Eulerwa Inc. abre cada capa del desarrollo de IA — desde el entrenamiento de modelos hasta la aceleración por hardware y agentes autónomos — a través de CLI y código abierto.
EulerForge para entrenamiento, EulerStack para diseño de modelos, EulerWeave para datos, EulerAgent para ejecución, EulerNPU para hardware y EulerAtlas para aprendizaje robótico.
Un framework de fine-tuning para LLM orientado a investigación: inyecta LoRA en modelos HuggingFace y permite entrenar un modelo denso como una estructura Mixture-of-LoRAs o MoE Expert LoRA. Sobre un flujo de SFT denso habitual, EulerForge añade conversión Dense → MoE y programación por fases, de modo que enrutamiento, especialización de expertos y estabilidad MoE puedan estudiarse de forma reproducible con un presupuesto de GPU reducido. Un mismo preset YAML lleva el recorrido SFT → DPO/ORPO → RM → PPO.
EulerForge ofrece un flujo estandarizado para convertir un modelo denso en uno entrenable con estilo MoE, de modo que los experimentos puedan expresarse en la configuración en lugar de en código de enlace.
mixture_lora / moe_expert_lora| Inyección | Dense LoRA · Mixture LoRA · MoE Expert LoRA · Native MoE Expert LoRA |
|---|---|
| Entrenamiento | SFT · DPO · ORPO · RM · PPO |
| Backbones | Qwen2/3 · Llama 2/3 · Gemma 3 · Gemma 4 (dense+MoE) · Mixtral |
| Entrenamiento cuantizado | nf4 / int4 / int8 (bitsandbytes) |
| Extras | HF Export · búsqueda grid/bayesiana con Optuna · benchmark integrado · CLI en 5 idiomas |
24 tutoriales KO/EN + referencia CLI completa incluida
EulerStack es un lenguaje de descripción de arquitectura (Architecture Description Language) para LLMs. Separa la "arquitectura" del archivo PyTorch donde habitualmente viven enredadas estructura, entrenamiento y serving, y la expresa en un lenguaje declarativo hecho a propósito — la misma clase de salto de abstracción que la industria del semiconductor dio al reemplazar schematics+C por Verilog/VHDL. Una sola spec YAML atraviesa un pipeline de 5 capas (DSL → Schema → IR → Compiler → CLI) y aterriza como un PreTrainedModel de HuggingFace (config.json + model.safetensors) que EulerForge puede leer directamente para entrenar.
Organizados según el "principio de orden industrial" de v1: industrial validado → híbridos / MoE recientes → primitivas experimentales v1. 24 llm_ (5 tamaños × 4–5 variantes, ahora con MLA) + 33 arch_ (beginner 2 · intermediate 3 · advanced 5 · expert 23, de los cuales 9 son *_mini). Puede declarar primitivas de Phase B — MLA, MoD, Titans, Dual-Stream — a arch-scale.
| Mixers | Attention · Mamba · RetNet · Hyena |
|---|---|
| FFN | MLP · Gated MLP (SwiGLU) · MoE (ruteo top-k) |
| Recorrido por nivel | beginner (GPT-2/Llama) · intermediate (Mistral/Gemma2/Qwen) · advanced (Jamba/Samba/RetNet) · expert (espacio de diseño 3D MoE × mixer × depth/receptive-field) |
| Objetivo de compilación | Directorio de modelo HuggingFace o configuración JSON |
Validación en tres etapas (esquema → compatibilidad cruzada → heurísticas de realismo) que detecta errores de diseño antes de compilar. Todos los mensajes del CLI están traducidos a 5 idiomas (ko/en/zh/ja/es). v0.1.5 añadió el escalado μP, los objetivos auxiliares de diferenciación y la declaración de órganos tissue como extensiones de spec compatibles hacia atrás (el YAML existente funciona sin cambios).
Un sistema integral de procesamiento de datos que cierra la brecha entre conjuntos de datos crudos y entrenamiento de modelos.
Ver masDisenado para que investigadores y desarrolladores refinen y analicen datos en entornos locales.
Funcionalidades criticas de negocio para escalar de una sola GPU a operaciones a nivel de cluster.
Un framework de agentes local-first con maquina de estados de 8 fases, orquestadores Pattern/Graph, RAG, memoria a largo plazo (LTM), integracion MCP y mas de 30 comandos. Cada accion es registrada, auditada y aprobada por humanos. Sobre nodos de compuerta deterministas (kind: shell) que ejecutan la verificacion como codigo (no como LLM), ofrece un agente de codificacion autorreparable (code.dev_loop.v2) que escribe, prueba y corrige por si mismo.
Filosofia: Cada accion de un agente que cambia el mundo (escritura de archivos, ejecucion de shell, llamadas externas) debe ser aprobada por un humano. El Pattern Orchestrator ahora incorpora nodos LLM, de juicio y de compuerta determinista shell (12 patrones canonicos); ademas, la auto-aprobacion acotada (node.auto_approve) y la compuerta de simbolos (symbol_check) permiten ejecutar bucles fix→test de forma autonoma.
Construido para desarrolladores que desean capacidades autonomas sin sacrificar control y seguridad.
Una pila de sintesis de inferencia NPU que compone el grafo de operadores (spec.yaml) con 138 operadores (17 grupos), lo valida y compila (.npuart), y lo ejecuta en una referencia CPU del host, un simulador funcional de NPU y FPGAs Zynq-7000 (XC7Z020) y Zynq UltraScale+ (ZU3EG/ZU9EG). Ofrece cuantizacion INT4/INT8, 10 tipos de datos, 4 backends y 15 subcomandos CLI. Vea en la pagina del producto la demo en la que se simula el SoC cerebro de humanoide (Project 3).
Ver masSoporta 138 operadores (17 grupos, A–Q) y 10 tipos de datos, y compila desde spec.yaml a un artefacto .npuart.
| Operadores | 138 (Core Math, Activation, Normalization, Conv/Vision, Sequence/Attention, Efficient Attention(Flash/Sliding/GQA), MoE/Sparse, Recurrent, Graph, Multimodal, Vision Encoder, Diffusion, Speculative Decoding, Quantization, Mamba/SSM, Cache Compress, Autonomy) |
|---|---|
| DType | fp32, int32, fp16, bf16, int8, uint8, int16, int4, fp8_e4m3, fp8_e5m2 — con cuantizacion de pesos INT4 |
| Targets | FPGA Zynq-7000 (XC7Z020) · Zynq UltraScale+ (ZU3EG, ZU9EG) |
validate, compile, run, sim, profile, explain, quantize, migrate-spec, generate, board smoke, calibrate, benchmark, replay, compress-cache, entre otros — 15 subcomandos. Backends: cpu_ref · npu_sim · zynq_ps · zynq_pl_stub.
Un framework de aprendizaje de comportamiento robotico basado en CLI y en plugins, que opera sobre un pipeline RL→IL que combina aprendizaje por imitacion (IL) y aprendizaje por refuerzo FastTD3 (RL). Los dos dominios insignia que se lanzan primero son automovil (EulerDrive — conduccion autonoma BEV, verificada en CARLA) y humanoide (EulerWalk — RL→IL loco-manipulation), y ambos incluyen modelos preentrenados que pueden ejecutarse al instante sin entrenamiento. El esquema unificado esta disenado para abarcar 8 dominios — automovil, dron, humanoide, perro robot, manipulacion movil, logistica, agricultura y astillero — y los dominios siguen expandiendose como plugins.
Ver masTodos los modulos se comunican de forma consistente a traves de esquemas obs/action de dimensiones fijas por dominio.
| Clasico (01–04) | Automovil 4/2 · Dron 6/3 · Humanoide 33/14 (loco-manip) · Perro Robot 12/8 |
|---|---|
| Industrial (05–08) | Manipulacion Movil 18/8 · AGV Almacen 14/4 · Agri-Robot 16/6 · Astillero 20/9 |
| Modelos de Politica | BC-MLP, BC-RNN, BC-CNN, ACT, Diffusion Policy + SOTA(BEVFuser, TemporalTransformer, WholeBodyACT) + RL Actor |
| Niveles | L0 Toy · L1 Intermediate · L2 Advanced (backend real: CARLA/MuJoCo/HumanoidBench) |
Se anaden train-rl, data collect/generate-demos y sim rollout --render/--save-video. Tambien soporta la arquitectura Domain Plugin y el despliegue en el edge.
Acceda a publicaciones tecnicas especializadas y al ecosistema de codigo abierto.
Libros de investigacion en profundidad sobre computacion cuantica y arquitecturas de IA.
Herramientas comunitarias para procesamiento de datos y orquestacion de modelos.
La tecnologia existe para servir a la humanidad
Nos oponemos a la automatizacion militar de la inteligencia artificial. La tecnologia debe usarse para proteger la vida, no para arrebatarla — ningun logro tecnologico puede anteponerse a la seguridad humana.
La inteligencia artificial debe ser una herramienta que eleve la dignidad humana y fortalezca los valores democraticos. Nos oponemos a cualquier uso de la IA que suprima la libertad individual o socave los principios democraticos.
Todo software, modelo y servicio publicado por Eulerwa no puede utilizarse para fines que violen estos principios. Asumimos con seriedad la responsabilidad sobre como se utiliza nuestra tecnologia.