№ 01л. 1 / 12
Статистика
- stats.median
- stats.quantile
- regression.ols_multiple
Вычислительный уровень
445 модулей.
Один зафиксированный рантайм.
Вычислительный уровень SQAI — библиотека скомпилированных ядер: от статистики до ценообразования опционов и инфраструктуры LLM, каждая функция типизирована в контракте на 4 778 возможностей. Агент называет функцию. Движок возвращает число — прогретое, менее чем за миллисекунду.
445модулей
100+прикладных пакетов
4 778возможностей в контракте
0,83–0,93 мспрогретые вычисления, измерено
IIОбразцовый каталог
Двенадцать семейств, набранных в тип.
Читайте библиотеку как типографский образец: каждое семейство — страница, каждая функция — гарнитура. Каждое имя на этих страницах реально — типизировано в контракте, проверено перед запуском, хешировано после.
№ 02л. 2 / 12
Проверка гипотез
- stat_tests.pearson_r
- ab_testing.sample_size_proportion
№ 03л. 3 / 12
Теория вероятностей
- distributions.sample_normal
- distributions.sample_poisson
№ 04л. 4 / 12
Временные ряды
- timeseries_stats.holt_linear
- timeseries_stats.acf
№ 05л. 5 / 12
Линейная алгебра
- linalg.mat_inv
- matrix_decomp.cholesky
№ 06л. 6 / 12
Оптимизация
- root_finding.newton_raphson
- integrate.simpson
- operations_research.eoq_quantity
№ 07л. 7 / 12
Финансы и риски
- finance.npv
- finance.irr
- finance.cagr
- finance.max_drawdown
- risk.beta
- risk.conditional_var
№ 08л. 8 / 12
Ценообразование опционов
- option_pricing.black_scholes_call
- option_pricing.black_scholes_put
- option_pricing.implied_volatility
№ 09л. 9 / 12
Машинное обучение
- ml.classifiers.knn_predict
- ml.classifiers.logistic_predict
- ml.clustering.kmeans_fit
№ 10л. 10 / 12
Сигналы
- fft.power_spectrum
- wavelet.denoise_haar
№ 11л. 11 / 12
Теория информации
- information_theory.entropy
- information_theory.kl_divergence
№ 12л. 12 / 12
Инфраструктура LLM
- flash_attention.flash_block_output
- kv_cache.incremental_decode_kv_append
- rag_retrieval.bm25_term_score
Кассы набора — прикладные пакеты
актуарное дело → виноградарство
- 01актуарное дело
- 02аэрокосмическая отрасль
- 03эпидемиология
- 04гидрология
- 05фармакокинетика
- 06робототехника
- 07сейсмология
- 08термодинамика
- 09виноградарство
- 100+прикладных пакетов в кассе — здесь открыто девять ящиков. Каждый отвечает по единому контракту: те же проверки политик, тот же конверт происхождения.
IIIПечатный оттиск
Скомпилированная скорость. Доказанная точность.
За каждым семейством — вручную оптимизированные ядра, скомпилированные заблаговременно. Детерминизм здесь ничего не стоит: float64, один поток — и всё равно быстрее интерпретируемых базовых реализаций на порядки.
Скорость
91.86×медианное ускорение относительно интерпретируемых базовых реализаций
- 111,24× среднее · 1 593× максимальное ускорение
- измерено по 4 207 сравниваемым функциям в публичной таблице результатов
- 0,83–0,93 мс прогретые вычисления · запросный уровень sub-ms
Точность
0несовпадений по 2 744 проверкам корректности
- 2 458 фаззинг-проверок по 800+ наборам данных и 8 распределениям
- 232 граничных случая · 54 проверки наборов · побитово точная сортировка
- максимальная числовая погрешность: 1.8e-15
0/16 → 16/16та же модель, вычисления на движке
Точность A/B: одна и та же модель отвечает на 16 количественных вопросов. Без движка — 0/16. С вычислениями на движке — 16/16.
~110 секунд — один раз.
0.83–0.93 мс после.
загрузка · проверка · фиксация — дальше только арифметика
~110 соднократная подготовка — загрузка, проверка, фиксация
0.83–0.93 мспрогретые вычисления, измеренные
sub-msуровень запросов, каждый ответ
VИзмеренный запуск
Один вызов — с квитанцией.
Одно реальное вычисление — от начала до конца. Один и тот же вызов возвращает одно и то же значение и один и тот же хеш в TypeScript и Python — а среда выполнения, которая его исполняет, может быть собрана ровно из тех модулей, которые вы поставляете.
измеренный запуск — finance.npv
вызов
finance.npv(0.1, [-1000, 300, 420, 560, 680])значение
505.020148896933идентично в TypeScript и Pythonвремя
0.83 msпрогретоcomputation_hash
b74f67d0d7a594aa7ac91f6291612452aa8ccdf603351ebc8d801a6fddd91bc8Число, которое можно воспроизвести, а не просто прочитать.
Поставляйте только то, что используете.
Одна переменная окружения определяет, что скомпилирует сервис сборки.
- SQAI_RUNTIME_MODULES
- Укажите модули, которые нужны вашему продукту. В сборку войдут только они.
- POST /v1/runtime/build
- Сервис сборки компилирует среду выполнения точно под этот фильтр — при подготовке.
- filter-hash
- Бандлы привязаны к фильтру. Один и тот же фильтр всегда разрешается в один и тот же бандл.
Обнаружение — внутри процесса.
Агенты не угадывают поверхность — они ищут её локально.
- searchCapabilities
- Поиск по контракту, встроенному в пакет. Внутри процесса — без сетевых вызовов.
- unsupported_operation
- Неизвестное имя отклоняется со структурированной ошибкой и полем nearest_matches для коррекции курса.
VIВопросы
Детали.
Насколько быстры вычисления на самом деле?
Первое вычисление подготавливает зафиксированную среду выполнения — около 110 секунд, один раз. После этого измеренная задержка в прогретом состоянии составляет 0.83–0.93 мс на вычисление, а уровень запросов отвечает менее чем за миллисекунду.
Можно ли поставить облегчённую среду выполнения?
Да. Задайте SQAI_RUNTIME_MODULES — и среда выполнения будет собрана под этот фильтр при подготовке. Бандлы привязаны к хешу фильтра, поэтому один и тот же фильтр воспроизводит один и тот же бандл.
Результаты действительно идентичны на разных языках?
По построению. Ядра работают в float64 в одном потоке, результаты хешируются поверх canonical JSON. finance.npv(0.1, [-1000, 300, 420, 560, 680]) возвращает 505.020148896933 с одним и тем же computation_hash в TypeScript и Python.
Как агент узнаёт, что он может вычислить?
Он ищет. searchCapabilities работает внутри процесса по контракту, встроенному в пакет, а неизвестное имя функции возвращает unsupported_operation с nearest_matches — никаких догадок.
Читать полный образец.
Детерминированность по построениюКак это работаетПодключить данные