Respuestas claras sobre MS Duplex y MS Reflex.
Las preguntas que hacen los equipos antes de desplegar.

Con un piloto sobre tu propio trabajo. Cuéntanos dónde trabaja tu equipo y qué debería aprender MS Duplex primero. Acordamos las métricas antes de empezar y configuramos MS Duplex contigo en la ubicación que elijas.

Por decisiones y puestos. Una decisión es una petición en la que participa MS Duplex, tanto si la responde MS Duplex como si recurre a tu IA. Cada presupuesto llega por escrito antes de que te comprometas.

No. Tú aportas tu propio acceso al modelo y se lo pagas a tu proveedor, y MatterSpace no añade ningún margen a los tokens. Una decisión que MS Duplex ha aprendido no necesita ninguna llamada al modelo.

Se queda en la ubicación que elijas. En MatterSpace Cloud, MatterSpace ejecuta MS Duplex por ti y cada cliente está separado de los demás. En tu nube, queda bajo tus controles. Lo único que sale es una petición a un modelo externo que conectes, y ese proveedor solo ve esa petición.

MS Duplex es el Agent Operating System impulsado por la inteligencia en ejecución: la capa sobre la que funciona cada agente, use el modelo que use. MS Duplex es tu modelo de IA y un modelo ACI, trabajando como uno solo: inteligencia en ejecución para tu IA y tus agentes. Juntos aprenden, planifican, simulan, deciden y actúan mientras se trabaja, de una persona a toda la empresa. Lo que aprende es tuyo. Basado en ACI, Adaptive Continual Intelligence.

La IA de hoy está fragmentada: el modelo, la recuperación y el código de aplicación tienen cada uno su parte de la inteligencia, y ninguno aprende del trabajo. MS Duplex es la capa de infraestructura que los une en un solo sistema que aprende, planifica, simula, decide y actúa. El centro de gravedad se desplaza a todo el sistema: el modelo puede cambiar, y MS Duplex lleva consigo el resto.

MS Duplex es el Agent Operating System impulsado por la inteligencia en ejecución: la capa sobre la que funciona cada agente, use el modelo que use. Los agentes ya trabajan durante horas o días, entre sesiones, aplicaciones y modelos, pero cada uno sigue construyendo su propia memoria, sus reglas y sus conexiones con herramientas, y las pierde cuando cambia el modelo o la aplicación. MS Duplex les da una sola capa para todo ello, así que cada agente conserva su contexto, sus reglas y sus herramientas, use el modelo o la aplicación que use.

Coordina todo lo que necesita un objetivo: el plan, las opciones, la decisión, tus aprobaciones, el trabajo en tus herramientas y la comprobación del resultado. Lleva consigo el contexto de cada agente, sostiene el trabajo largo a través de pausas y cambios, mantiene un único historial de cada paso y aprende de lo verificado. Tu stack se convierte en un solo conjunto de herramientas para cada agente, lo que aprende cada persona, equipo y organización se queda en su propia capa, y el modelo puede cambiar mientras lo que aprendieron tus agentes se queda.

La capa sobre la que funcionan tus agentes es inteligencia en ejecución en acción: tu modelo de IA y un modelo ACI, trabajando como uno solo, aprenden de cada resultado, planifican, simulan, deciden y actúan mientras se trabaja. Por eso mejora con el uso, y por eso lo que aprende sigue siendo tuyo cuando cambias de modelo.

Cualquiera cuyo trabajo funcione con IA, de una persona a toda la empresa. Una persona empieza en su propio asistente, un equipo comparte lo que aprende, una pequeña empresa usa MatterSpace Cloud, y una empresa más grande lo lleva a sus propios agentes y a su propia nube a través de MCP + hooks.

Un harness le da a tu IA herramientas, prompts y pasos, y hace aquello para lo que se configuró. MS Duplex combina tu IA con un modelo ACI que aprende de cada resultado confirmado, planifica, simula, decide y actúa dentro de tus reglas, y lleva tu trabajo entre herramientas y modelos. Funciona dentro de Claude, Codex, Cursor y Hermes, y dentro de tus propios agentes a través de MCP + hooks.

114 capacidades en 17 grupos: Contexto y observación · Reglas y control del comportamiento · Ejecución de herramientas · Aprendizaje y personalización · Long Horizon: trabajo de larga duración · Planificación y apoyo a la decisión · Skill Fabric: habilidades reutilizables · Hilos persistentes y uso compartido · Olvido y control de datos · Estado y explicaciones · Inteligencia persistente · Personalización · Inteligencia multimodal · Confianza y autonomía · Seguridad y supervisión en ejecución · Inteligencia operativa · Integración y portabilidad.

Todo lo que necesita un objetivo: el contexto, el plan, las opciones simuladas, la decisión, tus reglas y aprobaciones, el trabajo en tus herramientas, la comprobación del resultado, el trabajo de larga duración, la recuperación cuando algo cambia y el aprendizaje a partir de lo verificado. Funcionan como un solo sistema en torno a tu objetivo, no como herramientas separadas que haya que conectar entre sí.

Long Horizon es la forma en que MS Duplex lleva el trabajo largo hasta su objetivo. El trabajo que dura días o semanas sigue siendo un solo trabajo, con su objetivo, su plan, sus reglas y su progreso. Cada paso comprueba aquello de lo que depende antes de ejecutarse, el plan se revisa cuando cambian los datos, las excepciones van a las personas que elijas, solo los pasos verificados cuentan como progreso, y el trabajo se retoma donde se quedó tras una pausa o un traspaso.

Skill Fabric es la forma en que MS Duplex convierte lo que funciona en habilidades en las que puede confiar toda tu organización. Una habilidad se crea a partir de trabajo verificado, se puede abrir e inspeccionar, se comparte con otros equipos una vez aprobada, se vigila en uso y se retira cuando deja de dar resultado, y sigue siendo tuya cuando cambias de modelo.

No. Esos almacenan lo que pasó y encuentran lo que se le parece. MS Duplex aprende de la experiencia en ejecución: entiende el patrón que hay detrás de cada resultado, lo comprime en lo que generaliza, predice lo que viene después y actúa en consecuencia, dentro de tus reglas. Así distingue los casos parecidos, sigue una regla que ha cambiado desde la siguiente petición y se vuelve más rápido con el uso. Esos pasan a ser sus herramientas.

Solo en ejecución, tu modelo de IA se alquila por llamada, empieza cada tarea desde cero, no puede aprender de lo que confirma tu equipo, pierde el contexto entre sesiones, y nada comprueba lo que hacen tus agentes antes de que actúen. MS Duplex lo combina con un modelo ACI que aprende, planifica, simula, decide y actúa dentro de tus reglas. El trabajo se vuelve más rápido y barato con el uso, y lo que aprende MS Duplex es tuyo.

Tu IA se queda donde está, y MS Duplex le pone al lado un modelo ACI. MS Duplex actúa en milisegundos según lo que ha aprendido, y recurre a tu IA para el trabajo nuevo o incierto, con ese aprendizaje adjunto. Cada resultado confirmado enseña a MS Duplex para la próxima vez.

Dos inteligencias que hacen trabajos distintos juntas, como hace el cerebro: una lenta para el conocimiento general y una rápida para cada experiencia nueva. Tu IA es la lenta, aprendida antes del despliegue. Un modelo ACI es la rápida: aprende del trabajo real y luego planifica, simula, decide y actúa en consecuencia. Juntas son MS Duplex.

En parte: MS Duplex es tu modelo de IA y un modelo ACI, trabajando como uno solo. El modelo ACI es una segunda inteligencia con entidad propia, y nunca sustituye a tu IA. Una decisión confirmada puede ejecutarse en milisegundos sin llamar al modelo. El trabajo nuevo o incierto va a tu IA con el aprendizaje de MS Duplex adjunto, y el resultado confirmado enseña a MS Duplex para la siguiente petición.

Inteligencia en ejecución: tu modelo de IA y un modelo ACI, trabajando como uno solo, aprendiendo, planificando, simulando, decidiendo y actuando mientras se trabaja, dentro de tus reglas. Lo que aprende es tuyo. Dos inteligencias, un solo sistema: el conjunto es el producto.

En cualquier sitio donde tu IA haga trabajo real: asistentes de programación y de escritorio, agentes de soporte y operaciones, flujos de trabajo empresariales, productos de IA de gran volumen, equipos que adaptan un modelo y trabajo regulado. Es más útil donde los resultados se pueden confirmar, porque MS Duplex aplica cada corrección, decisión o resultado confirmado a la siguiente petición a la que se ajuste.

Pasan a ser herramientas de MS Duplex. MS Duplex llama a cada una cuando un paso la necesita, aprende cuál encaja en cada situación y comprueba que lo que devuelven está al día, tiene fuente y fecha.

ACI, Adaptive Continual Intelligence, es una nueva categoría de inteligencia, creada por MatterSpace. Sigue aprendiendo, planificando, simulando, decidiendo y actuando mientras trabajas, en equipo con los modelos de IA que ya usas. MS Duplex la combina con tu modelo de IA, MS Reflex con tu pila de autonomía.

Los modelos de IA aprenden antes de su lanzamiento, y luego se quedan como están. ACI aprende, planifica, simula, decide y actúa después: en ejecución, a partir de tu trabajo, mientras funcione. Aprende tu trabajo en lugar del mundo, se apoya en todo lo que aprendió antes, y lo que aprende es tuyo: una categoría aparte.

En tándem. El modelo aporta inteligencia general: conocimiento, lenguaje y razonamiento. ACI aporta lo que aprende de tu trabajo. Se encarga de lo que ya sabe, y recurre al modelo, con contexto, para lo nuevo. El modelo se queda como está, y puedes cambiar de modelo sin perder lo que aprendió ACI.

Para tu IA: aprende al momento a partir de un solo resultado confirmado, sigue una regla nueva desde la siguiente petición, resuelve casos que nunca ha visto, adquiere habilidades y se vuelve más rápida y barata con el uso. Para tus máquinas: aprende de un solo ejemplo, planifica, simula y decide en el dispositivo, y somete cada comando a tus reglas, con o sin conexión. En ambos casos, lo que aprende es tuyo.

Hasta ahora, solo los laboratorios que entrenan modelos podían hacer que la IA aprendiera. Con ACI, cada persona y cada empresa tiene una IA que aprende de su propio trabajo, y lo que aprende le pertenece. Lo aprendido crece con cada resultado y se queda donde elijas, en la nube o en la máquina, uses el modelo o el stack que uses.

Ambos están basados en ACI, y ACI es la inteligencia de cada uno. Combinada con tu modelo de IA, es MS Duplex, dentro de los asistentes de tu equipo y de los agentes que construye tu empresa. Combinada con tu pila de autonomía, es MS Reflex, en cualquier máquina que decide y actúa por sí sola.

ACI es el resultado de años de investigación sobre las redes neuronales y su trilema: plasticidad, estabilidad y editabilidad. La plasticidad es aprender lo nuevo, rápido. La estabilidad es conservar lo que sabe. La editabilidad es cambiar lo que aprendió. Una red neuronal logra dos, como mucho: si aprende rápido, olvida; si la mantienes estable, deja de aprender; y lo que aprendió está repartido por toda ella. ACI reúne las tres.

Faruk Guney creó en solitario ACI, MS Duplex y MS Reflex, tras años de investigación sobre el trilema de las redes neuronales y más de quince años haciendo crecer Norck hasta convertirla en una empresa global de fabricación e ingeniería bajo demanda.

De resultados que muestran que el trabajo era correcto: una prueba superada, una revisión aprobada, un cambio observado o un resultado de negocio posterior. También se puede preentrenar con ejemplos revisados, decisiones anteriores, documentos, reglas y rutas de herramientas.

Sí. Preentrena MS Duplex con tus ejemplos revisados, decisiones anteriores, documentos, reglas, rutas de herramientas y bibliotecas de métodos probados. Los aprende antes de ponerse en marcha, así que es útil desde la primera petición, y sigue aprendiendo en producción.

Tu equipo fija el criterio para cada tipo de trabajo. El código puede necesitar pruebas y revisión, mientras que una acción regulada puede necesitar la aprobación de una persona.

Una corrección pertenece al área de trabajo donde se hizo, y ayuda al trabajo posterior en el que encaje. Los usuarios autorizados pueden revisar, corregir o quitar cualquier cosa que haya aprendido MS Duplex.

Sí. MS Duplex aprende el patrón, así que resuelve formulaciones nuevas y detalles nuevos, y detecta un caso parecido que necesita otra respuesta. En casos parecidos engañosos se equivocó el 7.5% de las veces, frente al 45.3% de una caché.*

La nueva regla se aplica desde la siguiente petición. MS Duplex sustituye la decisión obsoleta y deja intacto el trabajo no relacionado. Tras un cambio de política dio 0% respuestas desfasadas, frente a 72% de caché y recuperación.*

Aprendizaje continuo, en ejecución. MS Duplex aprende de cada resultado en cuanto se confirma, así que la siguiente petición ya se beneficia, sin entrenamiento y sin GPU. Ante un cambio, el 100% de su trabajo previo sigue intacto.*

El uso normal es el entrenamiento: MS Duplex aprende de cada resultado confirmado y lo aplica desde la siguiente petición. El preentrenamiento le da una ventaja inicial, y los pesos de tu IA se quedan como están.

Para el trabajo nuevo, amplio o creativo, y para todo lo que haya que redactar o razonar desde cero. MS Duplex prepara exactamente lo que recibe tu IA, junto con lo que ha aprendido. Una decisión que MS Duplex ha aprendido no necesita llamar al modelo.

Si MS Duplex se preentrenó con ese tipo de trabajo, responde desde el principio. Si no, se encarga tu IA con el conocimiento de MS Duplex adjunto, y una vez confirmado el resultado, MS Duplex lo resuelve la próxima vez.

Tu IA, siempre que el trabajo pida redacción nueva o razonamiento abierto, junto con lo que ha aprendido MS Duplex. Cuando MS Duplex ha aprendido el trabajo, responde él solo.

Todo lo que ha aprendido MS Duplex funciona junto a tu IA, así que pasa contigo al modelo nuevo. En la prueba de adaptación, lo que aprendió MS Duplex pasó a otra familia de modelos sin ningún reentrenamiento.

No, hace justo lo contrario. Lo que aprende tu organización vive en MS Duplex, no dentro de los pesos de un proveedor, de una transcripción de chat o de la memoria de una app. Cambia de modelo, de cliente de agentes o de proveedor, y los procesos, las reglas, el historial y las habilidades se quedan.

Sí. Tu ubicación y tus ajustes deciden qué modelo está disponible y adónde va cada petición.

Servidores normales en la nube, en CPU. MS Duplex no necesita GPU propia: una decisión que ha aprendido tarda ≈97 ms, frente a ≈2,231 ms de una llamada al modelo. Solo tu IA necesita aceleradores, y MS Duplex recurre a ella para el trabajo nuevo.*

El objetivo, las decisiones ya tomadas, las restricciones y el trabajo pendiente continúan dentro del mismo cliente y la misma área de trabajo. El trabajo no relacionado y las credenciales se quedan atrás.

Lo que necesitas para continuar: objetivos, decisiones y trabajo pendiente. La transcripción completa se queda donde estaba, y las reglas de acceso de tu equipo se siguen aplicando.

Sí, cuando las conexiones pertenecen al mismo cliente y a la misma área de trabajo permitida. Los perímetros de identidad, de área de trabajo y de cliente se mantienen.

Sí, cuando las dos personas tienen autorización para el área de trabajo compartida. El trabajo personal o restringido se mantiene aparte, según tus ajustes de acceso.

El contexto te ayuda a continuar el trabajo pendiente, y puede ser temporal. Lo que aprende MS Duplex viene de resultados confirmados, y ayuda cada vez que encaja.

Aplica correcciones confirmadas, actualiza decisiones cuando cambia una regla, lleva adelante el trabajo en curso, planifica procesos de varios pasos, usa tus herramientas y reduce las llamadas al modelo en el trabajo que ha aprendido.

Sí. MS Duplex aprende cómo responden tus procesos, planifica la ruta más corta y lleva las restricciones y los métodos confirmados de un paso a otro y de una sesión a otra. Tu IA aporta razonamiento nuevo a cada giro inesperado.

Sí. Aprende qué cambian las acciones en tus sistemas, predice el efecto de un paso antes de que se ejecute y propone la ruta más corta hacia un objetivo. En un benchmark empresarial público, superó a tres modelos de frontera prediciendo cambios en el sistema. Cada paso real sigue pasando por tus controles.

Sí, cuando tu equipo lo activa: dale un objetivo, las acciones que puede realizar y una forma de comprobar si lo ha conseguido. Explora de forma segura, prueba la habilidad antes de usarla y la quita cuando se le pide. Completó todas las tareas con el modelo apagado.

Sí. MS Duplex hace que tu modelo responda como si lo hubieran entrenado con tu trabajo, y los pesos del modelo se quedan como están. Superó a los adaptadores con ajuste fino en 6 / 6 pruebas, sin ningún entrenamiento, y la adaptación pasó a otra familia de modelos sin reentrenamiento.*

Sí. Para tareas bien definidas, MS Duplex escribe un programa pequeño o reutiliza uno que ya ha funcionado, lo prueba con casos conocidos y lo ejecuta cuando pasa la prueba. Tu equipo puede pausarlo o retirarlo en cualquier momento.

Sí. Los documentos, los grafos de conocimiento y las bases de datos pasan a ser fuentes de conocimiento de MS Duplex, cada una con su propietario, su origen y su fecha. MS Duplex sabe cuándo cambia un dato, y aporta los datos correctos a cada decisión.

Sí. MS Duplex puede compartir el aprendizaje y el contexto aprobados con todos los agentes del área de trabajo elegida. De cualquier cosa que haya aprendido, puedes ver de qué agente viene, con qué modelo y cuándo. El aprendizaje de cada cliente se queda con ese cliente.

Tu equipo decide de qué aprende MS Duplex, revisa lo que ha aprendido y puede corregir o quitar cualquier parte. Tus reglas, aprobaciones y controles se aplican a cada acción.

Los cuatro plugins son Claude, Codex, Cursor y Hermes. Los equipos que construyen sus propios agentes los conectan a través de MCP + hooks.

Hoy hay cuatro plugins disponibles. Si tu equipo crea y gestiona el agente, puede encajar MCP + hooks; para cualquier otro asistente, dinos cuál usas.

Para los agentes que construye tu empresa. Se conectan a MS Duplex a través de MCP, y los hooks incorporan MS Duplex en cada paso: antes de cada petición, antes de cada llamada a una herramienta y tras cada resultado. Cada acción se comprueba con tus reglas antes de ejecutarse, con aprobaciones donde las quieras y un único historial que puedes exportar.

Un plugin lleva MS Duplex a un asistente compatible a través de MCP, y construye tu inteligencia personal. MCP + hooks lo lleva a cada paso de los agentes que construye tu empresa, y construye la inteligencia de tu empresa. Es el mismo MS Duplex en ambos casos.

Antes de cada petición, antes de cada llamada al modelo, antes de cada llamada a una herramienta, tras cada resultado, en cada traspaso y en cada aprobación. MS Duplex aplica primero tus reglas, luego lo que ha aprendido, y cada acción se comprueba antes de ejecutarse.

Un plugin, cuando la gente trabaja dentro de un asistente compatible. MCP + hooks, cuando tu empresa construye sus propios agentes y MS Duplex debe sumarse a cada paso.

Sí. Conectados a la misma área de trabajo, comparten el mismo aprendizaje y contexto aprobados. El acceso sigue limitado a las personas y los agentes que autorices.

Un plugin o MCP + hooks, quién comparte lo que aprende MS Duplex y, si quieres, los ejemplos, las decisiones y los documentos con los que preentrenarlo. Después, la ubicación y las reglas de acceso que encajan con el trabajo.

Con un plugin compatible, la gente sigue trabajando dentro del asistente que ya usa. El equipo confirma los buenos resultados y corrige los malos, y los pasos de aprobación dependen del producto y del área de trabajo.

Desde la primera petición, si lo preentrenas. Una corrección confirmada ayuda desde el siguiente caso que coincida, y cada resultado confirmado hace que MS Duplex sea más rápido, más barato y más preciso.

Sí, eso es el preentrenamiento. Los ejemplos revisados, las decisiones anteriores, los documentos y las reglas son un buen punto de partida. Tu equipo coloca cada uno en el área de trabajo adecuada y puede corregirlo o quitarlo más adelante.

Sí. En la consola, los usuarios autorizados pueden revisar, corregir o quitar cualquier cosa que haya aprendido MS Duplex, y ver el historial que hay detrás. Los controles exactos dependen del producto y del despliegue.

No. Tú fijas lo que importa: los objetivos, las reglas y las acciones que necesitan tu visto bueno. MS Duplex se encarga de la rutina dentro de esas reglas y hace que cada agente las cumpla. Comprueba cada llamada al modelo y cada acción de herramienta antes de que se ejecute, y lleva lo que aprobó tu equipo a cada sesión.

Sí. Puedes crear áreas de trabajo más acotadas, y los ajustes de identidad y acceso deciden quién comparte cada una. Todo ese aprendizaje se queda dentro de tu organización.

MS Duplex tiene dos ubicaciones: MatterSpace Cloud, que MatterSpace opera por ti, y tu nube, una cuenta en la nube que es tuya. Tu nube es una solución empresarial. Cada integración está disponible en ambas, según las condiciones del despliegue.

Como solución empresarial. Escríbenos a hello@matterspace.ai con el entorno, dónde deben quedarse los datos y tus requisitos de seguridad, y planificamos el despliegue contigo.

Sí. Hay una vía con soporte entre ubicaciones, y lo que aprendió MS Duplex se traslada sin reentrenamiento. Las responsabilidades de operación y el trabajo de migración se acuerdan para cada despliegue.

Sí. Un despliegue puede usar tu propio acceso al modelo. Los cargos del proveedor del modelo, las credenciales y el perímetro que crean se gestionan por separado y se detallan en el presupuesto y el contrato.

Sí. Tus datos de entrada, tu material de referencia, tu historial y todo lo que MS Duplex aprende de ellos sirven solo a tu organización. Las áreas de trabajo pueden añadir límites más acotados por equipos, productos, regiones o tipos de datos.

Sí. En seis familias de ataques parafraseados, los bloqueó todos, con un 0.7% de falsos rechazos, la cifra más baja de todos los enfoques que los bloquearon todos.*

Tú eliges quién tiene autorización, en cualquier ubicación. MatterSpace gestiona el servicio alojado, y solo tiene acceso a un despliegue en tu nube cuando se lo delegas para un fin acordado.

Tu equipo inicia sesión en la consola con tu propio proveedor de identidad, el tráfico se cifra en tránsito, y lo que aprende MS Duplex y el historial se cifran en reposo. Las opciones para gestionar tus propias claves dependen de la ubicación.

Sí. Los usuarios autorizados pueden quitar cualquier cosa que haya aprendido MS Duplex, restaurar una versión anterior y exportar lo aprendido con su historial. El proceso de borrado y copias de seguridad de tu despliegue se trata en la revisión de seguridad y en el contrato.

Sí. Quita un resultado o una observación, y lo que MS Duplex aprendió de ello se retira a la vez, así que no queda nada que se apoye en ello. El historial muestra el cambio.

Solo lo que permitas. Los datos personales se pueden enmascarar antes de que MS Duplex aprenda de ellos, los envíe a un modelo o los añada al historial, y MS Duplex puede aplicar lo que aprendió sin el texto original.

Solo admite añadidos y cualquier manipulación queda a la vista: cada cambio se añade como una entrada nueva, así que una entrada alterada se notaría. Los usuarios autorizados pueden exportarlo.

Los usuarios autorizados pueden eliminar su influencia, y el aprendizaje no relacionado sigue como estaba. Tras un envenenamiento deliberado, MS Duplex eliminó las 40 muestras envenenadas, y su aprendizaje legítimo siguió intacto.

La retención se fija para cada despliegue. Depende de los datos, la ubicación, tu configuración, el diseño de las copias de seguridad y el contrato aplicable.

MS Duplex está en pilotos privados, y está prevista una certificación independiente. Hasta entonces, el informe de seguridad describe los controles que hay hoy para la ubicación que estás evaluando.

Los proveedores que se usan en tu despliegue, y cualquier condición sobre subencargados del tratamiento, se detallan en tu documentación de cliente. En tu nube, los eliges tú.

11 resultados en coste, precisión, aprendizaje continuo, generalización, planificación, agentes, seguridad, habilidades nuevas y adaptación, incluidos tres benchmarks públicos.

Una caché repite una respuesta anterior cuando una petición parece similar. MS Duplex aprende el patrón que hay detrás de los resultados confirmados, sigue los cambios de regla desde la siguiente petición y detecta los casos parecidos, y aun así puede llamar a tu caché como herramienta. Tras un cambio de regla, MS Duplex mantuvo un 92.5% de precisión, mientras que una caché cayó al 42.6%.*

Consérvala: la recuperación pasa a ser una de las herramientas de MS Duplex. MS Duplex recurre a ella cuando un paso necesita un pasaje, aprende qué fuentes responden a qué preguntas y sabe cuándo ha cambiado un dato.

Pasa a ser una fuente de conocimiento para MS Duplex. MS Duplex lee los datos enlazados cuando una decisión los necesita, sabe cuándo cambian y aprende qué relaciones importan para tu trabajo.

Sí. Los modelos con ajuste fino y los especializados se convierten en herramientas a las que MS Duplex dirige trabajo, y MS Duplex puede pasar ejemplos confirmados a tu equipo de entrenamiento cuando quieras entrenar. Todo lo que aprende MS Duplex sigue funcionando junto a los nuevos pesos.

Pasan a formar parte de cómo actúa MS Duplex. MS Duplex ejecuta cada llamada al modelo y a herramientas según tus reglas, y tus barreras de protección y cortafuegos siguen aplicando las suyas.

Un gateway de IA enruta llamadas e informa del uso. MS Duplex es una inteligencia: aprende de cada resultado confirmado, planifica, simula, decide y actúa en consecuencia, y a través de MCP + hooks se suma a cada paso de los agentes que construye tu empresa, con aprendizaje compartido, continuidad, aprobaciones y un único historial.

Junto a ellas. La observabilidad muestra lo que hicieron tus agentes y las evaluaciones lo ponen a prueba; MS Duplex aprende de lo que confirma tu equipo, así que una corrección se aplica desde la siguiente petición que coincida. Tus trazas y tus baterías de evaluación siguen funcionando como hasta ahora.

MS Reflex es el entorno de ejecución para cualquier máquina que decide y actúa por sí sola, de los dispositivos edge a los robots. Combina tu pila de autonomía con un modelo ACI, en el dispositivo: cada comando pasa por el filtro, y aprende, planifica, simula, decide y actúa dentro de tus reglas, con o sin conexión.

Cinco invariantes, en cada máquina, sin importar qué la controle. Cada comando que actúa pasa por el filtro. Las reglas de seguridad solo se relajan mediante un acto autorizado y registrado. Cada cambio es atribuible y reversible. El aprendizaje se queda en el dispositivo, acotado y sin red. «Desconocido» significa delegar, no adivinar.

Lo que controle hoy tu máquina: un VLA, un MPC, un piloto automático, un programa de PLC o un agente de IA. Se queda exactamente como está. Tu pila de autonomía y un modelo ACI, trabajando como uno solo: eso es MS Reflex. El conjunto es el producto.

Para ambos. Dispositivos edge y robots: dos formas, un solo entorno de ejecución. Los dispositivos edge son los controladores, pasarelas y cámaras inteligentes de plantas, emplazamientos y del terreno. Los robots son los brazos, robots móviles, drones, vehículos y buques en tierra, en el aire, en el mar y bajo el agua, y las naves espaciales en órbita.

Decide en el acto, en el dispositivo: qué hacer, qué habilidad ejecutar y cuándo delegar. Decide si cada comando puede pasar el filtro, y si sabe lo suficiente para actuar.

Sí. Simula cada movimiento en el dispositivo antes de hacerlo, y ve lo que hará un comando antes de que tu máquina lo ejecute. Un movimiento que saldría mal se cambia en el dispositivo, antes de que nada se mueva, y el movimiento que hace sigue pasando por el filtro.

Cada comando que actúa pasa por el filtro. Antes de que nada se mueva, se conmute, se abra o se envíe, MS Reflex lo comprueba con tus reglas, y lo que no las cumple no se ejecuta. Se aplica a cada comando, sea cual sea lo que controla la máquina, y cada decisión en el filtro queda en el historial.

«Desconocido» significa delegar, no adivinar. Cuando se encuentra con algo que no conoce, pasa la decisión a tu stack o a tu operador. Nunca adivina. Cada delegación le enseña: lo que hicieron después tu stack o tu operador pasa a ser algo que sabe, para la próxima vez.

Aprende rápido y al momento, en el dispositivo: basta un solo ejemplo o una sola delegación, y la lección se extiende a los casos parecidos. Es un aprendizaje focalizado, no general, dentro de los límites que fijas, sin red y sin entrenamiento. Tu stack se queda como está, y cada lección queda en el historial.

No. El aprendizaje nunca relaja una regla, y el paso del tiempo tampoco. Relajarla exige un acto autorizado, y ese acto queda registrado. Añadir o endurecer una regla surte efecto desde el siguiente comando, incluso con la máquina en marcha.

Sí. Cada cambio en una regla, en un límite o en lo que ha aprendido muestra quién o qué lo hizo, y cuándo. Una lección se puede revertir por sí sola, o una máquina devolverse a un punto que guardaste, y eso también queda en el historial. Si alguna vez una lección no se puede revertir con exactitud, MS Reflex lo dice, en lugar de fingir.

No. Funciona en los procesadores que ya llevan tus máquinas, en CPU, sin GPU y sin nube. Aprende, planifica, simula, decide y actúa con o sin conexión: funciona sin conexión y aislado de la red, nunca llama a casa, y su licencia también funciona sin conexión.

Sí. Cada máquina ejecuta MS Reflex en el dispositivo y decide por sí misma, con o sin enlace. En una flota, cada máquina conserva sus propias reglas, y las habilidades solo pasan de una a otra cuando tú lo eliges. Una habilidad aprendida en una máquina puede pasar después a otras parecidas.

No. MS Reflex decide qué hace la máquina a continuación y hace que cada comando cumpla tus reglas en el filtro. Se sitúa por encima de tus controladores de seguridad certificados, enclavamientos y paradas de emergencia, nunca en su lugar: siguen siendo independientes de él y tienen la última palabra, y tu equipo mantiene el caso de seguridad de cada máquina, como hoy.

Para ambos, por igual, con los mismos cinco invariantes en cada máquina. Funciona sin conexión, no tiene que salir nada de la máquina, y cada decisión queda en el historial. En defensa, eso se cumple en misiones cinéticas y no cinéticas por igual: cada comando pasa por el filtro, dentro de tus reglas de enfrentamiento.

MS Reflex está en beta. Lo que ha demostrado hasta ahora viene de simulaciones y benchmarks, y lo demostramos contigo, en tus máquinas, en un piloto. Cada piloto se planifica contigo, respaldado por tus propios sistemas de seguridad.

Son productos distintos, ambos basados en ACI, Adaptive Continual Intelligence. MS Duplex combina un modelo ACI con tu modelo de IA, para tu IA y tus agentes. MS Reflex combina uno con tu pila de autonomía, para cualquier máquina que decide y actúa por sí sola.

El producto, el uso previsto, el tamaño del equipo, la ubicación y la capacidad dedicada, si la hay. Los precios llegan por escrito, con los supuestos en que se basan.

MS Duplex y MS Reflex son productos de Vareon, Inc., la empresa detrás de matterspace.ai.

Usa la página de contacto e indica el producto, la ubicación y el tipo de trabajo que tienes en mente. El equipo responderá a la pregunta o te indicará la página con el detalle.