Symbolic Organic Memory Architecture — um sistema que aprende por reforço e coocorrência, responde em fração de milissegundo e roda inteiramente em máquina própria. Sem GPU, sem rede neural, sem nuvem.
SOMA — Symbolic Organic Memory Architecture — representa conhecimento como estrutura simbólica e aprende por reforço e coocorrência, não por gradiente sobre bilhões de parâmetros. Não há rede neural, não há GPU, não há corpus raspado da internet.
O resultado é um sistema com propriedades raras: latência média de 0,55 milissegundo, consumo de memória de aplicativo comum e comportamento reprodutível — a mesma pergunta, sobre a mesma base, produz a mesma resposta e o mesmo caminho.
O que o SOMA não é: não é um modelo generativo de propósito geral e não substitui um LLM em tarefas abertas. É um motor de raciocínio sobre conhecimento estruturado e curado, validado por benchmark formal em sete hipóteses experimentais.
Roda inteiramente em máquina própria, sem chamada de rede.
A arquitetura é organizada em camadas com responsabilidades separadas, do reconhecimento do símbolo isolado à composição de contexto e à produção do traço de raciocínio. O desenho interno das camadas é matéria dos artigos publicados — e do que ainda não foi publicado.
Cada consulta produz um registro completo do caminho entre a pergunta e a resposta — quais nós foram visitados, quais relações foram consideradas e por que uma venceu as outras. Não há etapa em que o sistema "decide" sem que a decisão possa ser reconstruída depois.
É essa propriedade que muda o que é possível fazer em domínios regulados — e ela não é um recurso adicionado por cima: é consequência direta de como o sistema representa conhecimento.
Sete hipóteses experimentais confirmadas em avaliação formal, com coerência semântica 1,8 vez superior à linha de base estatística.
Pipeline coberto por testes automatizados, do motor à API — disciplina de software de produção aplicada a software de pesquisa.
Dois artigos descrevendo a arquitetura e os resultados, com DOI registrado e acesso aberto.
Expansão da base na casa dos milhões de fatos, com gate de qualidade obrigatório antes de qualquer integração. Curadoria, não raspagem.
Métricas de produção expostas e interface aberta para consultar o sistema e inspecionar o caminho de cada resposta.
Aplicação a domínios onde auditabilidade é requisito, e exploração de hardware dedicado.