№ 01第1葉 / 12
統計
- stats.median
- stats.quantile
- regression.ols_multiple
コンピュートプレーン
445 モジュール。
単一の固定ランタイム。
SQAI のコンピュートプレーンは、コンパイル済みカーネルのライブラリです。統計からオプション価格算定、LLM インフラまで、すべての関数が 4,778 機能のコントラクトで型付けされています。エージェントが関数を指定すると、エンジンはウォーム状態で 1 ミリ秒以内に数値を返します。
445モジュール
100+応用パック
4,778コントラクト上の機能数
0.83–0.93 msウォームコンピュート（実測値）
IIスペシメンブック
12 ファミリー、活字に組む。
このライブラリを活字見本帳として読んでください。各ファミリーが 1 ページ、各関数が 1 書体です。ここに並ぶ名称はすべて実在のもの——コントラクトで型付けされ、実行前に検証され、実行後にハッシュ化されています。
№ 02第2葉 / 12
仮説検定
- stat_tests.pearson_r
- ab_testing.sample_size_proportion
№ 03第3葉 / 12
確率論
- distributions.sample_normal
- distributions.sample_poisson
№ 04第4葉 / 12
時系列
- timeseries_stats.holt_linear
- timeseries_stats.acf
№ 05第5葉 / 12
線形代数
- linalg.mat_inv
- matrix_decomp.cholesky
№ 06第6葉 / 12
最適化
- root_finding.newton_raphson
- integrate.simpson
- operations_research.eoq_quantity
№ 07第7葉 / 12
金融・リスク
- finance.npv
- finance.irr
- finance.cagr
- finance.max_drawdown
- risk.beta
- risk.conditional_var
№ 08第8葉 / 12
オプション価格算定
- option_pricing.black_scholes_call
- option_pricing.black_scholes_put
- option_pricing.implied_volatility
№ 09第9葉 / 12
機械学習
- ml.classifiers.knn_predict
- ml.classifiers.logistic_predict
- ml.clustering.kmeans_fit
№ 10第10葉 / 12
信号処理
- fft.power_spectrum
- wavelet.denoise_haar
№ 11第11葉 / 12
情報理論
- information_theory.entropy
- information_theory.kl_divergence
№ 12第12葉 / 12
LLM インフラ
- flash_attention.flash_block_output
- kv_cache.incremental_decode_kv_append
- rag_retrieval.bm25_term_score
活字ケース — 応用パック
保険数理 → ワイン醸造学
- 01保険数理
- 02航空宇宙
- 03疫学
- 04水文学
- 05薬物動態学
- 06ロボティクス
- 07地震学
- 08熱力学
- 09ワイン醸造学
- 100+ケース内の応用パック——ここでは 9 つの引き出しを開いています。すべて同一のコントラクトに応答します。同じポリシーチェック、同じプロヴェナンスエンベロープ。
III印刷の精度
コンパイル済みの速度。実証された精度。
各ファミリーの背後には、手作業で最適化され事前コンパイルされたカーネルがあります。決定論的な動作にコストはかかりません——float64、シングルスレッドでも、インタープリタ型ベースラインを桁違いに上回ります。
速度
91.86×インタープリタ型ベースライン比の中央値高速化倍率
- 平均 111.24 倍・最大 1,593 倍の高速化
- 公開スコアカード上の 4,207 関数を比較して実測
- ウォームコンピュート 0.83–0.93 ms・クエリプレーンはサブミリ秒
精度
02,744 件の正確性チェックにおける不一致件数
- 800 以上のデータセットと 8 つの分布にわたる 2,458 件のファズチェック
- 232 件のエッジケース・54 件のスイートチェック・ビット完全ソート
- 最大数値誤差：1.8e-15
0/16 → 16/16同一モデル、エンジンが計算
精度の A/B 比較：同一モデルが定量的な問いに16問回答。エンジンなしでは 0/16。エンジンが計算を担うと 16/16。
初回のみ、約110秒。
以降は 0.83〜0.93 ms。
ダウンロード · 検証 · ピン留め — あとは純粋な演算
~110 s初回プロビジョニング — ダウンロード、検証、ピン留め
0.83–0.93 msウォーム計算、実測値
sub-msクエリプレーン、全回答
V実測ラン
1回の呼び出し、レシート付き。
エンドツーエンドの実計算。同じ呼び出しが TypeScript と Python で同じ値・同じハッシュを返す — そして実行するランタイムは、シップするモジュールだけに絞り込んでビルドできる。
実測ラン — finance.npv
呼び出し
finance.npv(0.1, [-1000, 300, 420, 560, 680])値
505.020148896933TypeScript と Python で同一経過時間
0.83 msウォームcomputation_hash
b74f67d0d7a594aa7ac91f6291612452aa8ccdf603351ebc8d801a6fddd91bc8読むだけでなく、再現できる数値。
使うものだけをシップする。
環境変数ひとつが、ビルドサービスのコンパイル対象を決める。
- SQAI_RUNTIME_MODULES
- プロダクトが必要とするモジュールを指定する。ビルドに含まれるのはそれだけ。
- POST /v1/runtime/build
- ビルドサービスはプロビジョニング時に、そのフィルターに合致したランタイムをコンパイルする。
- filter-hash
- バンドルはフィルターをキーとする。同じフィルターは常に同じバンドルに解決される。
ディスカバリーはインプロセスで完結する。
エージェントはサーフェスを推測しない — ローカルで検索する。
- searchCapabilities
- パッケージに埋め込まれたコントラクトをインプロセスで検索する。ネットワーク呼び出しは発生しない。
- unsupported_operation
- 未知の名前は構造化エラーで拒否され、修正のための nearest_matches が付与される。
VIよくある質問
詳細事項。
計算速度は実際どのくらいか？
初回計算時にピン留めされたランタイムをプロビジョニングする — 一度だけ、約110秒。以降の実測ウォームレイテンシは計算あたり 0.83〜0.93 ms、クエリプレーンは1ミリ秒未満で応答する。
より小さなランタイムをシップできるか？
できる。SQAI_RUNTIME_MODULES を設定すると、プロビジョニング時にそのフィルターに合わせたランタイムがビルドされる。バンドルはフィルターのハッシュをキーとするため、同じフィルターは同じバンドルを再現する。
結果は言語をまたいで本当に同一か？
設計上、同一である。カーネルはシングルスレッドで float64 動作し、結果は canonical JSON 上でハッシュ化される。finance.npv(0.1, [-1000, 300, 420, 560, 680]) は TypeScript と Python で同じ computation_hash のもと 505.020148896933 を返す。
エージェントは何を計算できるかをどう知るのか？
検索する。searchCapabilities はパッケージに埋め込まれたコントラクトをインプロセスで検索し、未知の関数名は nearest_matches 付きの unsupported_operation を返す — 推測は行わない。