Con tiktoken 0.12.0 en caché, los grafos grandes bancario y HTTP bajan de 37.846 a 32.486 y de 161.861 a 134.165 tokens cl100k_base. La vista de tarea HTTP baja de 5.602 a 5.010. Se cuenta el sobre model-text completo y se comprueba de nuevo contra el mismo JSON seleccionado.
BENCHMARKS · CÓDIGO V0.9.0
El contexto se puede medir. El ahorro de coste aún no está demostrado.
Publicar el contraejemplo antes de la afirmación.
v0.9.0 conserva mediciones anteriores de tokens, harness, Rust y recarga, y añade experimentos LAW16 con costes y fallos. La campaña Claude completada tiene 19 ensayos exitosos de 20, nueve pares completos aceptados. La cualificación de selección sigue sin evaluar. Nada demuestra una ventaja general de productividad, coste o velocidad.
entity Semaprax
status beta
snapshot 933196b
authority github.com/wavect/semaprax// STATUS
Estado del repositorio en la instantánea auditada
| Instantánea del repositorio | 933196b · 2026-10-15. La etiqueta v0.9.0 apunta al commit de código fijado. La CI exacta de la etiqueta terminó correctamente. Esto no garantiza aptitud para producción ni seguridad general. |
|---|---|
| Estado del producto completo | 55 Parcial · 0 Implementado · 0 Faltante |
| Contrato de grafo y proyecto | El código canónico, los ID estables y las representaciones comprobadas del compilador conectan leyes, consultas semánticas, cambios y ejecución. Los esquemas de grafo y Project seleccionados por funcionalidad conservan sus propios contratos de admisión, compatibilidad y autoridad del anfitrión. |
| Versión beta publicada | v0.9.0 · Publicado el 11 de octubre de 2026 a las 15:07 UTC. Los 91 trabajos de la ejecución de publicación del tag exacto pasaron. Cinco archivos de herramientas y dos instaladores incluyen SHA256SUMS, cinco atestaciones y procedencia conjunta firmada y verificada independientemente. La publicación exige recorridos de instalación nativos. No hay notarización ni garantía de compilaciones reproducibles; verificar sin conexión no confirma revocaciones actuales. CI de la etiqueta exacta. |
| Previews de paquetes y API | La versión incluye perfiles útiles del lenguaje, leyes del programa, orquestación e integración con el sistema anfitrión. La publicación y el soporte de los paquetes Rust/npm generados, las ABI genéricas públicas y otras plataformas siguen requiriendo decisiones independientes. |
¿Semaprax es más barato para agentes de código?
No se ha demostrado una ventaja general de coste. Las mediciones locales exactas con cl100k_base muestran cargas model-text más pequeñas para dos grafos grandes y el contexto de una tarea HTTP, mientras que los contextos pequeños crecen. Otra campaña de pago midió el coste por tarea aceptada; el mejor ahorro fue de aproximadamente un 1%, por debajo del umbral del 10% fijado de antemano. Uso del proveedor, tokens locales, velocidad de ejecución y corrección de tareas siguen siendo mediciones distintas.
// TOKENS
Los mismos hechos seleccionados, contados de dos formas
Cinco filas del informe local model-text v2 guardado en el repositorio. Los recuentos utilizan cl100k_base sobre la carga completa, incluidos los metadatos. Son recuentos de un tokenizador local, no facturas del proveedor; un valor model-text mayor es una regresión.
| Vista seleccionada | Tokens JSON | Tokens model-text |
|---|---|---|
| Libro contable bancario: grafo completo | 37846 | 32486 |
| ledger.apply: contexto de tarea | 1679 | 1802 |
| Aplicación HTTP: grafo completo | 161861 | 134165 |
| HTTP app.main: contexto de tarea | 5602 | 5010 |
| Project de calculadora: grafo | 2500 | 2615 |
Consulta el corpus exacto, los dos tokenizadores y el contrato de comprobación
// 01
Nueve líneas de medición y cualificación
El contexto de tarea del libro contable aumenta de 1.679 a 1.802 tokens; el grafo del Project de calculadora pasa de 2.500 a 2.615. Los metadatos fijos pueden superar el ahorro de la compresión. Comparar código y contexto responde a una pregunta distinta de codificar los mismos hechos seleccionados.
Los informes de tokens agrupan huellas de tokenizadores, métodos y límites de medición compatibles. Los registros de orquestación conservan el uso real del proveedor, los intentos fallidos o truncados y los costes estimados frente a los declarados. Los recuentos ausentes siguen sin estar disponibles; un registro por sí solo no es el resultado de una comparación.
La campaña del 5 de octubre utilizó Claude Haiku 4.5 mediante una capa de medición: 711 llamadas y 3,10 USD de gasto registrado. Cada variante aceptó 109 de 120 tareas. El mejor ahorro por tarea aceptada fue de aproximadamente un 1%, por debajo del 10% exigido; ninguna variante superó la evaluación y los valores predeterminados no cambiaron. La ruta de tareas de aplicación no ejercita todo el flujo del código Semaprax.
Las aplicaciones guardadas con Regex/Url, Serde/iteradores y reqwest/Tokio tienen registros limpios, bloqueados y sin conexión en macOS arm64 y un invitado Linux x86-64, cada uno con 22 etapas o mediciones superadas. Los resultados incluyen registros de copias y asignaciones. El rendimiento adverso de M1/M3 sigue bajo investigación; no demuestra un sobrecoste cercano a cero.
En el caso registrado de macOS arm64, la recarga en frío de A a B tuvo una mediana de 545,694 ms, frente a 37,904 ms para un reinicio completo. Once muestras y mediciones separadas de admisión, preparación, espera y activación conservan esa evidencia contraria. Demuestra continuidad comprobada, no una aceleración ni un resultado aplicable a otros sistemas operativos.
Una campaña LAW16 con Claude completó 20 ensayos por USD 0.291235: 19 pasaron la repetición independiente y un candidato Bend falló. Nueve pares completos pasaron; no establece una clasificación general de lenguajes o costes.
Otra campaña anterior conservó cuatro pares exitosos antes de que la quinta llamada Bend excediera USD 0.03 y declarara USD 0.039957. Nueve llamadas sumaron USD 0.151974. No se agrupan presupuestos distintos. Treinta muestras locales por ruta y controles de caché no prueban ventaja entre lenguajes; AC1 y #392 siguen parciales/abiertos.
La matriz fechada indica no evaluado, no éxito gratuito. Ningún adaptador aprendido tiene prueba en vivo o cualificación registrada. Fixtures, generación pagada y cualificación de desarrollo no cualifican selección de ejecución. Las reglas siguen activas en ambos dominios.
// 02
Lo que estos resultados no demuestran
- Una ventaja general en tokens facturados por el proveedor o coste por tarea aceptada entre proyectos y modelos.
- Mayor corrección, menor latencia o más productividad de mantenimiento que Rust, TypeScript u otro lenguaje.
- Interoperabilidad universal con Rust sin sobrecoste, ni rendimiento físico de Linux x86-64 a partir de un invitado emulado.
- Una ventaja de velocidad en recarga, sustitución de procesos nativos/Wasm o rendimiento amplio entre plataformas.
- Rendimiento de la versión actual a partir de tiempos históricos de compilaciones de depuración, ni corrección a partir de una proporción de compresión.
// 03
Evidencia necesaria antes de afirmar ahorro
- Fija tareas equivalentes, revisiones del código, adaptadores y el evaluador de aceptación antes del experimento.
- Mantén comparables la identidad del modelo, los permisos, los límites de tokens y dinero, los reintentos y las reglas de parada.
- Registra los datos completos del proveedor, el tiempo transcurrido, la tasa de tareas aceptadas y los fallos de regresión, incluidos los intentos sin éxito.
- Publica mediciones sin procesar, evidencia ausente, exclusiones e incertidumbre. Mantén separados los tokenizadores locales y el uso facturado.
- Exige los umbrales declarados de calidad y coste antes de cambiar los valores predeterminados; repite la evaluación con otros proyectos, modelos y anfitriones.
Revisado el 15 de octubre de 2026 contra el commit v0.9.0, sus archivos publicados y la ejecución de publicación. El manual de instalación y el registro de canales del tag aún muestran ejemplos v0.8.0; utiliza las descargas v0.9.0 fijadas aquí. Los encabezados antiguos de matriz y hoja de ruta son históricos. El manual web sigue main y puede describir trabajo posterior. GitHub repository.
// DOCS
Abre el manual de Semaprax
El manual en línea es la guía en inglés publicada desde main y puede incluir cambios posteriores a 0.9.0. Utiliza la copia fijada a la revisión al reproducir esta versión.
Manual en línea
La ruta de aprendizaje actual en inglés, publicada desde main.
Copia del manual de 0.9.0
Los archivos del manual en el commit exacto del lanzamiento revisado.
Crea tu primer proyecto
Guía actual en inglés del manifiesto, las comprobaciones, las pruebas y las compilaciones de la calculadora.
Aprende lo esencial del lenguaje
Introducción actual en inglés a valores, funciones y estructura del código.
Trabaja con un agente de programación
Guía actual en inglés de contexto semántico y flujos seguros de cambios.
Referencia de la CLI para 0.9.0
Comandos fijados a la revisión y límites entre la CLI independiente y la cadena completa.
Extensión de VS Code
Configuración, navegación semántica, revisión y controles de desarrollo fijados a la revisión.
Ejemplos ejecutables
Ejemplos fijados a la revisión para el lenguaje, proyectos, leyes, Agents e integraciones con el anfitrión.
// REF
Fuentes primarias de esta página
Revisado el 15 de octubre de 2026 contra el commit v0.9.0, sus archivos publicados y la ejecución de publicación. El manual de instalación y el registro de canales del tag aún muestran ejemplos v0.8.0; utiliza las descargas v0.9.0 fijadas aquí. Los encabezados antiguos de matriz y hoja de ruta son históricos. El manual web sigue main y puede describir trabajo posterior.
- Contrato model-text compacto y tabla exacta de tokens
- Informe original de mediciones locales de tokens
- Informes de tokens por entrada y sesión
- Semántica de registros del proveedor, costes y límites de salida
- Evaluación de pago y valores predeterminados sin cambios
- Registros de aplicaciones Rust reales y sobrecoste
- Tiempos de recarga y comparación con reinicio
- Límite de la medición original de contexto
- Registro de cambios e historial del tag
- Soporte de selección y gate no evaluado
- Ensayos LAW16, resultados adversos y alcance
// FAQ
Preguntas y respuestas prácticas
¿Semaprax usa menos tokens que Rust o C?
No se ha establecido una comparación general entre lenguajes. La tabla de contexto compacto compara dos codificaciones de los mismos hechos Semaprax seleccionados e incluye reducciones y regresiones. Otra campaña de pago midió el coste por tarea aceptada, pero su mejor ahorro, de aproximadamente el 1%, no alcanzó el umbral del 10%.
¿Por qué publicar un benchmark sin ahorro?
Permite saber cuándo ayuda una optimización y cuándo no. Las vistas compactas pequeñas pueden crecer, el caso registrado de recarga es más lento que reiniciar y algunas rutas de aplicaciones Rust tienen rendimiento adverso. Mantener esos resultados junto a la evidencia positiva permite revisar las decisiones de soporte y valores predeterminados.
Proyecto de investigación de Wavect: Wavect GmbH. Creado por Wavect como proyecto de investigación de sistemas de código abierto.