Preguntas frecuentes sobre YvyrAI

El DeliberationBlock es el centro de la arquitectura de YvyrAI: un bloque Transformer compartido que se itera varias veces dentro de un único forward pass. Mantiene un estado de planificación con compuertas, lee y escribe un scratchpad latente comprimido, estima una señal interna de confiabilidad y decide cuántas rondas de refinamiento usar antes de emitir la respuesta. Así el modelo «piensa» en el espacio latente en vez de solo generar más texto.

La mayoría de los LLM escalan agregando parámetros, datos y cómputo de entrenamiento. YvyrAI suma un segundo eje: más cómputo en el momento de la inferencia mediante refinamiento recurrente en estado latente. A eso añade un verificador interno con reparación condicional, un diseño «español-first» y una estrategia de datos consciente de Paraguay. No es un wrapper sobre otra API ni un ajuste fino de un modelo ajeno: es una arquitectura original.

Dentro del bucle recurrente, un «verificador» emite una señal acotada que estima qué tan confiable es el estado oculto actual. Una vía de «reparación» aplica entonces una corrección cuya fuerza es proporcional a esa baja confiabilidad: actúa con más intensidad justo cuando el modelo cree que su estado interno es menos confiable. El objetivo es hacer que la recurrencia sea autocrítica en lugar de iterar a ciegas.

YvyrAI se especifica como una familia de modelos, desde configuraciones de ~1M de parámetros para validación hasta un modelo insignia de ~1.01B (vocabulario de 24.576 tokens, 22 capas, hasta 10 iteraciones recurrentes y contexto de 2K–4K). El único modelo entrenado y publicado hasta ahora es el de 105,86M: del de 1B existe el código y la configuración, pero todavía no los pesos, porque conseguir ese cómputo sigue pendiente. El próximo paso es un modelo intermedio con unas diez veces más datos por parámetro.

Es un objetivo central del diseño, y todavía no un resultado logrado. El tokenizador BPE es «español-first», construido desde cero con pre-tokenización estilo Metaspace para minimizar la fragmentación del español rioplatense y regional, y el pipeline tiene una porción dedicada a fuentes paraguayas oficiales con un conjunto de prueba separado. Pero seamos precisos sobre el modelo ya publicado: por un error nuestro al estimar cuánto corpus paraguayo había disponible, ese contenido terminó siendo apenas el 0,066% de la mezcla de entrenamiento. Así que el de 105M entiende español, no el contexto paraguayo. Corregir esa proporción es la prioridad del próximo entrenamiento.

El backbone decoder-only usa Grouped-Query Attention (GQA), embeddings posicionales RoPE, activaciones SwiGLU y RMSNorm, con despacho compatible con FlashAttention. De forma opcional incorpora atención de ventana deslizante y enrutamiento Mixture-of-Depths, además de compresión de KV-cache en inferencia y soporte de entrenamiento en baja precisión.

Cuatro líneas: Automatización de procesos empresariales con IA; Integración de IA (APIs y soluciones híbridas conectadas a tu stack); Modelos Custom entrenados para tu industria; y Enterprise, para operaciones multi-sede. Estamos en etapa de primeros pilotos: todavía no tenemos clientes facturando, y lo decimos de frente porque preferimos empezar con las expectativas claras. Cada proyecto se evalúa de forma individual.

Ambas cosas, y en ese orden. La investigación es la que nos da la arquitectura propia; el producto es lo que la aplica a procesos concretos —ventas, atención, operaciones, análisis— conectándose a los sistemas que la empresa ya usa, sin rehacer la infraestructura. El producto está en etapa de pilotos, no de casos cerrados: la investigación es la parte que ya tiene resultados públicos y verificables.

Es la línea de Modelos Custom y todavía no está abierta: entrenar un modelo dedicado requiere cómputo que estamos gestionando. Lo que sí podemos hacer hoy es evaluar tu caso, decirte con honestidad si necesitás un modelo propio o si se resuelve mejor integrando modelos existentes, y avisarte cuando la línea esté disponible. En la mayoría de los casos la respuesta correcta es la segunda, y lo decimos aunque nos convenga lo contrario.

Somos local-first: el procesamiento ocurre en tu negocio, no en un servidor nuestro. Y somos precisos con el resto, porque acá es donde muchos prometen de más: si el sistema te manda un aviso por WhatsApp o se conecta a tu ERP en la nube, ese dato sale hacia un tercero. Esas salidas se declaran una por una en el contrato y las autorizás vos, con una lista cerrada: nada se conecta a algo que no aprobaste. Para quien lo necesite hay un modo sin salidas hacia afuera. En el plan con cámaras, el video no sale del local, y ahí el absoluto sí lo podemos firmar.

El contacto directo es admin@yvyrai.lat. La plataforma de contacto y solicitud de demos está terminándose y estará disponible próximamente.