№ 01c. 1 / 12
Statistica
- stats.median
- stats.quantile
- regression.ols_multiple
Il piano di calcolo
445 moduli.
Un runtime fissato.
Il piano di calcolo di SQAI è una libreria di kernel compilati: dalla statistica al pricing delle opzioni all'infrastruttura LLM, ogni funzione tipizzata nel contratto a 4.778 capacità. Un agente nomina una funzione. Il motore restituisce il numero — caldo, in meno di un millisecondo.
445moduli
100+pacchetti applicati
4.778capacità nel contratto
0,83–0,93 mscalcolo caldo, misurato
IIIl libro campionario
Dodici famiglie, composte in carattere.
Sfogliate la libreria come un campionario tipografico: ogni famiglia una pagina, ogni funzione un carattere. Ogni nome su queste pagine è reale — tipizzato nel contratto, verificato prima dell'esecuzione, firmato dopo.
№ 02c. 2 / 12
Test d'ipotesi
- stat_tests.pearson_r
- ab_testing.sample_size_proportion
№ 03c. 3 / 12
Probabilità
- distributions.sample_normal
- distributions.sample_poisson
№ 04c. 4 / 12
Serie temporali
- timeseries_stats.holt_linear
- timeseries_stats.acf
№ 05c. 5 / 12
Algebra lineare
- linalg.mat_inv
- matrix_decomp.cholesky
№ 06c. 6 / 12
Ottimizzazione
- root_finding.newton_raphson
- integrate.simpson
- operations_research.eoq_quantity
№ 07c. 7 / 12
Finanza e rischio
- finance.npv
- finance.irr
- finance.cagr
- finance.max_drawdown
- risk.beta
- risk.conditional_var
№ 08c. 8 / 12
Pricing delle opzioni
- option_pricing.black_scholes_call
- option_pricing.black_scholes_put
- option_pricing.implied_volatility
№ 09c. 9 / 12
Apprendimento automatico
- ml.classifiers.knn_predict
- ml.classifiers.logistic_predict
- ml.clustering.kmeans_fit
№ 10c. 10 / 12
Segnale
- fft.power_spectrum
- wavelet.denoise_haar
№ 11c. 11 / 12
Teoria dell'informazione
- information_theory.entropy
- information_theory.kl_divergence
№ 12c. 12 / 12
Infrastruttura LLM
- flash_attention.flash_block_output
- kv_cache.incremental_decode_kv_append
- rag_retrieval.bm25_term_score
La cassa tipografica — pacchetti applicati
attuariale → viticoltura
- 01attuariale
- 02aerospaziale
- 03epidemiologia
- 04idrologia
- 05farmacocinetica
- 06robotica
- 07sismologia
- 08termodinamica
- 09viticoltura
- 100+pacchetti applicati nella cassa — nove cassetti estratti qui. Ognuno risponde sullo stesso contratto: stessi controlli di policy, stessa busta di provenienza.
IIILa stampa
Velocità compilata. Precisione provata.
Dietro ogni famiglia: kernel ottimizzati a mano, compilati in anticipo. Il determinismo non ha costi — float64, thread singolo, e comunque più veloce delle baseline interpretate di ordini di grandezza.
Velocità
91.86×speedup mediano rispetto alle baseline interpretate
- 111,24× medio · 1.593× speedup massimo
- misurato su 4.207 funzioni confrontate nel scorecard pubblico
- 0,83–0,93 ms calcolo caldo · piano di query sub-ms
Precisione
0discrepanze su 2.744 verifiche di correttezza
- 2.458 verifiche fuzz su 800+ dataset e 8 distribuzioni
- 232 casi limite · 54 verifiche di suite · ordinamento bit-exact
- errore numerico massimo: 1.8e-15
0/16 → 16/16stesso modello, calcolo via engine
L'accuratezza A/B: lo stesso modello risponde a 16 domande quantitative. Calcolando da solo, ottiene 0/16. Con l'engine che esegue i calcoli, 16/16.
~110 secondi, una volta sola.
0.83–0.93 ms in seguito.
download · verifica · pin — poi è solo aritmetica
~110 sprovisioning unico — download, verifica, pin
0.83–0.93 mscalcolo warm, misurato
sub-msquery plane, ogni risposta
VL'esecuzione misurata
Una chiamata, ricevuta inclusa.
Un calcolo reale, dall'inizio alla fine. La stessa chiamata restituisce lo stesso valore e lo stesso hash in TypeScript e Python — e il runtime che lo esegue può essere compilato includendo esattamente i moduli che si distribuiscono.
esecuzione misurata — finance.npv
chiamata
finance.npv(0.1, [-1000, 300, 420, 560, 680])valore
505.020148896933identico in TypeScript e Pythontempo trascorso
0.83 mswarmcomputation_hash
b74f67d0d7a594aa7ac91f6291612452aa8ccdf603351ebc8d801a6fddd91bc8Un numero riproducibile, non solo leggibile.
Distribuisci solo ciò che usi.
Una sola variabile d'ambiente determina cosa compila il servizio di build.
- SQAI_RUNTIME_MODULES
- Indica i moduli necessari al tuo prodotto. Solo quelli entrano nella build.
- POST /v1/runtime/build
- Il servizio di build compila un runtime esattamente su quel filtro, al provisioning.
- filter-hash
- I bundle sono indicizzati per filtro. Lo stesso filtro risolve sempre nello stesso bundle.
La discovery resta in-process.
Gli agenti non indovinano la superficie — la cercano, localmente.
- searchCapabilities
- Ricerca il contratto incorporato nel pacchetto. In-process — nessuna chiamata di rete.
- unsupported_operation
- Un nome sconosciuto viene rifiutato con un errore strutturato, più nearest_matches per correggere la rotta.
VIDomande
I dettagli.
Quanto è veloce il calcolo, davvero?
Il primo calcolo esegue il provisioning del runtime pinnato — circa 110 secondi, una volta sola. Dopodiché, la latenza warm misurata è 0.83–0.93 ms per calcolo, e il query plane risponde in meno di un millisecondo.
Posso distribuire un runtime più leggero?
Sì. Imposta SQAI_RUNTIME_MODULES e il runtime viene compilato su quel filtro al provisioning. I bundle sono indicizzati per hash del filtro, quindi lo stesso filtro riproduce sempre lo stesso bundle.
I risultati sono davvero identici tra i linguaggi?
Per costruzione. I kernel girano in float64 su un singolo thread, e i risultati vengono sottoposti a hash su canonical JSON. finance.npv(0.1, [-1000, 300, 420, 560, 680]) restituisce 505.020148896933 con lo stesso computation_hash in TypeScript e Python.
Come fa un agente a sapere cosa può calcolare?
Cerca. searchCapabilities viene eseguito in-process sul contratto incorporato nel pacchetto, e un nome di funzione sconosciuto restituisce unsupported_operation con nearest_matches — mai un'ipotesi.
Leggi il documento completo.
Deterministico per costruzioneCome funzionaConnetti i tuoi dati