Skip to main content
Pre-release

This release is a pre-release and may not be stable for production use.

CODEC-CORTEX

Codec ideático determinista entre máquinas y humanos. La IA lee y escribe CORTEX; el humano lee HCORTEX, su proyección renderizada mediante esquemas visuales emparejados.

El proyecto no es un formato más: es un contrato de permanencia. Un documento cortex:1.0 válido hoy lo será siempre; el hash canónico depende del significado y no del formato editorial, y toda pérdida de roundtrip está declarada con nombre propio y verificada en cinco implementaciones independientes.

El lenguaje

CORTEX 1.0 es el canon normativo único. Unifica la superficie fundamental (0.1) y el eje de codificación por slots (0.2) en un solo dialecto, con aridad posicional estricta, catálogo de errores cerrado y superficie de pérdida declarada.

Los dialectos 0.1 y 0.2 siguen siendo legibles como alias de lectura; la escritura canónica es siempre cortex:1.0. Los textos 0.x están archivados como evidencia en archive/2026-11/standard-0x/.

Ejemplo

CORTEX es para la IA. HCORTEX es para humanos.

$0:KERNEL
$0:format{cortex:1.0,encoding:UTF-8,language:es}
$0:enum_state{values:"current|planned|done"}
OBJ:task{type:attrs,weight:H,focus:goal,desc:"Tarea",fields:"goal:text|status:%state"}
$1: TAREAS:CORE
OBJ:learn{goal:"Aprender HCORTEX",status:current}
OBJ:docs{goal:"Escribir documentacion",status:planned}
python -m codec_cortex to-hcortex tareas.cortex    # CORTEX -> HCORTEX (humano)
python -m codec_cortex from-hcortex tareas.md      # HCORTEX -> CORTEX (máquina)
python -m codec_cortex loss-report tareas.cortex   # qué se pierde en el viaje

Salida exacta de to-hcortex para el documento anterior:

<!-- HCORTEX v=1.0 t=canonical k=corpus -->

<!-- glossary -->
$0:KERNEL
$0:format{cortex:1.0,encoding:UTF-8,language:es}
$0:enum_state{values:"current|planned|done"}
OBJ:task{type:attrs,weight:H,focus:goal,desc:"Tarea",fields:"goal:text|status:%state"}

<!-- /glossary -->

## §1: TAREAS

<!-- schema:1 capa:CORE -->
### OBJ:learn
| goal | status |
|---|---|
| "Aprender HCORTEX" | current |

### OBJ:docs
| goal | status |
|---|---|
| "Escribir documentacion" | planned |

<!-- /schema:1 -->

HCORTEX 1.0 se produce como función pura del AST: mismo documento, mismos bytes, en cualquiera de las cinco superficies. Un compilador nunca emite fuente inválida: si la salida canónica no parsea, falla con el diagnóstico del parser.

Implementaciones

Cinco superficies con comportamiento equivalente, verificadas por el certificado del proyecto (D3 y D3b: hash y render byte-exactos entre todas).

Lenguaje Directorio Ejecutable Distribución
Python (referencia) codec_cortex/ python -m codec_cortex PyPI codec-cortex 1.0.1
Go codec-cortex-go/ codec-cortex go get + make dist
Node.js codec-cortex-node/ codec-cortex-node local: npm install ./codec-cortex-node
Rust codec-cortex-rs/ cortex cargo build --release (no publicado)
Bash codec-cortex-bash/ codec-cortex sourceable, requiere jq

CLI

Los cinco exponen el mismo núcleo. Python además ofrece migrate y conformance; Go y Bash añaden harness histórico; Rust añade compare e inspect.

Comando Qué hace
parse <file> AST en JSON (dispatcher 0.1/0.2/1.0)
validate <file> válido → exit 0; inválido → diagnóstico
canonicalize <file> bytes canónicos C14N-1.0
hash <file> hash canónico con dominio separado por versión
to-hcortex <file> render HCORTEX determinista
from-hcortex <file> compila HCORTEX y auto-valida la salida
loss-report <file|-> pérdidas declaradas en JSON canónico

loss-report es la novedad del canon 1.0: nombra toda información de la fuente que no sobrevive al viaje CORTEX → HCORTEX → CORTEX, con catálogo cerrado y guardia L499_UNCLASSIFIED_LOSS. Ver docs/LOSS-REPORT.md.

Certificado determinista

bench/certify.py no depende de ningún LLM: re-ejecuta el corpus sellado y produce bench/results/certificate.json.

Indicador Qué verifica Resultado
D1 idempotencia de C14N 141/141
D2 roundtrip HCORTEX byte-exacto 141/141
D2b vectores HCORTEX 1.0 70/70
D3 paridad cross-runtime (hash) 5/5 superficies
D3b paridad de render HCORTEX 101/101
D4 no-pérdida estructural 141/141
D5 sensibilidad a tamper PASS
D6 paridad de loss-report en las 5 superficies 75/75
D7 contrato del dialecto 0.1 (G042 + $0 desnudo) 10/10

Reproducir:

python -m bench.certify          # emite certificate.json + veredicto
sha256sum -c --quiet tests/SHA256SUMS   # sello del corpus (986 entradas)

El certificado se ejecuta en CI (.github/workflows/certificate.yml) y está firmado por un auditor independiente en bench/results/audit.sig (auditoría 1.8, SIGNED-PASS). La firma es verificable por recomputo:

python bench/verify_audit.py     # exit 0 = firma y artefactos consistentes

Documentación

Documento Para qué
docs/QUICKSTART.md primer documento en 5 minutos
docs/standard/CORTEX-SPEC-1.0.md canon normativo (gramática, C14N, HCORTEX, errores, conformidad)
docs/standard/errors-1.0.md catálogo de errores cerrado (código ↔ emisor ↔ superficie)
docs/LOSS-REPORT.md pérdidas declaradas: catálogo, JSON, límites
docs/MIGRATION-1.0.md cambios incompatibles y recetas de migración
docs/parser-api.md API Python y referencia de CLI
bench/agent-package/ paquete instructivo .cortex para que un agente autónomo benchmarkee el codec
docs/authoring/custom-sigils.md crear sigilos y secciones
docs/authoring/hcortex-templates.md plantillas HCORTEX bidireccionales
archive/2026-11/ material histórico congelado bajo sello

Skill autocontenido (para LLMs)

El estándar escrito en CORTEX: cualquier modelo lo lee como .md y responde CORTEX válido. Cubre 1.0, el catálogo de pérdidas y los comandos.

Evidencia exploratoria (pre-BLP-003)

Pruebas informales anteriores al benchmark riguroso (~20 ejecuciones, modelos sin identificar nominalmente, sin repeticiones ni intervalos de confianza) sugirieron comprensión, durabilidad y generación favorables de CORTEX frente a JSON/YAML/XML.

Estado: evidencia exploratoria, no conforme a Art. XVII. Está siendo re-medida con rigor (pre-registro, R=5, IC, auditoría ciega) bajo bench/preregistration.yaml. Las únicas afirmaciones con respaldo reproducible hoy son las del certificado.

Licencia

Apache License 2.0 — ver LICENSE.

Uso comercial, modificación y redistribución permitidos, sin copyleft. La redistribución debe mantener la atribución a Fidel Ernesto Lozada A. como autor original: requisito obligatorio por la sección 4(d) de la licencia y por NOTICE, que debe acompañar a toda distribución.

El proyecto no puede presentarse como obra propia. Los colaboradores se registran en AUTHORS.md.

Metadata

Release files for codec-cortex 1.0.2rc1

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for codec-cortex 1.0.2rc1
File Size Uploaded Provenance Actions
codec_cortex-1.0.2rc1.tar.gz 76.7 kB Without provenance Details for codec_cortex-1.0.2rc1.tar.gz

Built distribution (wheel)

Table of built distributions (wheels) for codec-cortex 1.0.2rc1
File Interpreter ABI Platform Actions
codec_cortex-1.0.2rc1-py3-none-any.whl Python 3 none any Details for codec_cortex-1.0.2rc1-py3-none-any.whl

Total release size: 156.5 kB

Release files / codec_cortex-1.0.2rc1.tar.gz

Download URL codec_cortex-1.0.2rc1.tar.gz
Size 76.7 kB
Tags Source
SHA-256 checksum
How to use checksums
740ca6e585114b109fbecb878910163a98fec47e1de8fe29f31e0e929f19bc42
BLAKE2b-256 checksum
How to use checksums
c88c137a223697b583ed6992bed6a4c6bf270381fcef4b30433611cf99b32e51
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/7.0.0 CPython/3.13.16

Release files / codec_cortex-1.0.2rc1-py3-none-any.whl

Download URL codec_cortex-1.0.2rc1-py3-none-any.whl
Size 79.8 kB
Tags Python 3
SHA-256 checksum
How to use checksums
073a4ceb4476df9f41acbc2d67384bc4978ea365afedae2317bde764ff18f976
BLAKE2b-256 checksum
How to use checksums
15a9fd0e0cfcc71457c28148ec4eac562277b9dae99593daeaf0ed5cdfdeebe2
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/7.0.0 CPython/3.13.16

Security for codec-cortex 1.0.2rc1

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.

To learn more about protecting yourself from malicious actors, visit our package security documentation.

Anthropic, PBC Visionary sponsor Bloomberg Visionary sponsor Hudson River Trading Visionary sponsor Meta Visionary sponsor NVIDIA Visionary sponsor Microsoft Sustainability sponsor Depot Continuous Integration AWS Cloud computing and Security Sponsor Datadog Monitoring Fastly CDN Google Download Analytics Sentry Error logging StatusPage Status page