// El proyecto

Rukh, en una página.

Rukh es un modelo de lenguaje de ajedrez entrenado desde cero, alineado con aprendizaje por refuerzo de recompensas verificables, desplegado en WebGPU y convertido en un agente con herramientas. Este sitio es el curso que documenta cada paso.

Demo jugable Hugging Face · chorcat GitHub · borja-glez

01 / Qué es// un artefacto, el ciclo entero

Un modelo, todas las etapas del ciclo de vida.

Un decoder propio (decenas de millones de parámetros) entrenado con partidas de Lichess, un encoder para entender posiciones, fine-tuning con instrucciones de Elo, reward model, DPO y GRPO con Stockfish como juez, exportación a ONNX para jugar en el navegador y, en la segunda fase, RAG y agentes que comentan partidas.

M1Datos y tokenizaciónRecorte de Lichess, vocabulario UCI, BPE, dataloaders
M2DecoderMoveDecoder tipo GPT entrenado desde cero, ONNX, demo en WebGPU
M3EncoderMasked move modeling, cabezas de valor y de error
M4Fine-tuningSFT de maestros, condicionamiento por Elo, LoRA, QLoRA frente a Qwen3
M5AlineamientoReward model, DPO, GRPO con Stockfish como juez
M6EvaluaciónTabla única de resultados, model cards, demo final
A1-A6Entrenador agénticoRAG sobre posiciones y libros, agente LangGraph, servidor MCP

02 / Tres repositorios// arquitectura

Tres repositorios, sin paquetes compartidos.

Todo lo que comparten las dos webs (tokens CSS, el tokenizador en TypeScript, JSON precalculado) se copia con un script y lo vigila un test de hash. Los pesos y los datasets viven en Hugging Face, nunca en git.

borja-glez/rukh
Modelo, datos, entrenamiento, evaluación y agentes. Python 3.12, PyTorch, MLflow.
borja-glez/rukh-lab
Este sitio: el curso, en español. Astro estático con islas Preact.
borja-glez/rukh-web
La demo: juega contra el modelo en el navegador con onnxruntime-web.

03 / Resultados// rukh eval nightly

Medido siempre igual.

Una tabla para todas las etapas, medida siempre igual. Se llena a medida que avanza el curso; cada fila enlaza a su model card.

Etapa	Parámetros	Legalidad sin máscara (%)	Top-1 (%)	Top-3 (%)	Puzles 1000-1500 (%)	Puzles 1500-2000 (%)	Puzles 2000+ (%)	Elo vs Stockfish (IC 95 %)	Δ medio (cp)	Hugging Face
karvonen-8l	25,7 M	99,6	50,7	—	47,5	26,0	10,8	1328 (1250 … 1391)	—	—
lora-d4	115,1 M	99,8	55,1	83,0	57,4	37,5	16,9	1535 (1481 … 1582)	—	—
lora-e4	115,1 M	99,8	54,7	83,3	58,1	38,2	17,2	1538 (1488 … 1604)	—	—
medium-elo	115,1 M	99,7	54,9	82,5	59,8	37,1	16,6	1592 (1532 … 1650)	—	—
medium-masters	115,1 M	99,7	54,9	82,3	58,1	38,7	17,1	1563 (1502 … 1630)	—	—
medium-v4-dpo-greedy	115,1 M	99,8	53,4	80,5	58,3	39,9	18,1	1586 (1530 … 1651)	—	—
medium-v4-dpo-onpolicy-greedy	115,1 M	99,2	52,3	79,9	59,0	40,3	17,8	1632 (1567 … 1706)	—	—
medium-v4-greedy	115,1 M	99,8	54,4	82,2	57,9	38,0	16,6	1535 (1476 … 1599)	—	—
medium-v4-grpo-greedy	115,1 M	99,3	53,3	80,3	58,9	39,1	17,8	1577 (1526 … 1632)	—	—
qwen3-pgn-qlora	596,0 M	62,5	12,5	—	1,8	0,7	0,4	320	—	—
small-greedy	39,0 M	99,4	51,1	79,4	34,7	21,1	10,3	1355 (1297 … 1420)	—	—
small-v3-greedy	39,0 M	99,1	52,4	80,5	41,0	27,0	12,2	1425 (1367 … 1484)	—	—
tiny-greedy	5,3 M	94,5	40,3	67,1	14,1	8,6	3,9	778 (479 … 904)	—	—

Encoder: un detector de errores y una cabeza de valor no se miden como un jugador. El umbral se elige en una mitad «tune» y el F1 se publica sobre la mitad «score»; la columna del umbral fijo 0,5 está ahí porque con una clase positiva del 3,7 % ese valor de fábrica no significa nada.
Etapa	Parámetros	F1 de error, umbral ajustado (%)	Umbral (elegido en «tune»)	F1 de la heurística (%)	Margen (puntos de F1)	ROC AUC	Precisión media	Tasa base de error (%)	Valor: Spearman	Valor: Pearson	Resultado (%)
encoder	15,1 M	18,0	0,0663	8,9	+9,2	0,740	0,112	3,7	0,520	0,648	50,0
encoder-rank	15,1 M	17,7	0,106	8,9	+8,9	0,750	0,115	3,7	0,640	0,662	49,6
encoder-squares	14,3 M	14,6	0,0446	8,9	+5,7	0,696	0,091	3,7	0,422	0,688	50,2
encoder-v4	39,0 M	18,6	0,0962	8,9	+9,7	0,761	0,117	3,7	0,666	0,726	50,8

Fuente: rukh eval nightly · actualizado 21/9/2026

04 / Enlaces// artefactos públicos