File size: 2,123 Bytes
d310efe
a50362a
 
 
 
d310efe
a50362a
d310efe
a50362a
 
d310efe
 
a50362a
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
---
title: Multi-Agent Lab
emoji: 🧠
colorFrom: green
colorTo: blue
sdk: static
app_file: index.html
pinned: false
models:
 - Qwen/Qwen2.5-0.5B-Instruct-GGUF
---

# Multi-Agent Lab — WebGPU

Un laboratorio de inteligencia colectiva en tu navegador: varios agentes razonan, se
contradicen, investigan, detectan errores y construyen una respuesta consensuada.

**Cinco modos de debate:** ⚔️ Adversarial · 🏛️ Consejo · ⚖️ Juicio · 🔬 Investigación · 🎯 Resolución de problemas.

**Después de cada debate:** consenso dinámico (alcanzado / parcial / desacuerdo fundamentado,
con el porqué), evaluación por criterios con puntuaciones explicadas, mapa de relaciones y de
argumentos, detectores de contradicciones, falacias y afirmaciones sin justificar, evolución de
posturas por ronda y un 👿 Devil's Advocate que intenta desmontar la conclusión.

**Además:** biblioteca de debates con replay turno a turno, exportación a Markdown / JSON / HTML,
memoria de conclusiones entre debates, ranking histórico de agentes, plantillas de laboratorio,
estadísticas en vivo (tokens, velocidad, participación) y perfiles de rendimiento para gama
baja, media y alta.

## Motor

Inferencia 100% local en el navegador con [wllama](https://github.com/ngxson/wllama) (MIT):
WebGPU cuando está disponible y CPU/WASM como alternativa. Modelo por defecto:
[Qwen2.5-0.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct-GGUF) (~350 MB).
En Ajustes puedes cargar modelos mayores (1.5B, o el experimental MiMo 9B de ~5,8 GB, que puede
superar la cuota de almacenamiento del navegador). El navegador solo contacta con Hugging Face
para descargar el modelo y con jsDelivr para las librerías.

## Aviso importante

Todos los agentes — incluidos el juez, el evaluador y el Devil's Advocate — son **roles del mismo
modelo local** con instrucciones y contextos separados, no modelos independientes. Las
puntuaciones y el consenso son **orientativos**, una herramienta para explorar el razonamiento,
no mediciones objetivas.

Historial, memoria y ranking se guardan solo en tu navegador (localStorage).