№ 01पृ. 1 / 12
सांख्यिकी
- stats.median
- stats.quantile
- regression.ols_multiple
कंप्यूट प्लेन
445 मॉड्यूल।
एक पिन्ड रनटाइम।
SQAI का कंप्यूट प्लेन संकलित कर्नेल की एक लाइब्रेरी है: सांख्यिकी से लेकर ऑप्शन प्राइसिंग और LLM इन्फ्रास्ट्रक्चर तक — हर फ़ंक्शन 4,778-क्षमता के अनुबंध में टाइप किया गया। एजेंट एक फ़ंक्शन का नाम लेता है। इंजन परिणाम लौटाता है — वार्म, एक मिलीसेकंड से भी कम में।
445मॉड्यूल
100+अनुप्रयुक्त पैक
4,778अनुबंध में क्षमताएँ
0.83–0.93 msवार्म कंप्यूट, मापित
IIस्पेसिमेन बुक
बारह परिवार, टाइप में सेट।
लाइब्रेरी को एक टाइप स्पेसिमेन की तरह पढ़ें: हर परिवार एक पृष्ठ, हर फ़ंक्शन एक फ़ेस। इन पृष्ठों पर हर नाम वास्तविक है — अनुबंध में टाइप किया गया, चलने से पहले जाँचा गया, बाद में हैश किया गया।
№ 02पृ. 2 / 12
परिकल्पना परीक्षण
- stat_tests.pearson_r
- ab_testing.sample_size_proportion
№ 03पृ. 3 / 12
प्रायिकता
- distributions.sample_normal
- distributions.sample_poisson
№ 04पृ. 4 / 12
टाइम सीरीज़
- timeseries_stats.holt_linear
- timeseries_stats.acf
№ 05पृ. 5 / 12
रैखिक बीजगणित
- linalg.mat_inv
- matrix_decomp.cholesky
№ 06पृ. 6 / 12
अनुकूलन
- root_finding.newton_raphson
- integrate.simpson
- operations_research.eoq_quantity
№ 07पृ. 7 / 12
वित्त एवं जोखिम
- finance.npv
- finance.irr
- finance.cagr
- finance.max_drawdown
- risk.beta
- risk.conditional_var
№ 08पृ. 8 / 12
ऑप्शन प्राइसिंग
- option_pricing.black_scholes_call
- option_pricing.black_scholes_put
- option_pricing.implied_volatility
№ 09पृ. 9 / 12
मशीन लर्निंग
- ml.classifiers.knn_predict
- ml.classifiers.logistic_predict
- ml.clustering.kmeans_fit
№ 10पृ. 10 / 12
सिग्नल
- fft.power_spectrum
- wavelet.denoise_haar
№ 11पृ. 11 / 12
सूचना सिद्धांत
- information_theory.entropy
- information_theory.kl_divergence
№ 12पृ. 12 / 12
LLM इन्फ्रास्ट्रक्चर
- flash_attention.flash_block_output
- kv_cache.incremental_decode_kv_append
- rag_retrieval.bm25_term_score
टाइप केस — अनुप्रयुक्त पैक
बीमांकिकी → विटीकल्चर
- 01actuarial
- 02aerospace
- 03epidemiology
- 04hydrology
- 05pharmacokinetics
- 06robotics
- 07seismology
- 08thermodynamics
- 09viticulture
- 100+केस में अनुप्रयुक्त पैक — यहाँ नौ दराज खींचे गए। हर एक उसी अनुबंध पर उत्तर देता है: समान नीति जाँच, समान प्रोवेनेंस एनवेलप।
IIIप्रेसवर्क
संकलित गति। सिद्ध सटीकता।
हर परिवार के पीछे: हस्त-अनुकूलित कर्नेल, पहले से संकलित। यहाँ निर्धारणवाद की कोई कीमत नहीं — float64, सिंगल थ्रेड, और फिर भी व्याख्यायित बेसलाइन से परिमाण के क्रमों में तेज़।
गति
91.86×व्याख्यायित बेसलाइन की तुलना में माध्य स्पीडअप
- 111.24× माध्य · 1,593× अधिकतम स्पीडअप
- सार्वजनिक स्कोरकार्ड पर 4,207 तुलनात्मक फ़ंक्शन में मापित
- 0.83–0.93 ms वार्म कंप्यूट · सब-ms क्वेरी प्लेन
सटीकता
02,744 शुद्धता जाँचों में बेमेल
- 800+ डेटासेट और 8 वितरणों में 2,458 फ़ज़ जाँच
- 232 एज केस · 54 सूट जाँच · बिट-एग्ज़ैक्ट सॉर्टिंग
- अधिकतम संख्यात्मक त्रुटि: 1.8e-15
0/16 → 16/16समान मॉडल, engine computing
सटीकता A/B: एक ही मॉडल 16 मात्रात्मक प्रश्नों के उत्तर देता है। अकेले computing करने पर स्कोर 0/16। engine के साथ computing करने पर 16/16।
~110 सेकंड, एक बार।
इसके बाद 0.83–0.93 ms।
download · verify · pin — फिर केवल अंकगणित
~110 sएकमुश्त प्रावधान — download, verify, pin
0.83–0.93 mswarm compute, मापा गया
sub-msquery plane, हर उत्तर
Vमापा गया रन
एक call, रसीद सहित।
एक वास्तविक computation, शुरू से अंत तक। वही call TypeScript और Python दोनों में समान मान और समान hash लौटाती है — और जो runtime इसे निष्पादित करती है, उसे ठीक उन्हीं modules तक सीमित बनाया जा सकता है जो आप ship करते हैं।
मापा गया रन — finance.npv
call
finance.npv(0.1, [-1000, 300, 420, 560, 680])मान
505.020148896933TypeScript और Python में समानelapsed
0.83 mswarmcomputation_hash
b74f67d0d7a594aa7ac91f6291612452aa8ccdf603351ebc8d801a6fddd91bc8एक संख्या जिसे आप दोहरा सकते हैं, केवल पढ़ नहीं।
केवल वही ship करें जो उपयोग में हो।
एक environment variable तय करती है कि build service क्या compile करे।
- SQAI_RUNTIME_MODULES
- वे modules नाम दें जिनकी आपके product को आवश्यकता है। केवल वही build में शामिल होते हैं।
- POST /v1/runtime/build
- build service प्रावधान पर ठीक उसी filter के अनुसार एक runtime compile करती है।
- filter-hash
- Bundles उसी से keyed होते हैं। एक ही filter हमेशा एक ही bundle में resolve होता है।
Discovery in-process रहती है।
Agents surface का अनुमान नहीं लगाते — वे उसे स्थानीय रूप से खोजते हैं।
- searchCapabilities
- package में अंतर्निहित contract को in-process खोजता है — कोई network call नहीं।
- unsupported_operation
- अज्ञात नाम को एक structured error के साथ अस्वीकार किया जाता है, साथ में दिशा-सुधार के लिए nearest_matches।
VIप्रश्न
सूक्ष्म बिंदु।
compute वास्तव में कितना तेज़ है?
पहला computation pinned runtime को provision करता है — लगभग 110 सेकंड, एक बार। इसके बाद, मापी गई warm latency प्रति computation 0.83–0.93 ms है, और query plane एक millisecond से कम में उत्तर देता है।
क्या मैं एक छोटी runtime ship कर सकता हूँ?
हाँ। SQAI_RUNTIME_MODULES सेट करें और runtime प्रावधान पर उसी filter के अनुसार बनती है। Bundles filter के hash से keyed होते हैं, इसलिए एक ही filter हमेशा एक ही bundle पुनः उत्पन्न करता है।
क्या परिणाम सभी भाषाओं में वास्तव में समान होते हैं?
संरचना से। Kernels एकल thread पर float64 में चलते हैं, और परिणाम canonical JSON पर hashed होते हैं। finance.npv(0.1, [-1000, 300, 420, 560, 680]) TypeScript और Python दोनों में समान computation_hash के साथ 505.020148896933 लौटाता है।
एक agent को कैसे पता चलता है कि वह क्या compute कर सकता है?
वह खोजता है। searchCapabilities package में अंतर्निहित contract पर in-process चलता है, और अज्ञात function नाम nearest_matches के साथ unsupported_operation लौटाता है — कभी अनुमान नहीं।