Código abierto

Herramientas e investigación que compartimos

Construimos sistemas de IA para nuestros clientes, y parte de lo que aprendemos en el camino le sirve a todos. Estos son los modelos, herramientas y colaboraciones de investigación que publicamos, con el código y la documentación para probarlos.

Pento en GitHub

Con Qdrant

Recuperación dispersa bilingüe

miniCOIL EN-ES

Un recuperador disperso que encuentra coincidencias entre inglés y español en un único índice, sin paso de traducción. Es el siguiente paso de la línea miniCOIL de Qdrant y su primera versión más allá del inglés: Pento hizo el desarrollo de punta a punta, con Qdrant como asesor técnico.

2.398 conceptos bilingües en unos 30 MB además de su encoder
Ordena mejor los resultados en español que un BM25 configurado para español
Vuelve a BM25 estándar para las palabras fuera de sus conceptos
Versión preliminar de investigación bajo CC BY-NC 4.0, para investigación y evaluación

Lenguaje: Python
Licencia: CC BY-NC 4.0

Pruébalo

$ git clone https://github.com/pentoai/minicoil-en-es

GitHub Hugging Face Artículo de Qdrant Nuestro artículo

Con alphaXiv

Papers de investigación dentro de tu agente de código

alphaXiv MCP

Un servidor MCP que conecta el corpus de investigación de alphaXiv con Claude Code, Cursor, VS Code, Zed y otros clientes MCP, para que tu agente busque papers, los lea e inspeccione su código sin salir del editor. Pento es una de las organizaciones colaboradoras de alphaXiv.

21 herramientas para papers, investigadores y tu biblioteca
Busca y lee papers, consulta PDFs y lee el repositorio de GitHub de un paper
Inicio de sesión con OAuth, o una API key para agentes sin interfaz

Pruébalo

$ claude mcp add --transport http alphaxiv https://api.alphaxiv.org/mcp/v1

Documentación Sobre alphaXiv Nuestro artículo

Agente autónomo de experimentación en ML

ml-ralph

Un agente de ingeniería de ML con interfaz de terminal que corre sobre Claude Code. Defines los objetivos en un PRD; el agente planifica experimentos, los ejecuta, registra métricas y anota lo que aprende, intentando romper sus propios resultados antes de confiar en ellos.

Lenguaje: TypeScript
Licencia: MIT

Pruébalo

$ bunx @pentoai/ml-ralph

GitHub npm

Seguimiento de experimentos con embeddings

Vectory

Registra y compara versiones de embeddings: qué datos y qué modelo generaron cada una, y cómo se comparan sus espacios vectoriales en tus métricas. Funciona desde la CLI, Python o una interfaz gráfica.

Lenguaje: Python
Licencia: MIT

Pruébalo

$ pip install vectory

GitHub Nuestro artículo

Líneas de tiempo de reconocimiento facial en video

Streamlit Terran Timeline

Un componente de Streamlit que construye una línea de tiempo de reconocimiento facial para un video, mostrando quién aparece en pantalla y cuándo. Construido sobre la librería de percepción humana Terran.

Lenguaje: Python
Licencia: MIT

Pruébalo

$ pip install streamlit-terran-timeline

GitHub PyPI

Contáctanos

¿Tienes un problema difícil de búsqueda o ML?

Reserva una llamada técnica inicial de 30 minutos Agenda una reunión

Los ingenieros detrás de estos proyectos construyen sistemas de IA en producción para clientes. Cuéntanos en qué estás trabajando.