Medido el 2026-10-16 · Synsema 0.6.44 · mismos datos y mismo modelo de los dos lados

¿Por qué Synsema?

Cinco problemas que hoy resuelven equipos con IA y datos. Cada uno construido dos veces, con los mismos datos y el mismo modelo: una a la manera habitual en Python, TypeScript o SQL, otra en Synsema. Y medido.

Caso 1

Servidores MCP que filtran sin querer

5 vs 0

campos confidenciales que recibe el modelo después de una herramienta descuidada

Una herramienta descuidada filtra todos los campos confidenciales en Python. Synsema la rechaza en el runtime.

Ver la evidencia

Campos confidenciales que la herramienta descuidada le entrega al modeloMismas cuatro herramientas, mismo catálogo: costo, proveedor, margen mínimo, descuento máximo y nota interna.

Caso 2

Ejecutar el código que escribió un LLM

58×

más rápido el sandbox: 34 ms en Synsema, 1987 ms en Docker

Un LLM escribe el análisis y Synsema lo ejecuta aislado en 34 ms. Docker necesita 2 s.

Ver la evidencia

Tiempo para ejecutar el código generado de forma segura (mediana de 10 preguntas)Los dos sandboxes: sin red, datos en solo lectura, tiempo límite. Python y DuckDB sin aislamiento tardan 29 ms, pero pueden leer tus claves.

Caso 3

Qué puede hacer una dependencia

14 vs 0

paquetes de terceros en el mismo ETL de 29 líneas

El mismo ETL: 14 paquetes y 169 MB de código ajeno en Python, cero en Synsema.

Ver la evidencia

Paquetes de terceros instalados para el mismo ETLCada cuadrado es un paquete, directo o transitivo. 169 MB, 2156 archivos .py y 99 binarios nativos del lado de Python.

Caso 4

Qué facturas se pueden pagar sin una persona

0 vs 7

de 7 facturas riesgosas atrapadas: la confianza del LLM contra Jev

El LLM leyó bien las 60 facturas, y su propia confianza habría pagado los duplicados. Jev atrapó 7 de 7.

Ver la evidencia

Facturas que necesitaban una persona, atrapadas por cada regla de aprobación7 de 60 necesitaban revisión: 2 duplicados y 5 totales corregidos a mano, todos bien leídos.

Caso 5

Datos de entrenamiento que no se pueden esconder

1 de 2

archivos de datos que registró el manifiesto habitual. Synsema registró 2 de 2.

Alguien sumó datos al entrenamiento sin documentarlos. El manifiesto de Python no lo vio. El recibo firmado de Synsema, sí.

Ver la evidencia

Archivos de datos registrados, de los 2 que el entrenamiento usó de verdadEl mismo entrenamiento, la misma lectura no documentada de extra_data.csv (80 filas).

Cómo medimos

Cada caso se construyó dos veces, por la misma persona y el mismo día, con los mismos datos de entrada y, cuando hay un LLM, el mismo modelo (deepseek-flash, temperatura 0).
Los números salen de los scripts del repositorio, corridos en una notebook con Windows 11, 12 hilos y 7,4 GB de RAM.
Donde Synsema pierde o empata, la página lo dice. Cada caso lista sus límites.