/L1_suave_s2.png",
-  "deriva_v1": 0.8741,
-  "deriva_circ": 5.601183727364095e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   8,
-   0.548
-  ],
-  "par_despues": [
-   2,
-   8,
-   0.116
-  ],
-  "mismo_par": true
- },
- "L1_media_s1": {
-  "img": "imgs/L1_media_s1.png",
-  "deriva_v1": 0.8091,
-  "deriva_circ": 1.80701113271146e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   8,
-   0.548
-  ],
-  "par_despues": [
-   4,
-   5,
-   0.11
-  ],
-  "mismo_par": false
- },
- "L1_media_s2": {
-  "img": "imgs/L1_media_s2.png",
-  "deriva_v1": 0.7987,
-  "deriva_circ": 7.415678744979554e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   8,
-   0.548
-  ],
-  "par_despues": [
-   5,
-   11,
-   0.154
-  ],
-  "mismo_par": false
- },
- "L1_fuerte_s1": {
-  "img": "imgs/L1_fuerte_s1.png",
-  "deriva_v1": 0.8351,
-  "deriva_circ": 2.963954738895629e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   8,
-   0.548
-  ],
-  "par_despues": [
-   5,
-   7,
-   0.122
-  ],
-  "mismo_par": false
- },
- "L1_fuerte_s2": {
-  "img": "imgs/L1_fuerte_s2.png",
-  "deriva_v1": 0.7861,
-  "deriva_circ": 2.613230767485379e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   8,
-   0.548
-  ],
-  "par_despues": [
-   5,
-   11,
-   0.148
-  ],
-  "mismo_par": false
- },
- "L2_suave_s1": {
-  "img": "imgs/L2_suave_s1.png",
-  "deriva_v1": 0.8127,
-  "deriva_circ": 2.879997179974982e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   11,
-   0.512
-  ],
-  "par_despues": [
-   2,
-   8,
-   0.118
-  ],
-  "mismo_par": false
- },
- "L2_suave_s2": {
-  "img": "imgs/L2_suave_s2.png",
-  "deriva_v1": 0.8315,
-  "deriva_circ": 5.764363813108119e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   11,
-   0.512
-  ],
-  "par_despues": [
-   2,
-   11,
-   0.158
-  ],
-  "mismo_par": true
- },
- "L2_media_s1": {
-  "img": "imgs/L2_media_s1.png",
-  "deriva_v1": 0.8766,
-  "deriva_circ": 1.905719006806521e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   11,
-   0.512
-  ],
-  "par_despues": [
-   2,
-   11,
-   0.193
-  ],
-  "mismo_par": true
- },
- "L2_media_s2": {
-  "img": "imgs/L2_media_s2.png",
-  "deriva_v1": 0.8431,
-  "deriva_circ": 8.191468928587784e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   11,
-   0.512
-  ],
-  "par_despues": [
-   1,
-   6,
-   0.144
-  ],
-  "mismo_par": false
- },
- "L2_fuerte_s1": {
-  "img": "imgs/L2_fuerte_s1.png",
-  "deriva_v1": 0.9084,
-  "deriva_circ": 3.027170995207917e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   11,
-   0.512
-  ],
-  "par_despues": [
-   2,
-   11,
-   0.19
-  ],
-  "mismo_par": true
- },
- "L2_fuerte_s2": {
-  "img": "imgs/L2_fuerte_s2.png",
-  "deriva_v1": 0.8408,
-  "deriva_circ": 2.6019565593414515e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   11,
-   0.512
-  ],
-  "par_despues": [
-   1,
-   6,
-   0.143
-  ],
-  "mismo_par": false
- },
- "L3_suave_s1": {
-  "img": "imgs/L3_suave_s1.png",
-  "deriva_v1": 0.8759,
-  "deriva_circ": 2.8129642052878183e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   4,
-   9,
-   0.171
-  ],
-  "par_despues": [
-   2,
-   9,
-   0.113
-  ],
-  "mismo_par": false
- },
- "L3_suave_s2": {
-  "img": "imgs/L3_suave_s2.png",
-  "deriva_v1": 0.8475,
-  "deriva_circ": 5.809119070152899e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   4,
-   9,
-   0.171
-  ],
-  "par_despues": [
-   3,
-   8,
-   0.11
-  ],
-  "mismo_par": false
- },
- "L3_media_s1": {
-  "img": "imgs/L3_media_s1.png",
-  "deriva_v1": 0.8642,
-  "deriva_circ": 1.8837829840199678e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   4,
-   9,
-   0.171
-  ],
-  "par_despues": [
-   0,
-   1,
-   0.153
-  ],
-  "mismo_par": false
- },
- "L3_media_s2": {
-  "img": "imgs/L3_media_s2.png",
-  "deriva_v1": 0.8581,
-  "deriva_circ": 7.957037835563568e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   4,
-   9,
-   0.171
-  ],
-  "par_despues": [
-   4,
-   11,
-   0.124
-  ],
-  "mismo_par": false
- },
- "L3_fuerte_s1": {
-  "img": "imgs/L3_fuerte_s1.png",
-  "deriva_v1": 0.8548,
-  "deriva_circ": 2.95812812652673e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   4,
-   9,
-   0.171
-  ],
-  "par_despues": [
-   2,
-   6,
-   0.14
-  ],
-  "mismo_par": false
- },
- "L3_fuerte_s2": {
-  "img": "imgs/L3_fuerte_s2.png",
-  "deriva_v1": 0.8444,
-  "deriva_circ": 2.7124494874277234e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   4,
-   9,
-   0.171
-  ],
-  "par_despues": [
-   4,
-   11,
-   0.112
-  ],
-  "mismo_par": false
- },
- "L4_suave_s1": {
-  "img": "imgs/L4_suave_s1.png",
-  "deriva_v1": 0.8383,
-  "deriva_circ": 2.9134602291283086e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   6,
-   0.225
-  ],
-  "par_despues": [
-   5,
-   10,
-   0.155
-  ],
-  "mismo_par": false
- },
- "L4_suave_s2": {
-  "img": "imgs/L4_suave_s2.png",
-  "deriva_v1": 0.8496,
-  "deriva_circ": 5.825031497296666e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   6,
-   0.225
-  ],
-  "par_despues": [
-   1,
-   10,
-   0.117
-  ],
-  "mismo_par": false
- },
- "L4_media_s1": {
-  "img": "imgs/L4_media_s1.png",
-  "deriva_v1": 0.8302,
-  "deriva_circ": 1.9144603416035137e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   6,
-   0.225
-  ],
-  "par_despues": [
-   5,
-   10,
-   0.16
-  ],
-  "mismo_par": false
- },
- "L4_media_s2": {
-  "img": "imgs/L4_media_s2.png",
-  "deriva_v1": 0.809,
-  "deriva_circ": 7.769447875944547e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   6,
-   0.225
-  ],
-  "par_despues": [
-   3,
-   10,
-   0.098
-  ],
-  "mismo_par": false
- },
- "L4_fuerte_s1": {
-  "img": "imgs/L4_fuerte_s1.png",
-  "deriva_v1": 0.8443,
-  "deriva_circ": 3.015301548006439e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   6,
-   0.225
-  ],
-  "par_despues": [
-   5,
-   10,
-   0.15
-  ],
-  "mismo_par": false
- },
- "L4_fuerte_s2": {
-  "img": "imgs/L4_fuerte_s2.png",
-  "deriva_v1": 0.8071,
-  "deriva_circ": 2.7054490186557386e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   2,
-   6,
-   0.225
-  ],
-  "par_despues": [
-   1,
-   9,
-   0.113
-  ],
-  "mismo_par": false
- },
- "L5_suave_s1": {
-  "img": "imgs/L5_suave_s1.png",
-  "deriva_v1": 0.8377,
-  "deriva_circ": 3.047820941731155e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   3,
-   9,
-   0.454
-  ],
-  "par_despues": [
-   5,
-   7,
-   0.189
-  ],
-  "mismo_par": false
- },
- "L5_suave_s2": {
-  "img": "imgs/L5_suave_s2.png",
-  "deriva_v1": 0.8498,
-  "deriva_circ": 5.865610656173236e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   3,
-   9,
-   0.454
-  ],
-  "par_despues": [
-   3,
-   9,
-   0.103
-  ],
-  "mismo_par": true
- },
- "L5_media_s1": {
-  "img": "imgs/L5_media_s1.png",
-  "deriva_v1": 0.8772,
-  "deriva_circ": 1.931950503998985e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   3,
-   9,
-   0.454
-  ],
-  "par_despues": [
-   1,
-   9,
-   0.135
-  ],
-  "mismo_par": false
- },
- "L5_media_s2": {
-  "img": "imgs/L5_media_s2.png",
-  "deriva_v1": 0.8122,
-  "deriva_circ": 8.236064575967118e-14,
-  "ordenes_magnitud": 12,
-  "par_antes": [
-   3,
-   9,
-   0.454
-  ],
-  "par_despues": [
-   0,
-   1,
-   0.098
-  ],
-  "mismo_par": false
- },
- "L5_fuerte_s1": {
-  "img": "imgs/L5_fuerte_s1.png",
-  "deriva_v1": 0.8701,
-  "deriva_circ": 3.0786391199404436e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   3,
-   9,
-   0.454
-  ],
-  "par_despues": [
-   1,
-   9,
-   0.121
-  ],
-  "mismo_par": false
- },
- "L5_fuerte_s2": {
-  "img": "imgs/L5_fuerte_s2.png",
-  "deriva_v1": 0.7986,
-  "deriva_circ": 2.7028471609653922e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   3,
-   9,
-   0.454
-  ],
-  "par_despues": [
-   0,
-   1,
-   0.106
-  ],
-  "mismo_par": false
- },
- "L6_suave_s1": {
-  "img": "imgs/L6_suave_s1.png",
-  "deriva_v1": 0.8506,
-  "deriva_circ": 3.162705240413337e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.703
-  ],
-  "par_despues": [
-   5,
-   9,
-   0.13
-  ],
-  "mismo_par": false
- },
- "L6_suave_s2": {
-  "img": "imgs/L6_suave_s2.png",
-  "deriva_v1": 0.8241,
-  "deriva_circ": 5.797686128711883e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.703
-  ],
-  "par_despues": [
-   10,
-   11,
-   0.208
-  ],
-  "mismo_par": false
- },
- "L6_media_s1": {
-  "img": "imgs/L6_media_s1.png",
-  "deriva_v1": 0.8474,
-  "deriva_circ": 1.9306993491334054e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.703
-  ],
-  "par_despues": [
-   2,
-   6,
-   0.139
-  ],
-  "mismo_par": false
- },
- "L6_media_s2": {
-  "img": "imgs/L6_media_s2.png",
-  "deriva_v1": 0.8537,
-  "deriva_circ": 7.479571097365316e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.703
-  ],
-  "par_despues": [
-   2,
-   6,
-   0.132
-  ],
-  "mismo_par": false
- },
- "L6_fuerte_s1": {
-  "img": "imgs/L6_fuerte_s1.png",
-  "deriva_v1": 0.8259,
-  "deriva_circ": 2.9529236640449954e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.703
-  ],
-  "par_despues": [
-   2,
-   6,
-   0.17
-  ],
-  "mismo_par": false
- },
- "L6_fuerte_s2": {
-  "img": "imgs/L6_fuerte_s2.png",
-  "deriva_v1": 0.8447,
-  "deriva_circ": 2.7626367797404217e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.703
-  ],
-  "par_despues": [
-   2,
-   6,
-   0.113
-  ],
-  "mismo_par": false
- },
- "L7_suave_s1": {
-  "img": "imgs/L7_suave_s1.png",
-  "deriva_v1": 0.8616,
-  "deriva_circ": 3.1011565115169496e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   5,
-   10,
-   0.647
-  ],
-  "par_despues": [
-   9,
-   10,
-   0.101
-  ],
-  "mismo_par": false
- },
- "L7_suave_s2": {
-  "img": "imgs/L7_suave_s2.png",
-  "deriva_v1": 0.8613,
-  "deriva_circ": 5.761667178513975e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   5,
-   10,
-   0.647
-  ],
-  "par_despues": [
-   3,
-   5,
-   0.112
-  ],
-  "mismo_par": false
- },
- "L7_media_s1": {
-  "img": "imgs/L7_media_s1.png",
-  "deriva_v1": 0.8736,
-  "deriva_circ": 1.9817014947860575e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   5,
-   10,
-   0.647
-  ],
-  "par_despues": [
-   5,
-   8,
-   0.127
-  ],
-  "mismo_par": false
- },
- "L7_media_s2": {
-  "img": "imgs/L7_media_s2.png",
-  "deriva_v1": 0.8387,
-  "deriva_circ": 8.280716335893669e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   5,
-   10,
-   0.647
-  ],
-  "par_despues": [
-   1,
-   7,
-   0.088
-  ],
-  "mismo_par": false
- },
- "L7_fuerte_s1": {
-  "img": "imgs/L7_fuerte_s1.png",
-  "deriva_v1": 0.8789,
-  "deriva_circ": 3.1076818388437473e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   5,
-   10,
-   0.647
-  ],
-  "par_despues": [
-   5,
-   8,
-   0.113
-  ],
-  "mismo_par": false
- },
- "L7_fuerte_s2": {
-  "img": "imgs/L7_fuerte_s2.png",
-  "deriva_v1": 0.8362,
-  "deriva_circ": 2.794673517007365e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   5,
-   10,
-   0.647
-  ],
-  "par_despues": [
-   8,
-   10,
-   0.07
-  ],
-  "mismo_par": false
- },
- "L8_suave_s1": {
-  "img": "imgs/L8_suave_s1.png",
-  "deriva_v1": 0.8371,
-  "deriva_circ": 3.159660707976963e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.923
-  ],
-  "par_despues": [
-   3,
-   6,
-   0.106
-  ],
-  "mismo_par": false
- },
- "L8_suave_s2": {
-  "img": "imgs/L8_suave_s2.png",
-  "deriva_v1": 0.8326,
-  "deriva_circ": 6.179127019580005e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.923
-  ],
-  "par_despues": [
-   5,
-   6,
-   0.087
-  ],
-  "mismo_par": false
- },
- "L8_media_s1": {
-  "img": "imgs/L8_media_s1.png",
-  "deriva_v1": 0.8297,
-  "deriva_circ": 1.9967340691735304e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.923
-  ],
-  "par_despues": [
-   6,
-   8,
-   0.119
-  ],
-  "mismo_par": true
- },
- "L8_media_s2": {
-  "img": "imgs/L8_media_s2.png",
-  "deriva_v1": 0.8221,
-  "deriva_circ": 8.406723915372021e-14,
-  "ordenes_magnitud": 12,
-  "par_antes": [
-   6,
-   8,
-   0.923
-  ],
-  "par_despues": [
-   3,
-   7,
-   0.091
-  ],
-  "mismo_par": false
- },
- "L8_fuerte_s1": {
-  "img": "imgs/L8_fuerte_s1.png",
-  "deriva_v1": 0.844,
-  "deriva_circ": 3.1070542356021955e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.923
-  ],
-  "par_despues": [
-   2,
-   8,
-   0.113
-  ],
-  "mismo_par": false
- },
- "L8_fuerte_s2": {
-  "img": "imgs/L8_fuerte_s2.png",
-  "deriva_v1": 0.827,
-  "deriva_circ": 2.8388147017913648e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   6,
-   8,
-   0.923
-  ],
-  "par_despues": [
-   8,
-   11,
-   0.092
-  ],
-  "mismo_par": false
- },
- "L9_suave_s1": {
-  "img": "imgs/L9_suave_s1.png",
-  "deriva_v1": 0.91,
-  "deriva_circ": 3.113742104090125e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   8,
-   0.422
-  ],
-  "par_despues": [
-   0,
-   8,
-   0.109
-  ],
-  "mismo_par": true
- },
- "L9_suave_s2": {
-  "img": "imgs/L9_suave_s2.png",
-  "deriva_v1": 0.877,
-  "deriva_circ": 6.094876258725251e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   8,
-   0.422
-  ],
-  "par_despues": [
-   3,
-   4,
-   0.104
-  ],
-  "mismo_par": false
- },
- "L9_media_s1": {
-  "img": "imgs/L9_media_s1.png",
-  "deriva_v1": 0.933,
-  "deriva_circ": 2.007609235255005e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   8,
-   0.422
-  ],
-  "par_despues": [
-   3,
-   5,
-   0.074
-  ],
-  "mismo_par": false
- },
- "L9_media_s2": {
-  "img": "imgs/L9_media_s2.png",
-  "deriva_v1": 0.8425,
-  "deriva_circ": 8.324532178188378e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   8,
-   0.422
-  ],
-  "par_despues": [
-   3,
-   10,
-   0.121
-  ],
-  "mismo_par": false
- },
- "L9_fuerte_s1": {
-  "img": "imgs/L9_fuerte_s1.png",
-  "deriva_v1": 0.9228,
-  "deriva_circ": 3.17377462724315e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   8,
-   0.422
-  ],
-  "par_despues": [
-   5,
-   9,
-   0.081
-  ],
-  "mismo_par": false
- },
- "L9_fuerte_s2": {
-  "img": "imgs/L9_fuerte_s2.png",
-  "deriva_v1": 0.8389,
-  "deriva_circ": 2.8617318086734605e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   8,
-   0.422
-  ],
-  "par_despues": [
-   3,
-   10,
-   0.109
-  ],
-  "mismo_par": false
- },
- "L10_suave_s1": {
-  "img": "imgs/L10_suave_s1.png",
-  "deriva_v1": 0.8477,
-  "deriva_circ": 3.110335961284467e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   3,
-   0.583
-  ],
-  "par_despues": [
-   7,
-   10,
-   0.105
-  ],
-  "mismo_par": false
- },
- "L10_suave_s2": {
-  "img": "imgs/L10_suave_s2.png",
-  "deriva_v1": 0.8731,
-  "deriva_circ": 6.105995368288468e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   3,
-   0.583
-  ],
-  "par_despues": [
-   0,
-   7,
-   0.097
-  ],
-  "mismo_par": false
- },
- "L10_media_s1": {
-  "img": "imgs/L10_media_s1.png",
-  "deriva_v1": 0.8662,
-  "deriva_circ": 1.9916351714317566e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   3,
-   0.583
-  ],
-  "par_despues": [
-   7,
-   8,
-   0.108
-  ],
-  "mismo_par": false
- },
- "L10_media_s2": {
-  "img": "imgs/L10_media_s2.png",
-  "deriva_v1": 0.8814,
-  "deriva_circ": 8.313739099757465e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   3,
-   0.583
-  ],
-  "par_despues": [
-   0,
-   7,
-   0.088
-  ],
-  "mismo_par": false
- },
- "L10_fuerte_s1": {
-  "img": "imgs/L10_fuerte_s1.png",
-  "deriva_v1": 0.8551,
-  "deriva_circ": 3.12802461650481e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   3,
-   0.583
-  ],
-  "par_despues": [
-   7,
-   8,
-   0.095
-  ],
-  "mismo_par": false
- },
- "L10_fuerte_s2": {
-  "img": "imgs/L10_fuerte_s2.png",
-  "deriva_v1": 0.8863,
-  "deriva_circ": 2.869690316839748e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   0,
-   3,
-   0.583
-  ],
-  "par_despues": [
-   1,
-   10,
-   0.084
-  ],
-  "mismo_par": false
- },
- "L11_suave_s1": {
-  "img": "imgs/L11_suave_s1.png",
-  "deriva_v1": 0.7919,
-  "deriva_circ": 2.878703791209282e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   8,
-   9,
-   0.92
-  ],
-  "par_despues": [
-   3,
-   7,
-   0.176
-  ],
-  "mismo_par": false
- },
- "L11_suave_s2": {
-  "img": "imgs/L11_suave_s2.png",
-  "deriva_v1": 0.8022,
-  "deriva_circ": 6.204952614598513e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   8,
-   9,
-   0.92
-  ],
-  "par_despues": [
-   4,
-   9,
-   0.237
-  ],
-  "mismo_par": false
- },
- "L11_media_s1": {
-  "img": "imgs/L11_media_s1.png",
-  "deriva_v1": 0.7892,
-  "deriva_circ": 1.984885674138256e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   8,
-   9,
-   0.92
-  ],
-  "par_despues": [
-   3,
-   7,
-   0.185
-  ],
-  "mismo_par": false
- },
- "L11_media_s2": {
-  "img": "imgs/L11_media_s2.png",
-  "deriva_v1": 0.8032,
-  "deriva_circ": 8.129645132437228e-14,
-  "ordenes_magnitud": 12,
-  "par_antes": [
-   8,
-   9,
-   0.92
-  ],
-  "par_despues": [
-   4,
-   9,
-   0.22
-  ],
-  "mismo_par": false
- },
- "L11_fuerte_s1": {
-  "img": "imgs/L11_fuerte_s1.png",
-  "deriva_v1": 0.7973,
-  "deriva_circ": 3.1385631552222743e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   8,
-   9,
-   0.92
-  ],
-  "par_despues": [
-   3,
-   7,
-   0.181
-  ],
-  "mismo_par": false
- },
- "L11_fuerte_s2": {
-  "img": "imgs/L11_fuerte_s2.png",
-  "deriva_v1": 0.8202,
-  "deriva_circ": 2.807503880189621e-14,
-  "ordenes_magnitud": 13,
-  "par_antes": [
-   8,
-   9,
-   0.92
-  ],
-  "par_despues": [
-   4,
-   9,
-   0.178
-  ],
-  "mismo_par": false
- }
-}
\ No newline at end of file
diff --git a/demo/portador.py b/demo/portador.py
new file mode 100644
index 0000000000000000000000000000000000000000..3e3668229bab00f57623d7e15f976a52643aae4a
--- /dev/null
+++ b/demo/portador.py
@@ -0,0 +1,227 @@
+"""portador ligero del sector valor-salida para la demo.
+
+`src/gauge_flip.py` opera sobre `modelo.blocks[capa].attn.qkv` y
+`.proj`, es decir sobre un vit de timm de 984 mb. la demo no puede
+cargar eso, pero tampoco debe reimplementar el gauge: reimplementarlo
+sería perder la propiedad que hace fiable a esta ruta ---que la demo
+ejecuta el mismo código que produjo las tablas 2 y 3---.
+
+la salida es un objeto mínimo que expone exactamente esa interfaz
+sobre los tensores del safetensors. `aplica_gauge_ov` corre **sin una
+sola modificación**; solo toca las filas de valor del qkv, su sesgo y
+las columnas de la proyección de salida, que es lo que el portador
+tiene. el resto del qkv es relleno que la función jamás lee.
+"""
+
+import pathlib
+
+import torch
+from safetensors.torch import load_file
+
+
+class _Lineal:
+    """imita `nn.Linear` en los dos atributos que el gauge usa."""
+
+    def __init__(self, weight: torch.Tensor,
+                 bias: torch.Tensor | None = None) -> None:
+        """guarda peso y sesgo como tensores mutables.
+
+        Args:
+            weight: matriz de pesos.
+            bias: vector de sesgo, o None.
+        """
+        self.weight = weight
+        self.bias = bias
+
+
+class _Atencion:
+    """imita el módulo de atención de timm: `.qkv` y `.proj`."""
+
+    def __init__(self, qkv: _Lineal, proj: _Lineal) -> None:
+        """agrupa las dos proyecciones.
+
+        Args:
+            qkv: proyección fusionada consulta-clave-valor.
+            proj: proyección de salida.
+        """
+        self.qkv = qkv
+        self.proj = proj
+
+
+class _Bloque:
+    """imita un bloque de timm: solo expone `.attn`."""
+
+    def __init__(self, attn: _Atencion) -> None:
+        """envuelve la atención.
+
+        Args:
+            attn: el módulo de atención del bloque.
+        """
+        self.attn = attn
+
+
+class PortadorVO:
+    """vit de mentira con el sector valor-salida de verdad.
+
+    Attributes:
+        blocks: lista de bloques con la interfaz que el gauge espera.
+        n_cabezas: cabezas por capa.
+        dim_cabeza: d_h.
+    """
+
+    def __init__(self, ruta: str) -> None:
+        """monta el portador desde el safetensors del sector.
+
+        los tensores se elevan a float64. `aplica_gauge_ov` calcula r y
+        su inversa en doble y devuelve el resultado al dtype del peso:
+        con el portador en simple, ese último casteo deja un error de
+        ~1e-7 relativo y el circuito ov ---que es exactamente
+        invariante--- aparece moviéndose milésimas de grado, más que
+        v1(w_o) bajo un gauge ortogonal. en doble no se pierde nada y
+        la invariancia se lee al orden que certifica la fase g.
+
+        Args:
+            ruta: fichero generado por `scripts/extraer_sector_vo.py`.
+        """
+        s = load_file(ruta)
+        capas = 1 + max(int(k.split(".")[0][1:]) for k in s)
+        self.n_cabezas = 1 + max(int(k.split(".")[1][1:]) for k in s)
+        self.dim_cabeza = s["L0.h0.w_v"].shape[0]
+        d = s["L0.h0.w_v"].shape[1]
+        nh, dh = self.n_cabezas, self.dim_cabeza
+        self.blocks = []
+        for c in range(capas):
+            qkv_w = torch.zeros(3 * d, d, dtype=torch.float64)
+            qkv_b = torch.zeros(3 * d, dtype=torch.float64)
+            proj_w = torch.zeros(d, d, dtype=torch.float64)
+            for h in range(nh):
+                fil = slice(2 * d + h * dh, 2 * d + (h + 1) * dh)
+                col = slice(h * dh, (h + 1) * dh)
+                qkv_w[fil, :] = s[f"L{c}.h{h}.w_v"].double()
+                qkv_b[fil] = s[f"L{c}.h{h}.b_v"].double()
+                proj_w[:, col] = (
+                    s[f"L{c}.h{h}.w_o"].t().double())
+            self.blocks.append(
+                _Bloque(_Atencion(_Lineal(qkv_w, qkv_b), _Lineal(proj_w))))
+
+    def w_o_por_cabeza(self, capa: int) -> torch.Tensor:
+        """proyección de salida por cabeza, tras el gauge que haya.
+
+        Args:
+            capa: índice de capa.
+
+        Returns:
+            tensor [h, dh, d].
+        """
+        w = self.blocks[capa].attn.proj.weight
+        dh = self.dim_cabeza
+        return torch.stack([w[:, h * dh:(h + 1) * dh].t()
+                            for h in range(self.n_cabezas)])
+
+    def copia(self) -> "PortadorVO":
+        """duplica el portador para aplicarle un gauge sin destruirlo.
+
+        Returns:
+            un portador independiente con los mismos pesos.
+        """
+        otro = PortadorVO.__new__(PortadorVO)
+        otro.n_cabezas, otro.dim_cabeza = self.n_cabezas, self.dim_cabeza
+        otro.blocks = []
+        for b in self.blocks:
+            q, p = b.attn.qkv, b.attn.proj
+            otro.blocks.append(_Bloque(_Atencion(
+                _Lineal(q.weight.clone(), q.bias.clone()),
+                _Lineal(p.weight.clone()))))
+        return otro
+
+
+def carga(col: str = "vitb", raiz: str = "artifacts/demo") -> PortadorVO:
+    """carga el portador de una columna.
+
+    Args:
+        col: etiqueta de columna (vitb o pythia).
+        raiz: directorio de los safetensors.
+
+    Returns:
+        el portador montado.
+
+    Raises:
+        FileNotFoundError: si falta el fichero del sector.
+    """
+    ruta = pathlib.Path(raiz) / f"sector_vo_{col}.safetensors"
+    if not ruta.exists():
+        raise FileNotFoundError(
+            f"{ruta}: ejecuta antes scripts/extraer_sector_vo.py")
+    return PortadorVO(str(ruta))
+
+
+def verifica_relleno(p: PortadorVO, capa: int = 0,
+                     escala_id: float = 8.0) -> None:
+    """comprueba que el gauge no toca las regiones de relleno.
+
+    el portador funciona porque `aplica_gauge_ov` solo lee y escribe
+    las filas de valor del qkv, su sesgo y las columnas de la
+    proyección de salida. eso es un contrato implícito con `src/`: si
+    una versión futura del gauge tocara consulta o clave, el portador
+    serviría derivas de un modelo que ya no es el del paper, y lo
+    haría en silencio. este assert convierte el contrato en fallo
+    ruidoso.
+
+    Args:
+        p: portador ya montado.
+        capa: capa sobre la que probar.
+        escala_id: fuerza del gauge de prueba.
+
+    Raises:
+        AssertionError: si el gauge escribe fuera del sector de valor.
+    """
+    from src.gauge_flip import aplica_gauge_ov
+
+    q = p.copia()
+    w = q.blocks[capa].attn.qkv.weight
+    d = w.shape[1]
+    antes_w = w[:2 * d, :].clone()
+    antes_b = q.blocks[capa].attn.qkv.bias[:2 * d].clone()
+    aplica_gauge_ov(q, capa, q.n_cabezas, q.dim_cabeza, semilla=0,
+                    escala_id=escala_id)
+    assert torch.equal(q.blocks[capa].attn.qkv.weight[:2 * d, :], antes_w), (
+        "el gauge escribió en las filas de consulta o clave: el portador "
+        "ya no representa al modelo del paper")
+    assert torch.equal(q.blocks[capa].attn.qkv.bias[:2 * d], antes_b), (
+        "el gauge escribió en el sesgo de consulta o clave")
+
+
+def verifica_manifiesto(raiz: str = ".") -> None:
+    """contrasta el sha256 de lo vendido contra `manifiesto.sha256`.
+
+    el Space lleva copias del código del paper, y las copias derivan.
+    esto es el patrón de identidad byte a byte de g4 aplicado al
+    código: si un fichero cambió, el arranque falla en vez de servir
+    derivas de algo que ya no es el aparato publicado. si no hay
+    manifiesto ---ejecución local desde el repo--- no hay nada que
+    contrastar y la función no hace nada.
+
+    Args:
+        raiz: directorio donde vive `manifiesto.sha256`.
+
+    Raises:
+        AssertionError: si algún fichero falta o su hash no cuadra.
+    """
+    import hashlib
+
+    m = pathlib.Path(raiz) / "manifiesto.sha256"
+    if not m.exists():
+        return
+    for linea in m.read_text(encoding="utf-8").splitlines():
+        if not linea.strip():
+            continue
+        esperado, rel = linea.split("  ", 1)
+        f = pathlib.Path(raiz) / rel
+        assert f.exists(), f"manifiesto: falta {rel}"
+        h = hashlib.sha256()
+        with open(f, "rb") as fh:
+            for b in iter(lambda: fh.read(1 << 20), b""):
+                h.update(b)
+        assert h.hexdigest() == esperado, (
+            f"manifiesto: {rel} ha derivado respecto al commit firmado; "
+            f"el Space no sirve un código que no es el del paper")
diff --git a/imgs/L0_fuerte_s1.png b/imgs/L0_fuerte_s1.png
deleted file mode 100644
index 53604411640204c4222b26de0214249b4bb790f4..0000000000000000000000000000000000000000
Binary files a/imgs/L0_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L0_fuerte_s2.png b/imgs/L0_fuerte_s2.png
deleted file mode 100644
index b42f3eb2f1cbe46b4da31e81b5f32b18fa5ab9b3..0000000000000000000000000000000000000000
Binary files a/imgs/L0_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L0_media_s1.png b/imgs/L0_media_s1.png
deleted file mode 100644
index 8fd0cbc0295cfd876c8411aad52bf7a25704c3f0..0000000000000000000000000000000000000000
Binary files a/imgs/L0_media_s1.png and /dev/null differ
diff --git a/imgs/L0_media_s2.png b/imgs/L0_media_s2.png
deleted file mode 100644
index f8ffcb16fa2c9bc619b03daccbc61091be322825..0000000000000000000000000000000000000000
Binary files a/imgs/L0_media_s2.png and /dev/null differ
diff --git a/imgs/L0_suave_s1.png b/imgs/L0_suave_s1.png
deleted file mode 100644
index a50dc2fbc871864428529d9741c7e5a09b91ad45..0000000000000000000000000000000000000000
Binary files a/imgs/L0_suave_s1.png and /dev/null differ
diff --git a/imgs/L0_suave_s2.png b/imgs/L0_suave_s2.png
deleted file mode 100644
index 10a3a0022dbf4f38be572660299890c44674144a..0000000000000000000000000000000000000000
Binary files a/imgs/L0_suave_s2.png and /dev/null differ
diff --git a/imgs/L10_fuerte_s1.png b/imgs/L10_fuerte_s1.png
deleted file mode 100644
index b3a6acab8e4fe2ce6101c73f498df70dbf2c3309..0000000000000000000000000000000000000000
Binary files a/imgs/L10_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L10_fuerte_s2.png b/imgs/L10_fuerte_s2.png
deleted file mode 100644
index 193a072764fe01329ac2659b497569fb49f2e40a..0000000000000000000000000000000000000000
Binary files a/imgs/L10_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L10_media_s1.png b/imgs/L10_media_s1.png
deleted file mode 100644
index 9bf7b67fb5bfa7f397f9917f1398cdb9604a2707..0000000000000000000000000000000000000000
Binary files a/imgs/L10_media_s1.png and /dev/null differ
diff --git a/imgs/L10_media_s2.png b/imgs/L10_media_s2.png
deleted file mode 100644
index a426ac61a135ea2a9c2af682ab2c23ba2b2b701b..0000000000000000000000000000000000000000
Binary files a/imgs/L10_media_s2.png and /dev/null differ
diff --git a/imgs/L10_suave_s1.png b/imgs/L10_suave_s1.png
deleted file mode 100644
index 51773326300d32ac5a6e59cf0cd8ee830c17cf42..0000000000000000000000000000000000000000
Binary files a/imgs/L10_suave_s1.png and /dev/null differ
diff --git a/imgs/L10_suave_s2.png b/imgs/L10_suave_s2.png
deleted file mode 100644
index 12de3db9ad5fc9295e95d2c97882be2c0117b9ea..0000000000000000000000000000000000000000
Binary files a/imgs/L10_suave_s2.png and /dev/null differ
diff --git a/imgs/L11_fuerte_s1.png b/imgs/L11_fuerte_s1.png
deleted file mode 100644
index fa717f7ef1339d78dbbae9cd74aa847cf2a814ad..0000000000000000000000000000000000000000
Binary files a/imgs/L11_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L11_fuerte_s2.png b/imgs/L11_fuerte_s2.png
deleted file mode 100644
index f6b304c94b35f836b456f5c28207243c42607017..0000000000000000000000000000000000000000
Binary files a/imgs/L11_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L11_media_s1.png b/imgs/L11_media_s1.png
deleted file mode 100644
index bd3f58683e641bef123321c4400239c26ff50fe0..0000000000000000000000000000000000000000
Binary files a/imgs/L11_media_s1.png and /dev/null differ
diff --git a/imgs/L11_media_s2.png b/imgs/L11_media_s2.png
deleted file mode 100644
index a872fa4eeef8da785a4d362bec47a161a9c170d4..0000000000000000000000000000000000000000
Binary files a/imgs/L11_media_s2.png and /dev/null differ
diff --git a/imgs/L11_suave_s1.png b/imgs/L11_suave_s1.png
deleted file mode 100644
index be7a67eb5e6f32a5ce8f524a51c28993cb8a61d6..0000000000000000000000000000000000000000
Binary files a/imgs/L11_suave_s1.png and /dev/null differ
diff --git a/imgs/L11_suave_s2.png b/imgs/L11_suave_s2.png
deleted file mode 100644
index 67fce007e43e139aa0f99cea5fa2eb3560108c35..0000000000000000000000000000000000000000
Binary files a/imgs/L11_suave_s2.png and /dev/null differ
diff --git a/imgs/L1_fuerte_s1.png b/imgs/L1_fuerte_s1.png
deleted file mode 100644
index 0d50b6233a7715c8fdfd1f99b736fda33c232154..0000000000000000000000000000000000000000
Binary files a/imgs/L1_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L1_fuerte_s2.png b/imgs/L1_fuerte_s2.png
deleted file mode 100644
index f14c37d96ddf5d39a6c00a813e8ec788df482238..0000000000000000000000000000000000000000
Binary files a/imgs/L1_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L1_media_s1.png b/imgs/L1_media_s1.png
deleted file mode 100644
index f89e96a12d75957aef21da63a390f8288517c9f9..0000000000000000000000000000000000000000
Binary files a/imgs/L1_media_s1.png and /dev/null differ
diff --git a/imgs/L1_media_s2.png b/imgs/L1_media_s2.png
deleted file mode 100644
index 6aa182e4d80fd061d15236741c20cf96cd0307f9..0000000000000000000000000000000000000000
Binary files a/imgs/L1_media_s2.png and /dev/null differ
diff --git a/imgs/L1_suave_s1.png b/imgs/L1_suave_s1.png
deleted file mode 100644
index 4bee98bf225ae729445a505d5840a13334036d5a..0000000000000000000000000000000000000000
Binary files a/imgs/L1_suave_s1.png and /dev/null differ
diff --git a/imgs/L1_suave_s2.png b/imgs/L1_suave_s2.png
deleted file mode 100644
index 449bbde11ea882ac29cc77e55c7e180252185087..0000000000000000000000000000000000000000
Binary files a/imgs/L1_suave_s2.png and /dev/null differ
diff --git a/imgs/L2_fuerte_s1.png b/imgs/L2_fuerte_s1.png
deleted file mode 100644
index 736b2d93f0cea4aa06803c145dd626c0ea0ba090..0000000000000000000000000000000000000000
Binary files a/imgs/L2_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L2_fuerte_s2.png b/imgs/L2_fuerte_s2.png
deleted file mode 100644
index 32509c35499df850c487ca3ddb6f4ef4c1231ed8..0000000000000000000000000000000000000000
Binary files a/imgs/L2_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L2_media_s1.png b/imgs/L2_media_s1.png
deleted file mode 100644
index 0283bc2da9d4a6661a73b9efb60252eadbf9d846..0000000000000000000000000000000000000000
Binary files a/imgs/L2_media_s1.png and /dev/null differ
diff --git a/imgs/L2_media_s2.png b/imgs/L2_media_s2.png
deleted file mode 100644
index db815d3400f45b2af3d42ef01e83d94a4ae7ce78..0000000000000000000000000000000000000000
Binary files a/imgs/L2_media_s2.png and /dev/null differ
diff --git a/imgs/L2_suave_s1.png b/imgs/L2_suave_s1.png
deleted file mode 100644
index 9681f7d5df675b71b540780e5d8b8137a7cd6a4f..0000000000000000000000000000000000000000
Binary files a/imgs/L2_suave_s1.png and /dev/null differ
diff --git a/imgs/L2_suave_s2.png b/imgs/L2_suave_s2.png
deleted file mode 100644
index 8e0246374d12f4567cc2aff08448ec96da40a650..0000000000000000000000000000000000000000
Binary files a/imgs/L2_suave_s2.png and /dev/null differ
diff --git a/imgs/L3_fuerte_s1.png b/imgs/L3_fuerte_s1.png
deleted file mode 100644
index b1693a557e59f72a1ccd8b0ce34f93516862234b..0000000000000000000000000000000000000000
Binary files a/imgs/L3_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L3_fuerte_s2.png b/imgs/L3_fuerte_s2.png
deleted file mode 100644
index 397df15dd2b126f31d9900b785196cdc10f8718c..0000000000000000000000000000000000000000
Binary files a/imgs/L3_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L3_media_s1.png b/imgs/L3_media_s1.png
deleted file mode 100644
index 3095c699258c31f5658e03b0db8aef687c911ac4..0000000000000000000000000000000000000000
Binary files a/imgs/L3_media_s1.png and /dev/null differ
diff --git a/imgs/L3_media_s2.png b/imgs/L3_media_s2.png
deleted file mode 100644
index 9a30ade59e2ebdc69e699c64e2c26d5f491a89f1..0000000000000000000000000000000000000000
Binary files a/imgs/L3_media_s2.png and /dev/null differ
diff --git a/imgs/L3_suave_s1.png b/imgs/L3_suave_s1.png
deleted file mode 100644
index 007b78d482f96c1e4e53d0d08d758030a4e38a31..0000000000000000000000000000000000000000
Binary files a/imgs/L3_suave_s1.png and /dev/null differ
diff --git a/imgs/L3_suave_s2.png b/imgs/L3_suave_s2.png
deleted file mode 100644
index e04f5684b473007c74eadf11afda83c2f7337989..0000000000000000000000000000000000000000
Binary files a/imgs/L3_suave_s2.png and /dev/null differ
diff --git a/imgs/L4_fuerte_s1.png b/imgs/L4_fuerte_s1.png
deleted file mode 100644
index c35ae9d332aa0766dc7acf9ce18281b6b15e655c..0000000000000000000000000000000000000000
Binary files a/imgs/L4_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L4_fuerte_s2.png b/imgs/L4_fuerte_s2.png
deleted file mode 100644
index 54a818953dac4a133e8678170db1b7a6c2138bfa..0000000000000000000000000000000000000000
Binary files a/imgs/L4_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L4_media_s1.png b/imgs/L4_media_s1.png
deleted file mode 100644
index 2f6c94110e4e004345561e9cd9f46e0e65a2268e..0000000000000000000000000000000000000000
Binary files a/imgs/L4_media_s1.png and /dev/null differ
diff --git a/imgs/L4_media_s2.png b/imgs/L4_media_s2.png
deleted file mode 100644
index 32fe8fdcde897dc5f199e464be0ab6f357c0d80c..0000000000000000000000000000000000000000
Binary files a/imgs/L4_media_s2.png and /dev/null differ
diff --git a/imgs/L4_suave_s1.png b/imgs/L4_suave_s1.png
deleted file mode 100644
index ac0e4a0dbf88a8f4b615b34c2817d3a67c85c63b..0000000000000000000000000000000000000000
Binary files a/imgs/L4_suave_s1.png and /dev/null differ
diff --git a/imgs/L4_suave_s2.png b/imgs/L4_suave_s2.png
deleted file mode 100644
index 5c740c2e396f49068687ee0214c72ea7cd7009de..0000000000000000000000000000000000000000
Binary files a/imgs/L4_suave_s2.png and /dev/null differ
diff --git a/imgs/L5_fuerte_s1.png b/imgs/L5_fuerte_s1.png
deleted file mode 100644
index 96daf0cd30273170543dce16c01719d96d15b15e..0000000000000000000000000000000000000000
Binary files a/imgs/L5_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L5_fuerte_s2.png b/imgs/L5_fuerte_s2.png
deleted file mode 100644
index f0465cf6369134ce33f97de2e27206bcb13cb94a..0000000000000000000000000000000000000000
Binary files a/imgs/L5_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L5_media_s1.png b/imgs/L5_media_s1.png
deleted file mode 100644
index 03a6f223e5470ffdc1d12dc141011dbd129fd37c..0000000000000000000000000000000000000000
Binary files a/imgs/L5_media_s1.png and /dev/null differ
diff --git a/imgs/L5_media_s2.png b/imgs/L5_media_s2.png
deleted file mode 100644
index 718573d75088cff4f0e4fcb45690d136768bde7a..0000000000000000000000000000000000000000
Binary files a/imgs/L5_media_s2.png and /dev/null differ
diff --git a/imgs/L5_suave_s1.png b/imgs/L5_suave_s1.png
deleted file mode 100644
index ae8c5a7976390153b9af5299aafd6b28542cca15..0000000000000000000000000000000000000000
Binary files a/imgs/L5_suave_s1.png and /dev/null differ
diff --git a/imgs/L5_suave_s2.png b/imgs/L5_suave_s2.png
deleted file mode 100644
index 86826a08114eb3a03ca5876a95c29f5100936bab..0000000000000000000000000000000000000000
Binary files a/imgs/L5_suave_s2.png and /dev/null differ
diff --git a/imgs/L6_fuerte_s1.png b/imgs/L6_fuerte_s1.png
deleted file mode 100644
index 994674123b4eee6c02742156be57114518f9da2b..0000000000000000000000000000000000000000
Binary files a/imgs/L6_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L6_fuerte_s2.png b/imgs/L6_fuerte_s2.png
deleted file mode 100644
index c7d2c75dbe7baf901088b5535facc681b9ccd7d3..0000000000000000000000000000000000000000
Binary files a/imgs/L6_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L6_media_s1.png b/imgs/L6_media_s1.png
deleted file mode 100644
index a86243922801b9fb911077d80ae294e27a269276..0000000000000000000000000000000000000000
Binary files a/imgs/L6_media_s1.png and /dev/null differ
diff --git a/imgs/L6_media_s2.png b/imgs/L6_media_s2.png
deleted file mode 100644
index 885e2cf671e01b73f2b93d6058dff0a27d7134bb..0000000000000000000000000000000000000000
Binary files a/imgs/L6_media_s2.png and /dev/null differ
diff --git a/imgs/L6_suave_s1.png b/imgs/L6_suave_s1.png
deleted file mode 100644
index e69968afc6d1bf9ce9ec5cd6e02066c7737a48d8..0000000000000000000000000000000000000000
Binary files a/imgs/L6_suave_s1.png and /dev/null differ
diff --git a/imgs/L6_suave_s2.png b/imgs/L6_suave_s2.png
deleted file mode 100644
index 1cf3a7b8f2ff2c08d85385f8353b79e2cd36596f..0000000000000000000000000000000000000000
Binary files a/imgs/L6_suave_s2.png and /dev/null differ
diff --git a/imgs/L7_fuerte_s1.png b/imgs/L7_fuerte_s1.png
deleted file mode 100644
index f4f2a278e5f222c6e8e162501481945d5434e975..0000000000000000000000000000000000000000
Binary files a/imgs/L7_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L7_fuerte_s2.png b/imgs/L7_fuerte_s2.png
deleted file mode 100644
index 88fd308a89df6ba4629195e26cfe7108da44d864..0000000000000000000000000000000000000000
Binary files a/imgs/L7_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L7_media_s1.png b/imgs/L7_media_s1.png
deleted file mode 100644
index 2e635c982abddc85873fd783080f1842e294768d..0000000000000000000000000000000000000000
Binary files a/imgs/L7_media_s1.png and /dev/null differ
diff --git a/imgs/L7_media_s2.png b/imgs/L7_media_s2.png
deleted file mode 100644
index 994e575c49bbb09ae7393e431c528c62b068960f..0000000000000000000000000000000000000000
Binary files a/imgs/L7_media_s2.png and /dev/null differ
diff --git a/imgs/L7_suave_s1.png b/imgs/L7_suave_s1.png
deleted file mode 100644
index 54dfe8ba93e51ceb4dc5a87c7e3dc03c6d0c570a..0000000000000000000000000000000000000000
Binary files a/imgs/L7_suave_s1.png and /dev/null differ
diff --git a/imgs/L7_suave_s2.png b/imgs/L7_suave_s2.png
deleted file mode 100644
index 02e1c6162d783174366f4324c36d4e60d8c87e3e..0000000000000000000000000000000000000000
Binary files a/imgs/L7_suave_s2.png and /dev/null differ
diff --git a/imgs/L8_fuerte_s1.png b/imgs/L8_fuerte_s1.png
deleted file mode 100644
index feadf29efd125ed852344d547900332bd3aaf076..0000000000000000000000000000000000000000
Binary files a/imgs/L8_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L8_fuerte_s2.png b/imgs/L8_fuerte_s2.png
deleted file mode 100644
index 6b4de9127d2a0813fbeffad2f06479a47a44b3d4..0000000000000000000000000000000000000000
Binary files a/imgs/L8_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L8_media_s1.png b/imgs/L8_media_s1.png
deleted file mode 100644
index 06003101ed7edcd0f8348a8a85ab194d05e2f3ad..0000000000000000000000000000000000000000
Binary files a/imgs/L8_media_s1.png and /dev/null differ
diff --git a/imgs/L8_media_s2.png b/imgs/L8_media_s2.png
deleted file mode 100644
index 3db9bf788c2fc06584bd0957a098a9a3aadc8158..0000000000000000000000000000000000000000
Binary files a/imgs/L8_media_s2.png and /dev/null differ
diff --git a/imgs/L8_suave_s1.png b/imgs/L8_suave_s1.png
deleted file mode 100644
index 36109de45633f682ac89692bcd41086d332612e6..0000000000000000000000000000000000000000
Binary files a/imgs/L8_suave_s1.png and /dev/null differ
diff --git a/imgs/L8_suave_s2.png b/imgs/L8_suave_s2.png
deleted file mode 100644
index 04b4faca8fa2df2fca2411fda1b187a38ad1fdea..0000000000000000000000000000000000000000
Binary files a/imgs/L8_suave_s2.png and /dev/null differ
diff --git a/imgs/L9_fuerte_s1.png b/imgs/L9_fuerte_s1.png
deleted file mode 100644
index 2acca74e437c5cd19171ac04756462fe2a7620ce..0000000000000000000000000000000000000000
Binary files a/imgs/L9_fuerte_s1.png and /dev/null differ
diff --git a/imgs/L9_fuerte_s2.png b/imgs/L9_fuerte_s2.png
deleted file mode 100644
index e042c2a8949aebc0b2ee1b1a46870b0ec6d9c1bc..0000000000000000000000000000000000000000
Binary files a/imgs/L9_fuerte_s2.png and /dev/null differ
diff --git a/imgs/L9_media_s1.png b/imgs/L9_media_s1.png
deleted file mode 100644
index 310a37c4f4ff105ac72299ce3b9d49af33178b3b..0000000000000000000000000000000000000000
Binary files a/imgs/L9_media_s1.png and /dev/null differ
diff --git a/imgs/L9_media_s2.png b/imgs/L9_media_s2.png
deleted file mode 100644
index 97c8c773d38f74aa1b83420965f361b79dbd9686..0000000000000000000000000000000000000000
Binary files a/imgs/L9_media_s2.png and /dev/null differ
diff --git a/imgs/L9_suave_s1.png b/imgs/L9_suave_s1.png
deleted file mode 100644
index d60c8dcd3f3e5fd70ff63e92f9268e188bcdc16f..0000000000000000000000000000000000000000
Binary files a/imgs/L9_suave_s1.png and /dev/null differ
diff --git a/imgs/L9_suave_s2.png b/imgs/L9_suave_s2.png
deleted file mode 100644
index 34665fbce189e49b4fff62e32bbee2ac9a81d24e..0000000000000000000000000000000000000000
Binary files a/imgs/L9_suave_s2.png and /dev/null differ
diff --git a/index.html b/index.html
deleted file mode 100644
index 5cdc6c9372a2ca8dd5bbcb8f75c01c1940ff002f..0000000000000000000000000000000000000000
--- a/index.html
+++ /dev/null
@@ -1,188 +0,0 @@
-<!doctype html>
-<html lang="es">
-<head>
-<meta charset="utf-8">
-<meta name="viewport" content="width=device-width, initial-scale=1">
-<title>v1(W_O) no es identificable</title>
-<style>
-  :root { color-scheme: light dark; }
-  body {
-    font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto,
-      Helvetica, Arial, sans-serif;
-    max-width: 880px;
-    margin: 2rem auto;
-    padding: 0 1.2rem;
-    line-height: 1.55;
-  }
-  h1 { font-size: 1.5rem; }
-  .links a { margin-right: 1rem; }
-  .controles {
-    display: flex;
-    flex-wrap: wrap;
-    gap: 1.2rem;
-    margin: 1.5rem 0;
-    padding: 1rem;
-    border: 1px solid #8884;
-    border-radius: 10px;
-  }
-  .controles label {
-    display: flex;
-    flex-direction: column;
-    font-size: 0.85rem;
-    font-weight: 600;
-    gap: 0.3rem;
-  }
-  select {
-    font-size: 1rem;
-    padding: 0.3rem 0.5rem;
-  }
-  #imagen {
-    width: 100%;
-    border-radius: 10px;
-    border: 1px solid #8884;
-  }
-  table { border-collapse: collapse; margin: 1rem 0; }
-  td, th { padding: 0.35rem 0.8rem; border: 1px solid #8886; text-align: left; }
-  .veredicto {
-    padding: 1rem;
-    border-radius: 10px;
-    margin-top: 1rem;
-    font-size: 1.05rem;
-  }
-  .distinto { background: color-mix(in srgb, orangered 15%, transparent); }
-  .igual { background: color-mix(in srgb, seagreen 15%, transparent); }
-  code { font-size: 0.95em; }
-</style>
-</head>
-<body>
-
-<h1>La dirección dominante de <em>W<sub>O</sub></em> no es identificable</h1>
-
-<p>Demo de <em>"Same function, different pruning: the dominant
-direction of W<sub>O</sub> under free, soft, and hard
-intervention"</em>. Una práctica habitual para podar o interpretar
-cabezas de atención lee el primer vector singular de la proyección de
-salida, <code>v1(W_O)</code>, como la "dirección representativa" de
-cada cabeza. Este trabajo muestra que esa dirección <strong>no está
-determinada por la función</strong>: existe una libertad de gauge
-<code>W_v &rarr; W_v R,  W_O &rarr; R⁻¹ W_O</code> que deja la salida
-—y el circuito <code>W_v W_O</code>— exactamente intactos, pero mueve
-<code>v1(W_O)</code> a voluntad.</p>
-
-<p>Los ejemplos de abajo usan pesos reales de ViT-B/16 (semilla 42, la
-columna ancla del paper), precalculados para 12 capas × 3 fuerzas de
-gauge × 2 semillas aleatorias (72 combinaciones). Elige una
-combinación y compara cuánto se mueve la dirección de peso frente a
-cuánto se mueve la función.</p>
-
-<div class="controles">
-  <label>Capa
-    <select id="capa"></select>
-  </label>
-  <label>Fuerza del gauge
-    <select id="fuerza">
-      <option value="suave">Suave (R cerca de la identidad)</option>
-      <option value="media" selected>Media</option>
-      <option value="fuerte">Fuerte (R muy distinto de la identidad)</option>
-    </select>
-  </label>
-  <label>Intento (semilla)
-    <select id="semilla">
-      <option value="1" selected>Intento 1</option>
-      <option value="2">Intento 2</option>
-    </select>
-  </label>
-</div>
-
-<img id="imagen" src="" alt="matrices de redundancia antes/después del gauge">
-
-<table id="tabla-metricas">
-  <tr><th>Cantidad</th><th>Valor</th></tr>
-  <tr><td>Deriva de v1(W_O) (dirección de peso)</td><td id="deriva-v1"></td></tr>
-  <tr><td>Deriva del circuito OV (la función)</td><td id="deriva-circ"></td></tr>
-</table>
-
-<div id="veredicto" class="veredicto"></div>
-
-<p class="links">
-  <a href="https://github.com/mmunozpl/angular-separation-vit">Código (GitHub)</a>
-  <a href="https://huggingface.co/datasets/ManPla/angular-separation-vit-results">Resultados (HF)</a>
-  <a href="https://huggingface.co/ManPla/angular-separation-vit-checkpoints">Checkpoints (HF)</a>
-  <a href="https://doi.org/10.5281/zenodo.21630535">DOI del código</a>
-</p>
-
-<script>
-let DATOS = null;
-
-async function cargarDatos() {
-  const resp = await fetch("datos.json");
-  DATOS = await resp.json();
-}
-
-function poblarCapas() {
-  const sel = document.getElementById("capa");
-  for (let i = 0; i < 12; i++) {
-    const opt = document.createElement("option");
-    opt.value = i;
-    opt.textContent = `Capa ${i}`;
-    if (i === 3) opt.selected = true;
-    sel.appendChild(opt);
-  }
-}
-
-function actualizar() {
-  const capa = document.getElementById("capa").value;
-  const fuerza = document.getElementById("fuerza").value;
-  const semilla = document.getElementById("semilla").value;
-  const clave = `L${capa}_${fuerza}_s${semilla}`;
-  const d = DATOS[clave];
-  if (!d) return;
-
-  document.getElementById("imagen").src = d.img;
-  document.getElementById("deriva-v1").textContent = d.deriva_v1.toFixed(3);
-  document.getElementById("deriva-circ").textContent =
-    d.deriva_circ.toExponential(2);
-
-  const [i0, j0, c0] = d.par_antes;
-  const [i1, j1, c1] = d.par_despues;
-  const veredicto = document.getElementById("veredicto");
-  const pct = Math.round(d.deriva_v1 * 100);
-
-  let html = `<p>La dirección de peso se ha movido un
-    <strong>${pct}%</strong> de la escala posible, mientras que el
-    circuito —lo único que la red realmente calcula— se mantiene
-    <strong>${d.ordenes_magnitud} órdenes de magnitud</strong> por
-    debajo: la misma función, exactamente.</p>
-    <p><strong>Par de cabezas más "redundante" según los pesos:</strong><br>
-    Antes del gauge: cabezas <strong>${i0}</strong> y <strong>${j0}</strong>
-    (|cos| = ${c0})<br>
-    Después del gauge: cabezas <strong>${i1}</strong> y <strong>${j1}</strong>
-    (|cos| = ${c1})</p>`;
-
-  if (d.mismo_par) {
-    veredicto.className = "veredicto igual";
-    html += `<p>✅ Es el mismo par esta vez — prueba otra capa o otro
-      intento; con gauges genéricos suele cambiar.</p>`;
-  } else {
-    veredicto.className = "veredicto distinto";
-    html += `<p>🔀 ¡Es un par distinto! Un modelo funcionalmente
-      idéntico —mismos outputs, mismo circuito OV— decidiría podar
-      otras cabezas. La redundancia que los pesos muestran es, en
-      parte, una elección arbitraria de coordenadas, no una propiedad
-      de la función.</p>`;
-  }
-  veredicto.innerHTML = html;
-}
-
-(async () => {
-  poblarCapas();
-  await cargarDatos();
-  actualizar();
-  for (const id of ["capa", "fuerza", "semilla"]) {
-    document.getElementById(id).addEventListener("change", actualizar);
-  }
-})();
-</script>
-
-</body>
-</html>
diff --git a/manifiesto.sha256 b/manifiesto.sha256
new file mode 100644
index 0000000000000000000000000000000000000000..93bcb217fb4653fed48053747ec0f9082cf86450
--- /dev/null
+++ b/manifiesto.sha256
@@ -0,0 +1,8 @@
+8412210331ae9ecb3fd6f01602f182207b684b2253d7116cd1cb70d14cd481a0  app.py
+65ce0d4a55d05a741cdc3333736cc106b10fc2382d7048ca823bd612b62c8d59  artifacts/demo/sector_vo_pythia.safetensors
+c17db69cdd7813d98b126767c8836e9b58cc51e8ff70ae302d8a89d653f05823  artifacts/demo/sector_vo_vitb.safetensors
+06477df2d124e0ea50c13b82e2c377f6300238e16d07cd21b069cbbfb087eba9  demo/portador.py
+9120d83454ba24d0f79f035502baa801db8fa95bca5228ae52aadc26c506d91a  requirements.txt
+a8466e6caad0a88ad8b1e9345fe8a2eae304ea4fd0d0e2d64fb77c6c3f9ec3ef  src/firma_funcional.py
+d9f6a8651fb43ad513f9aeaed94dd3563bb06c8dbcda090182669bf82ac371b4  src/gauge_flip.py
+d1cf13ead126227c1423035e9af73b73860881d48dd568271d789ce38c6d95de  src/nucleo_lectura.py
diff --git a/requirements.txt b/requirements.txt
new file mode 100644
index 0000000000000000000000000000000000000000..045ab52d20f8d5deaf01a7c2718163642bd02764
--- /dev/null
+++ b/requirements.txt
@@ -0,0 +1,9 @@
+# entorno del Space: la demo es álgebra sobre pesos. no necesita
+# transformers, timm ni pandas; torch en su rueda de cpu basta.
+--extra-index-url https://download.pytorch.org/whl/cpu
+gradio==6.22.0
+torch==2.11.0
+safetensors==0.6.2
+numpy
+matplotlib
+tqdm
diff --git a/src/firma_funcional.py b/src/firma_funcional.py
new file mode 100644
index 0000000000000000000000000000000000000000..b564633116238cc5b50eff41dcc6ebc239373dfe
--- /dev/null
+++ b/src/firma_funcional.py
@@ -0,0 +1,415 @@
+"""núcleo compartido del portador funcional (B), gauge-invariante.
+
+provee la captura del contexto a_h v_h por capa, la lectura de w_o por
+cabeza y las firmas de respuesta —parche y cls— como primer vector
+singular derecho de la contribución al residuo c_h^p = a_h v_h w_o.
+lo importan la premisa (gauge-flip, computado/estático) y la sonda del
+regularizador del paper v5.
+"""
+
+import torch
+from tqdm import tqdm
+
+
+class CapturaContexto:
+    """captura la entrada a proj (contexto a_h v_h) por capa.
+
+    registra un forward-pre-hook en cada proj del encoder y guarda la
+    entrada sin desconectarla del grafo, de modo que el gradiente del
+    regularizador fluya por a_h, v_h y w_o. la entrada a proj es ya el
+    contexto concatenado, así que no hace falta materializar la atención.
+    """
+
+    def __init__(self, modelo, n_cabezas: int, dim_cabeza: int):
+        self.h = n_cabezas
+        self.dh = dim_cabeza
+        self.contexto: dict[int, torch.Tensor] = {}
+        self.handles = []
+        for idx, bloque in enumerate(modelo.blocks):
+            self.handles.append(
+                bloque.attn.proj.register_forward_pre_hook(
+                    self._gancho(idx)))
+
+    def _gancho(self, idx: int):
+        # se reordena la entrada (b, n, c) a (b, n, h, dh)
+        def hook(modulo, entrada):
+            x = entrada[0]
+            b, n, _ = x.shape
+            self.contexto[idx] = x.view(b, n, self.h, self.dh)
+        return hook
+
+    def limpiar(self) -> None:
+        self.contexto = {}
+
+    def quitar(self) -> None:
+        for handle in self.handles:
+            handle.remove()
+
+
+def w_o_por_cabeza(
+    modelo,
+    capa: int,
+    n_cabezas: int,
+    dim_cabeza: int,
+) -> torch.Tensor:
+    """proyección de salida por cabeza w_o^(h) de una capa.
+
+    args:
+        modelo: el vit.
+        capa: índice de la capa.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tensor [h, dh, d] con w_o^(h) por cabeza.
+    """
+    w = modelo.blocks[capa].attn.proj.weight  # [d, d]
+    return torch.stack([
+        w[:, h * dim_cabeza:(h + 1) * dim_cabeza].t()
+        for h in range(n_cabezas)])
+
+
+def v1_desde_gram(
+    gram: torch.Tensor,
+    w_o: torch.Tensor,
+    iteraciones: int = 8,
+) -> torch.Tensor:
+    """primer vector singular derecho de g @ w_o dado su gram en d_h.
+
+    itera sobre el operador implícito (g w_o)^t (g w_o) sin materializar
+    la matriz d x d; el gram en el espacio de valor d_h ya viene sumado.
+
+    args:
+        gram: tensor [h, dh, dh] con g^t g por cabeza.
+        w_o: tensor [h, dh, d] con la proyección de salida por cabeza.
+        iteraciones: pasos de iteración de potencia.
+
+    returns:
+        tensor [h, d] con la firma unitaria por cabeza, en el residuo.
+    """
+    h = gram.shape[0]
+    d = w_o.shape[-1]
+    v = torch.randn(h, d, device=gram.device, dtype=gram.dtype)
+    v = v / v.norm(dim=-1, keepdim=True).clamp_min(1e-8)
+    for _ in range(iteraciones):
+        a = torch.einsum("hed,hd->he", w_o, v)   # w_o v -> [h, dh]
+        a = torch.einsum("hef,hf->he", gram, a)  # gram a -> [h, dh]
+        v = torch.einsum("hed,he->hd", w_o, a)   # w_o^t a -> [h, d]
+        v = v / v.norm(dim=-1, keepdim=True).clamp_min(1e-8)
+    return v
+
+
+def firma_parche(
+    contexto: torch.Tensor,
+    w_o: torch.Tensor,
+    iteraciones: int = 8,
+) -> torch.Tensor:
+    """firma de respuesta por parche, apilando el lote en el gram.
+
+    args:
+        contexto: tensor [b, n, h, dh] de la captura (n incluye cls).
+        w_o: tensor [h, dh, d].
+        iteraciones: pasos de iteración de potencia.
+
+    returns:
+        tensor [h, d] con la firma unitaria por cabeza.
+    """
+    # se descarta cls y se apila el lote en el eje de parches
+    g = contexto[:, 1:, :, :].permute(2, 0, 1, 3)        # [h, b, p, dh]
+    g = g.reshape(g.shape[0], -1, g.shape[-1])           # [h, b*p, dh]
+    gram = torch.einsum("hnd,hne->hde", g, g)            # [h, dh, dh]
+    return v1_desde_gram(gram, w_o, iteraciones)
+
+
+def firma_cls(
+    contexto: torch.Tensor,
+    w_o: torch.Tensor,
+) -> torch.Tensor:
+    """escritura media de la cabeza al token cls, en el residuo.
+
+    args:
+        contexto: tensor [b, n, h, dh] de la captura.
+        w_o: tensor [h, dh, d].
+
+    returns:
+        tensor [h, d] con la firma unitaria por cabeza (vector llano).
+    """
+    cls = contexto[:, 0, :, :]                            # [b, h, dh]
+    contrib = torch.einsum("bhe,hed->bhd", cls, w_o)      # [b, h, d]
+    firmas = contrib.mean(dim=0)                          # [h, d]
+    return firmas / firmas.norm(dim=-1, keepdim=True).clamp_min(1e-8)
+
+
+def w_v_por_cabeza(
+    modelo,
+    capa: int,
+    n_cabezas: int,
+    dim_cabeza: int,
+) -> torch.Tensor:
+    """filas de valor w_v^(h) de una capa, desde el qkv fusionado.
+
+    en timm el qkv concatena [q, k, v]; v ocupa el último tercio y se
+    reordena por cabeza.
+
+    args:
+        modelo: el vit.
+        capa: índice de la capa.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tensor [h, dh, d] con w_v^(h) por cabeza. para la
+        convención traspuesta, usar `w_v_columnas`.
+    """
+    w = modelo.blocks[capa].attn.qkv.weight                # [3d, d]
+    base = 2 * w.shape[1]                                   # inicio de v
+    return torch.stack([
+        w[base + h * dim_cabeza:base + (h + 1) * dim_cabeza, :]
+        for h in range(n_cabezas)])
+
+
+def w_v_columnas(
+    modelo,
+    capa: int,
+    n_cabezas: int,
+    dim_cabeza: int,
+) -> torch.Tensor:
+    """w_v^(h) traspuesta, en la convención de columnas [h, d, dh].
+
+    la misma matriz que `w_v_por_cabeza`, con los ejes al revés. las
+    dos existen porque el aparato las necesita en las dos formas ---la
+    factorización qr del circuito ov pide [h, d, dh]---, y llevan
+    nombres distintos justamente para que no se confundan: un cambio
+    silencioso entre ambas produce ángulos plausibles y falsos.
+
+    args:
+        modelo: el vit, o cualquier portador con la misma interfaz.
+        capa: índice de la capa.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tensor [h, d, dh] con w_v^(h) por cabeza.
+    """
+    return w_v_por_cabeza(modelo, capa, n_cabezas, dim_cabeza).transpose(1, 2)
+
+
+def w_qk_por_cabeza(
+    modelo,
+    capa: int,
+    n_cabezas: int,
+    dim_cabeza: int,
+) -> tuple[torch.Tensor, torch.Tensor]:
+    """filas de consulta y clave w_q^(h), w_k^(h) de una capa.
+
+    args:
+        modelo: el vit.
+        capa: índice de la capa.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tupla (w_q [h, dh, d], w_k [h, dh, d]).
+    """
+    w = modelo.blocks[capa].attn.qkv.weight                # [3d, d]
+    d = w.shape[1]
+    w_q = torch.stack([
+        w[h * dim_cabeza:(h + 1) * dim_cabeza, :]
+        for h in range(n_cabezas)])
+    w_k = torch.stack([
+        w[d + h * dim_cabeza:d + (h + 1) * dim_cabeza, :]
+        for h in range(n_cabezas)])
+    return w_q, w_k
+
+
+def v1_circuito(
+    izq: torch.Tensor,
+    der: torch.Tensor,
+    iteraciones: int = 8,
+) -> torch.Tensor:
+    """primer vector singular del circuito compuesto izq·der.
+
+    sirve para el circuito ov (w_v w_o) y el qk (w_q w_k^t); con los
+    factores en convención de código (izq=[dh,d]=W^T) la composición
+    materializa m=izq^t der = el circuito d x d, rango <= d_h e
+    invariante de gauge. se itera sobre m m^t sin materializar la matriz
+    d x d, vía los factores en d_h.
+
+    args:
+        izq: tensor [h, dh, d], el factor izquierdo.
+        der: tensor [h, dh, d], el factor derecho.
+        iteraciones: pasos de iteración de potencia.
+
+    returns:
+        tensor [h, d] con la firma unitaria por cabeza, invariante.
+    """
+    h = izq.shape[0]
+    d = izq.shape[-1]
+    v = torch.randn(h, d, device=izq.device, dtype=izq.dtype)
+    v = v / v.norm(dim=-1, keepdim=True).clamp_min(1e-8)
+    # m = izq^t der ; m m^t = izq^t der der^t izq
+    for _ in range(iteraciones):
+        a = torch.einsum("hed,hd->he", izq, v)   # izq v -> [h, dh]
+        b = torch.einsum("hed,he->hd", der, a)   # der^t a -> [h, d]
+        c = torch.einsum("hed,hd->he", der, b)   # der b -> [h, dh]
+        v = torch.einsum("hed,he->hd", izq, c)   # izq^t c -> [h, d]
+        v = v / v.norm(dim=-1, keepdim=True).clamp_min(1e-8)
+    return v
+
+
+@torch.no_grad()
+def geometria_circuito_exacta(
+    modelo,
+    portador: str,
+    n_cabezas: int = 12,
+    dim_cabeza: int = 64,
+) -> tuple[float, float]:
+    """theta_min medio y redundancia media del circuito, por svd exacta.
+
+    lectura para juzgar la separación del portador de circuito ---no la
+    iteración de potencia del regularizador, que arrastra ruido de init---:
+    por capa materializa el circuito (ov = w_v w_o, qk = w_q w_k^t), toma
+    su primer vector singular exacto, y agrega entre capas el
+    theta_min (peor par, sin signo) y la redundancia media (|cos| medio
+    fuera de la diagonal). la redundancia acompaña al theta_min porque el
+    peor par puede despegarse sin que el conjunto se separe.
+
+    args:
+        modelo: el vit (timm) que expone .blocks.
+        portador: 'ov' o 'qk'.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tupla (theta_min medio en grados, redundancia media).
+    """
+    n_capas = len(modelo.blocks)
+    thetas, redund = [], []
+    for l in range(n_capas):
+        if portador == "ov":
+            izq = w_v_por_cabeza(modelo, l, n_cabezas, dim_cabeza)
+            der = w_o_por_cabeza(modelo, l, n_cabezas, dim_cabeza)
+        else:
+            izq, der = w_qk_por_cabeza(modelo, l, n_cabezas, dim_cabeza)
+        circ = torch.einsum("hed,hef->hdf", izq, der)        # [h, d, d]
+        r = torch.stack([
+            torch.linalg.svd(circ[h], full_matrices=False).U[:, 0]
+            for h in range(n_cabezas)])                       # [h, d]
+        fuera = ~torch.eye(n_cabezas, dtype=torch.bool, device=r.device)
+        cos = (r @ r.t()).abs().clamp(max=1.0)
+        thetas.append(float(torch.rad2deg(
+            torch.arccos(cos[fuera].max()))))
+        redund.append(float(cos[fuera].mean()))
+    return float(sum(thetas) / n_capas), float(sum(redund) / n_capas)
+
+
+def contribuciones_por_cabeza(
+    contexto: torch.Tensor,
+    w_o: torch.Tensor,
+) -> torch.Tensor:
+    """contribución al residuo a_h v_h w_o por cabeza.
+
+    args:
+        contexto: tensor [b, n, h, dh] de CapturaContexto.
+        w_o: tensor [h, dh, d].
+
+    returns:
+        tensor [h, b, n, d] con la contribución de cada cabeza al residuo.
+    """
+    return torch.einsum("bnhe,hed->hbnd", contexto, w_o)
+
+
+def _cka_lineal(x: torch.Tensor, y: torch.Tensor) -> float:
+    """cka lineal entre dos representaciones [n, p] y [n, q], centradas.
+
+    huella no circular de diversidad de output (no usa el primer vector
+    singular que el regularizador separa): 1 = idénticas, 0 = ortogonales.
+
+    args:
+        x: tensor [n, p].
+        y: tensor [n, q].
+
+    returns:
+        cka lineal en [0, 1].
+    """
+    x = x - x.mean(0, keepdim=True)
+    y = y - y.mean(0, keepdim=True)
+    num = (x.t() @ y).norm() ** 2
+    den = (x.t() @ x).norm() * (y.t() @ y).norm()
+    return float(num / den.clamp_min(1e-12))
+
+
+@torch.no_grad()
+def diversidad_output_cka(
+    modelo,
+    cargador,
+    n_cabezas: int = 12,
+    dim_cabeza: int = 64,
+) -> tuple[float, list[float]]:
+    """redundancia de output por capa: cka lineal entre cabezas sobre el
+    flujo completo de contribuciones, sin promediar parches ni muestras.
+
+    cada par (imagen, parche) es una muestra; para el par (h, h') se mide
+    el cka lineal entre $c_h, c_{h'}\\in R^{n\\times d}$ ---la contribución
+    por muestra, no su media---. es la huella que el regularizador OV no
+    optimiza directamente (dos cabezas pueden compartir su primer vector
+    singular y tener cka bajo si se encienden en muestras distintas), y
+    por eso el pago no circular. se acumula el gram cruzado por capa para
+    no materializar la matriz n x d completa. complementa s_func, que ve
+    solo el lado q.k. el suelo del cka lineal escala con d/n, así que se
+    reporta como delta contra el brazo base sobre el mismo conjunto.
+
+    args:
+        modelo: vit (timm) en eval.
+        cargador: loader del conjunto congelado (mismas imágenes y orden
+            para todos los brazos, para que el suelo común se reste).
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tupla (cka media entre capas, lista de cka por capa).
+    """
+    modelo.eval()
+    disp = next(modelo.parameters()).device
+    captura = CapturaContexto(modelo, n_cabezas, dim_cabeza)
+    n_capas = len(modelo.blocks)
+    d = w_o_por_cabeza(modelo, 0, n_cabezas, dim_cabeza).shape[-1]
+    pares = [(i, j) for i in range(n_cabezas)
+             for j in range(i, n_cabezas)]
+    idx = {ij: k for k, ij in enumerate(pares)}
+    gram = torch.zeros(n_capas, len(pares), d, d, device=disp)
+    suma = torch.zeros(n_capas, n_cabezas, d, device=disp)
+    total = 0
+    for imgs, _ in tqdm(cargador, desc="cka output"):
+        captura.limpiar()
+        _ = modelo(imgs.to(disp))
+        muestras = 0
+        for l in range(n_capas):
+            w_o = w_o_por_cabeza(modelo, l, n_cabezas, dim_cabeza)
+            c = contribuciones_por_cabeza(captura.contexto[l], w_o)
+            # se apilan (imagen, parche) como muestras, sin cls ni medias
+            c = c[:, :, 1:, :].reshape(n_cabezas, -1, d)   # [h, b*p, d]
+            muestras = c.shape[1]
+            suma[l] = suma[l] + c.sum(dim=1)
+            for (i, j) in pares:
+                gram[l, idx[(i, j)]] += c[i].t() @ c[j]
+        total += muestras
+    captura.quitar()
+
+    fuera = [(i, j) for i in range(n_cabezas)
+             for j in range(i + 1, n_cabezas)]
+    por_capa = []
+    for l in range(n_capas):
+        # gram centrado: gc_ij = g_ij - (sum c_i)(sum c_j)^t / n
+        nrm = [
+            (gram[l, idx[(i, i)]]
+             - torch.outer(suma[l, i], suma[l, i]) / total).norm()
+            for i in range(n_cabezas)]
+        vals = []
+        for (i, j) in fuera:
+            gc = (gram[l, idx[(i, j)]]
+                  - torch.outer(suma[l, i], suma[l, j]) / total)
+            vals.append(float(
+                gc.norm() ** 2 / (nrm[i] * nrm[j]).clamp_min(1e-12)))
+        por_capa.append(sum(vals) / len(vals))
+    return float(sum(por_capa) / n_capas), por_capa
diff --git a/src/gauge_flip.py b/src/gauge_flip.py
new file mode 100644
index 0000000000000000000000000000000000000000..af39c13ce03d1f2d05462e021fa5cb8fdd10147d
--- /dev/null
+++ b/src/gauge_flip.py
@@ -0,0 +1,184 @@
+"""fase g — gauge-flip valor-salida demostrado, sin reentrenar.
+
+aplica una transformación de gauge (en convención del paper v5:
+w_v <- w_v r, w_o <- r^{-1} w_o, r en gl(d_h)) que deja la salida intacta
+a precisión de máquina, y muestra que el ranking de redundancia por
+v1(w_o) ---primer vector singular derecho de w_o, en r^768--- cambia
+mientras la firma del circuito ov (w_v w_o) queda estable. convierte la
+crítica de la premisa en una vulnerabilidad exhibida: leer la dirección
+de w_o es leer ruido de gauge.
+"""
+
+import torch
+
+from src.firma_funcional import w_o_por_cabeza, w_v_por_cabeza
+
+
+@torch.no_grad()
+def aplica_gauge_ov(
+    modelo,
+    capa: int,
+    n_cabezas: int,
+    dim_cabeza: int,
+    semilla: int = 0,
+    escala_id: float | None = None,
+) -> float:
+    """aplica un gauge valor-salida por cabeza, in situ.
+
+    sustituye w_v <- r^t w_v, b_v <- r^t b_v y w_o <- w_o r^{-t} con r en
+    gl(d_h) bien condicionada; deja la salida intacta a precisión de
+    máquina y denota la libertad de gauge del sector valor-salida. el
+    sesgo de valor entra en la transformación porque v = x w_v^t + b_v y
+    la compensación de w_o exige que b_v gire igual que la weight; en una
+    columna con qkv_bias omitirlo rompe la invariancia. clonar el modelo
+    antes si se quiere conservar el original.
+
+    args:
+        modelo: el vit, modificado in situ.
+        capa: índice de la capa intervenida.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+        semilla: semilla de la r aleatoria, para reproducir.
+        escala_id: coeficiente de la identidad en r = randn + escala_id*i;
+            menor valor aleja r de un múltiplo escalar de la identidad
+            ---gauge más fuerte, v1(w_o) deriva más, el circuito ov no---.
+            por defecto sqrt(d_h), el calibre de referencia.
+
+    returns:
+        desviación media de r respecto a su mejor múltiplo escalar de la
+        identidad, sobre las cabezas; proxy de la fuerza del gauge.
+    """
+    if escala_id is None:
+        escala_id = dim_cabeza ** 0.5
+    g = torch.Generator(device="cpu").manual_seed(semilla)
+    attn = modelo.blocks[capa].attn
+    w_qkv = attn.qkv.weight                                # [3d, d]
+    w_proj = attn.proj.weight                              # [d, d]
+    base = 2 * w_qkv.shape[1]                              # inicio de v
+    # r e inversa en float64: con r fuerte la inv en fp32 amplifica el
+    # error por el número de condición y rompe la invariancia; en fp64 el
+    # gauge es preciso sea cual sea la fuerza, y solo se pierde el último
+    # casteo al dtype del peso.
+    ident = torch.eye(dim_cabeza, device=w_qkv.device, dtype=torch.float64)
+    desvs = []
+    for h in range(n_cabezas):
+        rt = torch.randn(dim_cabeza, dim_cabeza, generator=g,
+                         dtype=torch.float64).to(w_qkv.device)
+        r = rt + escala_id * ident
+        # desviación de r respecto a su mejor múltiplo escalar de la id
+        s = r.diagonal().mean()
+        desvs.append(float((r - s * ident).norm()
+                           / (s.abs() * dim_cabeza ** 0.5 + 1e-8)))
+        r_inv_t = torch.linalg.inv(r).t()
+        fil = slice(base + h * dim_cabeza, base + (h + 1) * dim_cabeza)
+        col = slice(h * dim_cabeza, (h + 1) * dim_cabeza)
+        w_qkv[fil, :] = (
+            r.t() @ w_qkv[fil, :].double()).to(w_qkv.dtype)   # w_v
+        if attn.qkv.bias is not None:
+            attn.qkv.bias[fil] = (
+                r.t() @ attn.qkv.bias[fil].double()).to(w_qkv.dtype)  # b_v
+        w_proj[:, col] = (
+            w_proj[:, col].double() @ r_inv_t).to(w_proj.dtype)  # w_o
+    return float(sum(desvs) / len(desvs))
+
+
+@torch.no_grad()
+def cos_pares_v1_wo(
+    modelo,
+    capa: int,
+    n_cabezas: int,
+    dim_cabeza: int,
+) -> torch.Tensor:
+    """|cos| entre las direcciones v1(w_o) de las cabezas de una capa.
+
+    v1(w_o) es el primer vector singular derecho de w_o (en r^768), la
+    cantidad que la poda o interpretación por dirección de salida lee; el
+    experimento muestra que cambia bajo el gauge.
+
+    args:
+        modelo: el vit.
+        capa: índice de la capa.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tensor [h, h] con |cos| entre direcciones dominantes de w_o.
+    """
+    w_o = w_o_por_cabeza(modelo, capa, n_cabezas, dim_cabeza)  # [h,dh,d]
+    u = torch.stack([
+        torch.linalg.svd(w_o[h], full_matrices=False).Vh[0]
+        for h in range(n_cabezas)])                           # [h, d]
+    return (u @ u.t()).abs()
+
+
+@torch.no_grad()
+def cos_pares_circuito_ov(
+    modelo,
+    capa: int,
+    n_cabezas: int,
+    dim_cabeza: int,
+) -> torch.Tensor:
+    """|cos| entre las firmas invariantes del circuito ov por cabeza.
+
+    contrasta con cos_pares_v1_wo: no cambia bajo el gauge. el
+    diagnóstico usa svd exacta del circuito ov (w_v w_o) ---no la
+    iteración de potencia del regularizador---, de modo que la
+    invariancia se ve a precisión de máquina y no arrastra el ruido de
+    init de la potencia.
+
+    args:
+        modelo: el vit.
+        capa: índice de la capa.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+
+    returns:
+        tensor [h, h] con |cos| entre firmas del circuito ov.
+    """
+    w_v = w_v_por_cabeza(modelo, capa, n_cabezas, dim_cabeza)  # [h,dh,d]
+    w_o = w_o_por_cabeza(modelo, capa, n_cabezas, dim_cabeza)  # [h,dh,d]
+    # circuito ov por cabeza m = w_v w_o (rango <= dh, invariante de
+    # gauge); su primer vector singular es la firma invariante. el einsum
+    # contrae el eje de valor d_h compartido (w_v es [dh,d]=W_v^T)
+    circ = torch.einsum("hed,hef->hdf", w_v, w_o)             # [h, d, d]
+    r = torch.stack([
+        torch.linalg.svd(circ[h], full_matrices=False).U[:, 0]
+        for h in range(n_cabezas)])                           # [h, d]
+    return (r @ r.t()).abs()
+
+
+@torch.no_grad()
+def aplica_gauge_ortogonal(
+    modelo, capa: int, n_cabezas: int, dim_cabeza: int, semilla: int
+) -> None:
+    """aplica un gauge ortogonal por cabeza, in situ.
+
+    espeja `aplica_gauge_ov` salvo que r se muestrea en o(d_h) en vez
+    de en gl(d_h). sirve de assert de c1: bajo este gauge no debe
+    moverse ni v1(w_o) ni el circuito.
+
+    Args:
+        modelo: el vit.
+        capa: índice de la capa.
+        n_cabezas: cabezas h.
+        dim_cabeza: d_h.
+        semilla: semilla del generador de r.
+    """
+    g = torch.Generator(device="cpu").manual_seed(semilla)
+    attn = modelo.blocks[capa].attn
+    w_qkv, w_proj = attn.qkv.weight, attn.proj.weight
+    base = 2 * w_qkv.shape[1]
+    for h in range(n_cabezas):
+        m = torch.randn(dim_cabeza, dim_cabeza, generator=g,
+                        dtype=torch.float64)
+        r = torch.linalg.qr(m)[0]                    # ortogonal exacta
+        r_inv_t = r                                  # (r^-1)^t = r
+        fil = slice(base + h * dim_cabeza,
+                    base + (h + 1) * dim_cabeza)
+        col = slice(h * dim_cabeza, (h + 1) * dim_cabeza)
+        w_qkv[fil, :] = (r.t() @ w_qkv[fil, :].double()).to(w_qkv.dtype)
+        if attn.qkv.bias is not None:
+            attn.qkv.bias[fil] = (
+                r.t() @ attn.qkv.bias[fil].double()).to(w_qkv.dtype)
+        w_proj[:, col] = (
+            w_proj[:, col].double() @ r_inv_t).to(w_proj.dtype)
diff --git a/src/nucleo_lectura.py b/src/nucleo_lectura.py
new file mode 100644
index 0000000000000000000000000000000000000000..914c22b085f8f210dff3f15a51f36582a05d1deb
--- /dev/null
+++ b/src/nucleo_lectura.py
@@ -0,0 +1,61 @@
+"""núcleo de lectura: svd exacta y decisión de poda, sin dependencias.
+
+`firma_exacta` y `decisiones` las comparten el aparato del paper y la
+demo. vivían en `scripts/run_fase_G.py` y `scripts/decision_rota.py`,
+que arrastran timm y pandas por su cadena de imports; aquí solo hace
+falta torch, de modo que el Space puede ejecutar **el mismo código**
+sin cargar el entorno de investigación entero. los cuerpos son los que
+produjeron las tablas 2 y 3, movidos sin tocar una línea.
+"""
+
+import torch
+
+K_PODA = 3          # top-k de poda del ancla vit-b (25 % de 12 cabezas)
+
+
+@torch.no_grad()
+def firma_exacta(matriz: torch.Tensor, lado: str) -> torch.Tensor:
+    """vector singular dominante por svd exacta (no iteración).
+
+    el diagnóstico de invariancia exige svd exacta: medirla con
+    iteración de potencia introduce ruido de init que la enmascara.
+
+    Args:
+        matriz: tensor [h, m, n] con h matrices.
+        lado: 'izq' devuelve u[:,0] (en R^m); 'der' devuelve vh[0]
+            (en R^n).
+
+    Returns:
+        tensor [h, k] con la dirección unitaria por cabeza.
+    """
+    out = []
+    for h in range(matriz.shape[0]):
+        u, _, vh = torch.linalg.svd(matriz[h], full_matrices=False)
+        out.append(u[:, 0] if lado == "izq" else vh[0])
+    return torch.stack(out)
+
+
+def decisiones(firmas: torch.Tensor,
+               k: int) -> tuple[tuple[int, int], list[int]]:
+    """par más redundante y top-k de poda desde unas firmas.
+
+    Args:
+        firmas: tensor [h, d] de direcciones unitarias por cabeza.
+        k: tamaño del conjunto de poda. **sin valor por
+            defecto a propósito**: un default de módulo hizo
+            que la columna de lenguaje calculara conjuntos de
+            3 y dividiera por 4 durante dos versiones del
+            paper. cada llamante declara el suyo.
+
+    Returns:
+        tupla (par_top ordenado, top-k de cabezas por redundancia
+        media descendente).
+    """
+    c = (firmas @ firmas.t()).abs().clamp(max=1.0)
+    c.fill_diagonal_(0.0)
+    h = c.shape[0]
+    idx = int(torch.argmax(c).item())
+    par = tuple(sorted((idx // h, idx % h)))
+    red_media = c.sum(dim=1) / (h - 1)
+    topk = torch.argsort(red_media, descending=True)[:k]
+    return par, [int(i) for i in topk]
diff --git a/style.css b/style.css
deleted file mode 100644
index 114adf441e9032febb46bc056b2a8bb651075f0d..0000000000000000000000000000000000000000
--- a/style.css
+++ /dev/null
@@ -1,28 +0,0 @@
-body {
-	padding: 2rem;
-	font-family: -apple-system, BlinkMacSystemFont, "Arial", sans-serif;
-}
-
-h1 {
-	font-size: 16px;
-	margin-top: 0;
-}
-
-p {
-	color: rgb(107, 114, 128);
-	font-size: 15px;
-	margin-bottom: 10px;
-	margin-top: 5px;
-}
-
-.card {
-	max-width: 620px;
-	margin: 0 auto;
-	padding: 16px;
-	border: 1px solid lightgray;
-	border-radius: 16px;
-}
-
-.card p:last-child {
-	margin-bottom: 0;
-}