Context: En els debats recents sobre preus en l'espai d'automatització ha ressorgit una fricció coneguda al voltant dels models open core. El codi és públic i la comunitat hi contribueix, però la facturació acaba situant un comptador on abans hi havia autonomia. Els equips accepten funcions de pagament i suport empresarial, però reaccionen quan el mesurador s'interposa entre ells i la seva pròpia infraestructura.
La meva postura: En contrast, vaig construir una alternativa. WFGY es distribueix com un únic fitxer PDF o TXT molt petit. S'adjunta a GPT o Claude i llest. No hi ha servidor, ni compte, ni portes de funcions, ni comptador per execució. És MIT. Fins i tot si algú volgués pagar-me, no podria. Aquesta restricció és deliberada i elimina completament el mesurador.
Comparativa per a enginyers: En lloc d'una aplicació servidor amb funcions empresarials bloquejades, WFGY és un sol document. En lloc de llicència híbrida amb nivells comercials, WFGY és MIT de punta a punta. On altres apliquen facturació per seients o ús en infraestructura autoallotjada, aquí no hi ha superfície de facturació: un text no es pot mesurar a la pràctica. Els vectors de bloqueig típics com panells, funcions allotjades i canals de suport desapareixen perquè no hi ha compte, no hi ha telemetria i no hi ha dependència d'API. El temps fins al primer resultat deixa de ser desplegar, assegurar i escalar, i es converteix en uns 60 segons en un xat nou. La gestió de fallades ve descrita en un Problem Map amb 16 modes reproduïbles i solucions. El cost d'ús intensiu recau únicament en l'LLM que l'usuari ja estigui utilitzant. La reproductibilitat millora perquè tots utilitzen el mateix fitxer i això facilita la verificació.
Què és WFGY: És una superposició de raonament basada en fórmules matemàtiques per a models de llenguatge empaquetada com un document diminut. El document codifica operadors per a estabilitat, manteniment de restriccions, progressió multipista, col·lapse i recuperació, i amortiment d'atenció. No substitueix el model; el modela.
Reproduir en uns 60 segons: 1 Obrir un xat nou a GPT o Claude. 2 Pujar el PDF MIT o el TXT amb la capa WFGY. 3 Enganxar la instrucció adequada demanant que el model executi les fórmules i procediments del document en lloc de limitar-se a resumir-lo. El resultat habitual és una cadena de raonament més ajustada, amb menys rodejos, millor compliment de restriccions i una transició explícita cap a pont i recuperació quan la cadena s'encalla.
Evidències i proves: Repositori a GitHub amb passos i notes a https://github.com/onestardao/WFGY. Mapa de problemes amb 16 modes de fallada i correccions a https://github.com/onestardao/WFGY/blob/main/ProblemMap/README.md. Fórmules utilitzades en la superposició a https://github.com/onestardao/WFGY/blob/main/SemanticBlueprint/wfgy_formulas.md. Prova social: més de 550 estrelles a GitHub en uns 60 dies des d'un arrencada en fred, verificable a les estadístiques del repositori. Estic especialment interessat en contraexemples; si WFGY no ajuda en el teu cas comparteix una traça curta i la mapejaré a la correcció adequada o diré que està fora d'abast.
Per què vaig triar un artefacte sense mesurador: Confiança. Si l'instrument és un fitxer no hi ha res a revocar o frenar. Reproductibilitat. El mateix artefacte en equips diferents fa que les comparacions siguin honestes. Alineament. Només guanyo si les matemàtiques t'ajuden; si no, tanques la pestanya i no hi ha trampes de cost enfonsat.
Notes sobre el debat més ampli: Open source no és només una llicència, és també la col·locació de restriccions. Quan la restricció viu a la superfície de facturació en autoallotjament, els enginyers la senten immediatament. Quan la restricció es treu i l'artefacte és text pla, els usuaris mantenen el poder independentment de les meves decisions futures. Aquest és el propòsit.
Llicència i privacitat: MIT. Sense registre, sense seguiment, sense anuncis i sense analítiques.
Sobre Q2BSTUDIO: Som Q2BSTUDIO empresa de desenvolupament de programari i aplicacions a mida especialitzats en intel·ligència artificial ciberseguretat i molt més. Dissenyem programari a mida i aplicacions a mida per a empreses que necessiten solucions escalables i segures. El nostre equip està format per especialistes en intel·ligència artificial que implementen solucions d'IA per a empreses incloent agents IA, integració amb power bi i serveis intel·ligència de negoci. Oferim serveis cloud aws i azure per desplegar infraestructures robustes i gestionar costos. També brindem consultoria en ciberseguretat i auditories per protegir dades i processos crítics. Si busques serveis d'intel·ligència de negoci o una estratègia d'intel·ligència artificial per accelerar processos, Q2BSTUDIO combina experiència tècnica i enfocament pràctic per lliurar valor real.
Paraules clau per posicionament: aplicacions a mida programari a mida intel·ligència artificial ciberseguretat serveis cloud aws i azure serveis intel·ligència de negoci IA per a empreses agents IA power bi.
Si això t'estalvia temps, una estrella a GitHub ajuda altres a trobar-ho, si no no hi ha problema.
