计算平面

445 个模块。
一个固定运行时。

SQAI 的计算平面是一个编译内核库:从统计学到期权定价,再到 LLM 基础设施,每个函数均在 4,778 项能力合约中完成类型标注。智能体指定函数,引擎返回结果——热态,低于一毫秒。

445模块
100+应用包
4,778合约能力项
0.83–0.93 ms热态计算,实测值

II样本册

十二族,铅字排印。

像翻阅字体样本册一样浏览这个库:每族一页,每个函数一款字形。页上每个名称皆为实名——在合约中完成类型标注,运行前经过校验,运行后生成哈希。

第 01 页叶 1 / 12

统计学

  • stats.median
  • stats.quantile
  • regression.ols_multiple

第 02 页叶 2 / 12

假设检验

  • stat_tests.pearson_r
  • ab_testing.sample_size_proportion

第 03 页叶 3 / 12

概率论

  • distributions.sample_normal
  • distributions.sample_poisson

第 04 页叶 4 / 12

时间序列

  • timeseries_stats.holt_linear
  • timeseries_stats.acf

第 05 页叶 5 / 12

线性代数

  • linalg.mat_inv
  • matrix_decomp.cholesky

第 06 页叶 6 / 12

优化

  • root_finding.newton_raphson
  • integrate.simpson
  • operations_research.eoq_quantity

第 07 页叶 7 / 12

金融与风险

  • finance.npv
  • finance.irr
  • finance.cagr
  • finance.max_drawdown
  • risk.beta
  • risk.conditional_var

第 08 页叶 8 / 12

期权定价

  • option_pricing.black_scholes_call
  • option_pricing.black_scholes_put
  • option_pricing.implied_volatility

第 09 页叶 9 / 12

机器学习

  • ml.classifiers.knn_predict
  • ml.classifiers.logistic_predict
  • ml.clustering.kmeans_fit

第 10 页叶 10 / 12

信号

  • fft.power_spectrum
  • wavelet.denoise_haar

第 11 页叶 11 / 12

信息论

  • information_theory.entropy
  • information_theory.kl_divergence

第 12 页叶 12 / 12

LLM 基础设施

  • flash_attention.flash_block_output
  • kv_cache.incremental_decode_kv_append
  • rag_retrieval.bm25_term_score

字盒——应用包

精算 → 葡萄栽培

  • 01精算
  • 02航空航天
  • 03流行病学
  • 04水文学
  • 05药代动力学
  • 06机器人学
  • 07地震学
  • 08热力学
  • 09葡萄栽培
  • 100+字盒中的应用包——此处展示九个抽屉。每一个均在同一合约下响应:相同的策略检查,相同的溯源封套。

III印压工艺

编译速度。经验证的精度。

每个族背后:手工优化的内核,提前编译。确定性在此毫无代价——float64、单线程,速度仍比解释型基准高出数个数量级。

速度

91.86×相对解释型基准的中位加速比

  • 均值加速 111.24×,最高加速 1,593×
  • 基于公开评分卡上 4,207 个对比函数的实测结果
  • 热态计算 0.83–0.93 ms · 查询平面亚毫秒级

精度

02,744 项正确性检查中的不匹配数

  • 2,458 项模糊检查,覆盖 800+ 数据集与 8 种分布
  • 232 项边界用例 · 54 项套件检查 · 位精确排序
  • 最大数值误差:1.8e-15
0/16 → 16/16同一模型,引擎计算

精度 A/B 对比:同一模型回答 16 道定量题。仅靠模型自身计算,得分 0/16;由引擎执行计算,得分 16/16。

~110 秒,仅一次。
此后 0.83–0.93 ms。

下载 · 验证 · 固定 — 之后只是算术

~110 s一次性预置 — 下载、验证、固定
0.83–0.93 ms热态计算,实测值
sub-ms查询层,每次响应

V实测运行

一次调用,附带回执。

一次真实计算,端到端全程可查。同一调用在 TypeScript 与 Python 中返回相同的值和相同的哈希——执行它的运行时可精确裁剪至你所交付的模块。

实测运行 — finance.npv

调用finance.npv(0.1, [-1000, 300, 420, 560, 680])
结果505.020148896933TypeScript 与 Python 结果一致
耗时0.83 ms热态
computation_hashb74f67d0d7a594aa7ac91f6291612452aa8ccdf603351ebc8d801a6fddd91bc8

可复现的数字,而非仅供阅读。

只交付所需模块。

一个环境变量决定构建服务的编译范围。

SQAI_RUNTIME_MODULES
指定产品所需模块,构建仅包含这些模块。
POST /v1/runtime/build
构建服务在预置时按该过滤器精确编译运行时。
filter-hash
Bundle 以过滤器为键。相同的过滤器始终解析为相同的 bundle。

发现在进程内完成。

Agent 不靠猜测探索接口——它在本地搜索。

searchCapabilities
在包内嵌的契约上搜索,进程内执行,无网络调用。
unsupported_operation
未知名称将被拒绝并返回结构化错误,附带 nearest_matches 以供纠正。

VI常见问题

细节说明。

计算速度究竟有多快?

首次计算会预置固定运行时,约需 110 秒,仅此一次。此后实测热态延迟为每次计算 0.83–0.93 ms,查询层响应在 1 ms 以内。

能否交付更小的运行时?

可以。设置 SQAI_RUNTIME_MODULES,运行时将在预置时按该过滤器构建。Bundle 以过滤器哈希为键,相同的过滤器始终还原为相同的 bundle。

结果在不同语言间真的完全一致吗?

由构造保证。内核在单线程上以 float64 运行,结果通过 canonical JSON 哈希。finance.npv(0.1, [-1000, 300, 420, 560, 680]) 在 TypeScript 与 Python 中均返回 505.020148896933,且 computation_hash 相同。

Agent 如何知道自己能计算什么?

通过搜索。searchCapabilities 在包内嵌的契约上进程内运行;未知函数名将返回 unsupported_operation 及 nearest_matches——绝不猜测。