OBSERVAR
Detectar CPU, memoria, aceleradores, sistema y capacidades realmente disponibles.
LEONES RC2 · BETA01
De observar a demostrar
LEONES no empieza suponiendo qué puede hacer una máquina. Empieza observando el hardware real y termina, cuando se autoriza, con una ejecución medible y evidencia reproducible.
PERFILAR
Usar inteligencia especializada como LLMFit para acotar qué modelos tienen sentido en ese hardware.
ELEGIR
Construir candidatos y dejar que la persona elija el modelo antes de decidir el stack.
AUTORIZAR
Separar claramente el consentimiento para instalar de la autorización para ejecutar un benchmark.
VERIFICAR
Instalar y comprobar el stack seleccionado antes de declarar que está listo para medir.
MEDIR
Entregar la ejecución autorizada al runner RC1 ya validado y medir sobre el equipo real.
EVIDENCIAR
Conservar runtime, modelo, cuantización, hardware, protocolo, ejecución y resultados.
APRENDER
Convertir resultados reales en conocimiento reutilizable sin confundir estimaciones con mediciones.
El ecosistema02
Las piezas que trabajan juntas
Prospección
Descubre modelos, runtimes, técnicas, hardware y cambios relevantes.
Explorar →Atlas
Conocimiento estructurado sobre modelos, capacidades y ecosistema.
Entrar →Router
Transforma necesidad, hardware y evidencia en una ruta razonada.
Ver →Hardware + runtime
La ejecución real depende de memoria, backend, contexto, cuantización y configuración.
Ver la pila →Agents / Evaluación agentiva
Evalúa si un sistema completa tareas reales, no solo si genera muchos tokens.
Ver →Manada
Resultados voluntarios que amplían la evidencia sobre hardware real.
Entrar →Stack de ejecución03
ODS y Magnitude: no son solo fuentes
LEONES los trata como referencias y, cuando procede, como opciones reales de ejecución. Cada uno aporta capacidades distintas y la elección depende de la necesidad, el hardware y la evidencia disponible.
Un servidor AI local completo
ODS instala y conecta un stack local alrededor de la inferencia: modelos locales, interfaz web tipo ChatGPT, dashboard de control y gestión, detección de hardware y selección de modelo, voz, agentes, workflows, RAG, búsqueda, generación de imágenes, privacidad, observabilidad y herramientas de desarrollo.
Capacidades: Open WebUI; Whisper para transcripción; Kokoro para texto a voz; Qdrant + embeddings para RAG; API compatibles con OpenAI; n8n para automatización; agentes; Privacy Shield para protección de PII; ComfyUI para generación de imágenes; SearXNG y otras opciones de búsqueda; OpenCode; Memory Shepherd; métricas, salud de servicios, gestión de modelos, extensiones y herramientas de diagnóstico.
Infraestructura: instalación automatizada, autodetección de GPU y memoria, selección determinista de modelo según hardware, overlays de aceleración, extensiones modulares y soporte multi-GPU en los caminos compatibles.
En LEONES: ODS es especialmente relevante cuando el objetivo es desplegar una plataforma local completa alrededor del LLM, no solamente ejecutar una inferencia.
Ver evidencia y fuente →Agente de coding + motor de inferencia local
Magnitude combina un agente de programación con un motor de inferencia local construido en Rust sobre llama.cpp. Perfila el hardware, recomienda modelos ejecutables y gestiona configuración e inferencia orientada al trabajo agentivo.
Capacidades: perfilado de hardware; modos Balanced, Best Quality, Fastest y Lightweight; descarga y configuración de modelos; cálculo previo de memoria; configuraciones verificadas; ajuste de aceleración, placement y batching; reutilización de caché y prefill; cambio de modelos; ventanas de contexto consistentes; agentes paralelos; inspección y edición de archivos; ejecución de comandos; trabajo con imágenes; sesiones largas y delegación a otros agentes.
En LEONES: Magnitude es especialmente relevante cuando la pregunta es qué modelo y configuración permiten completar trabajo de desarrollo real de forma local, no solo qué modelo cabe en memoria.
Ver evidencia y fuente →Regla de evidencia: las capacidades declaradas por ODS o Magnitude sirven para orientar y seleccionar; una medición de LEONES en hardware real sigue siendo una medición propia. ESTIMATED ≠ MEASURED.
La idea central04
Decidir con evidencia
Necesidad → Hardware observado → LLMFit → candidatos → elección humana → ODS / Magnitude → instalación → medición → evidencia.
La documentación, la prospección y la aplicación forman un ciclo continuo: observar, estructurar, decidir, autorizar, ejecutar, medir y aprender.
Estado05
RC2 en transición hacia la validación física beta
✓ RC1 runtime
Ruta de ejecución real validada y reutilizable.
✓ Selección
Hardware → perfilado → candidatos → elección de modelo.
✓ ODS / Magnitude
Integrados como opciones de stack y fuentes de capacidad.
✓ Consentimientos
Instalación y benchmark son autorizaciones independientes.
→ Validación física
El siguiente cierre exige comprobar instalación, verificación y flujo completo sobre un equipo real.