Conectar un modelo permite obtener una respuesta.
No permite saber si esa respuesta se sostiene.
Estado actual
Output Bench quedó diseñado como el primer proyecto de la línea provisional muga.dev / sistemas verificables.
Todavía es un plan técnico y pedagógico. No existe implementación.
Decisión de arquitectura
La primera versión será una herramienta de línea de comandos.
No será un chatbot, un dashboard ni un agente autónomo.
El flujo parte de un dataset versionado, ejecuta casos contra un proveedor, valida la estructura y produce reportes JSON y Markdown.
Criterio operativo
Cada evaluación separa cinco responsabilidades:
- lo que decide el sistema
- lo que propone el modelo
- lo que puede comprobarse automáticamente
- lo que requiere evaluación humana
- lo que debe rechazarse
Hallazgo de implementación
Una salida variable también puede ser trazable.
Reproducir no significa obtener siempre el mismo texto. Significa poder reconstruir dataset, configuración, modelo, respuesta y reglas aplicadas.
Resultado del trabajo diario
El alcance 0.1.0 quedó limitado a diez casos, un proveedor simulado, un proveedor real, validaciones deterministas y reportes comparables.
Los tests no harán llamadas reales a modelos.
Cierre del proceso
La IA puede ampliar una respuesta.
La confianza aparece cuando el sistema conserva cómo llegó a aceptarla.