CONVERTIMOS IDEAS EN REALIDAD
Somos creadores. Equipo pequeño. Nativos de IA. Lanzando código abierto desde cero.
Bootstrapped. Sin VC. Creamos herramientas de código abierto para resolver problemas reales y colaboramos selectivamente con equipos que construyen cosas con sentido.
Lo que hacemos
Tres pilares de cómo operamos
Crear código abierto
Creamos herramientas y las publicamos en abierto. Desde runtimes de IA hasta utilidades de despliegue — si lo necesitamos, lo construimos y lo compartimos.
Flujo nativo de IA
Equipo pequeño, gran producción. La IA es el núcleo de todo lo que hacemos — no un añadido, sino cómo trabajamos cada día.
Colaboraciones selectivas
Alianzas premium con equipos que construyen cosas con sentido. No somos agencia. No somos baratos. Selectivos y de alta calidad.
Cosas que hemos construido
Herramientas de código abierto lanzadas por nuestro equipo
Runtime de agentes IA — un binario, cualquier modelo, cualquier dominio
Registro comunitario de agentes IA especialistas
Búsqueda semántica de código con MCP
Gestión de memoria IA con MCP
Servidor MCP de sistema de ficheros para IA
Librería unificada de proveedores IA en Rust
Para creadores
Sigue nuestro camino. Lee el blog. Usa nuestras herramientas open source. Descubre cómo un equipo pequeño envía software con flujos nativos de IA.
Leer el blogPara equipos
¿Necesitas la perspectiva de un creador? Colaboramos selectivamente con equipos que valoran la calidad y la ejecución probada en proyectos con sentido.
HablemosLo último del blog
Construyendo en público. Compartiendo lo que aprendemos.
Un archivo SQLite, 1 Hz y cero nube: por qué un rastreador de tiempo para Mac vive en tu disco
Una guía de diseño realista para construir una app de escritorio local-first: por qué un único archivo SQLite embebido le gana a una base de datos en la nube para un solo usuario, cómo las muestras crudas a 1 Hz se agrupan en sesiones humanas, el diseño de esquema para intervalos de tiempo, WAL y seguridad ante caídas, y las concesiones honestas de ser dueño de tus datos.
Por Qué Ejecutamos el Reconocimiento de Voz Totalmente en el Dispositivo: La Matemática de Latencia y Privacidad
El speech-to-text en la nube pierde frente a un presupuesto que cabe en una servilleta. Esta es la matemática del viaje de ida y vuelta que obligó a Vext a ejecutar tanto el modelo de voz como el LLM de limpieza en el dispositivo, más un marco de decisión nube-vs-local para tu propia funcionalidad de audio.
Lo que aprendimos construyendo una capa unificada de proveedores LLM en Rust
Lo que aprendimos al lanzar octolib, la librería de Rust detrás de nuestro stack de IA: cómo abstraer múltiples proveedores LLM, normalizar tool calls y uso de tokens, y sobrevivir al día en que el formato de razonamiento de un modelo devolvió un 400.