s0nar labs recolecta datos de fuentes públicas, los normaliza en un único esquema y los entrega como feeds estructurados. Los agentes leen hechos actuales en tiempo de ejecución, citan de dónde salió cada valor y saben qué tan actual es.
La cobertura incluye las áreas siguientes. Los intervalos varían según la fuente, desde 30 segundos hasta actualizaciones diarias. Cuéntenos qué feeds, historial e intervalos de actualización necesita su proyecto.
Precios spot, futuros perpetuos, tasas de financiamiento entre exchanges, rendimientos de préstamos y staking.
Precios de mercado, resoluciones y mayores movimientos.
Gas de red, transferencias de grandes billeteras, TVL de protocolos y flujos de ETF.
Formularios 4 de la SEC, la curva de rendimientos del Tesoro de EE. UU. y el calendario de datos macro de EE. UU.
Titulares del sector, la portada de Hacker News, activos en tendencia, rankings de la App Store y un índice de sentimiento de mercado.
Alertas meteorológicas de EE. UU. y resultados de la NBA en vivo.
{
"source_id": "rates_us_treasury_curve",
"category": "macro rates",
"sym": "UST_10Y",
"ts_data": "2026-10-20T00:00:00+00:00",
"ts_extraction": "2026-10-21T13:02:11.418000+00:00",
"raw_payload": {
"tenor": "UST_10Y",
"rate_pct": 4.07,
"date": "2026-10-20"
},
"status": "ok"
}Registro ilustrativo; no es una respuesta en vivo. Aquí ts_data representa la fecha de observación, no la hora exacta de publicación.
Los registros identifican la fuente y la hora de recolección. La fecha u hora de origen o del evento se incluye cuando está disponible, con su significado y precisión definidos para cada feed. Los registros de mercado suman un hash de integridad SHA-256, y los mensajes para consumidores on-chain se firman con Ed25519.
Una estructura compartida permite leer distintas fuentes de forma consistente. Los identificadores de fuente, las marcas de tiempo y los campos de estado permiten construir una integración y procesar las actualizaciones a medida que llegan.
No interpolamos, combinamos ni inventamos valores. Cuando una fuente falla, su feed se marca como desactualizado con la hora del último valor válido, y el agente sabe qué tan actual es el dato.
Una API REST con endpoints de último valor, historial y lotes. Los lotes respetan un límite de bytes pensado para la ventana de contexto de los modelos e incluyen la hora de referencia y un indicador de desactualización. La publicación firmada atiende a consumidores on-chain.
El conocimiento aprendido por un modelo no sigue automáticamente los cambios del mundo. Los mercados se mueven, las empresas publican resultados y surgen nuevos eventos. Sin datos actuales, un modelo puede dar una respuesta desactualizada o incorrecta que aun así suena convincente.
Los sistemas de IA ahora actúan: los agentes abren tickets, redactan informes, monitorean mercados y envían alertas según lo que leen. Un valor desactualizado puede generar una alerta innecesaria o hacer que se pase por alto un evento. Los datos actuales y las marcas de tiempo explícitas ayudan a decidir cuándo corresponde una acción automática.
La respuesta práctica es separar lo que el modelo sabe de lo que lee. El modelo aporta el razonamiento y el lenguaje. Los hechos actuales llegan en tiempo de ejecución con identificadores de fuente e información temporal.
Grandes corpus de texto, código y medios enseñan a un modelo el lenguaje y el conocimiento general. Conjuntos más chicos y curados lo adaptan a un dominio o a una tarea. Incorporar conocimiento nuevo a los parámetros del modelo requiere entrenamiento adicional; recuperar hechos actuales en tiempo de ejecución es un proceso distinto.
Antes de responder, el sistema busca en un repositorio de documentos o base de conocimiento y le pasa al modelo los fragmentos relevantes. Las respuestas pueden citar sus fuentes, y actualizar el repositorio actualiza las respuestas sin reentrenar.
Los agentes llaman a APIs y herramientas durante una tarea: un precio, una presentación empresarial, un pronóstico, un resultado. Necesitan datos actuales, estructurados y lo bastante compactos para entrar en la ventana de contexto del modelo.
Los conjuntos de prueba miden si un modelo o un agente responde correctamente. En preguntas sobre el presente, la respuesta correcta cambia con el tiempo, así que los datos de prueba tienen que registrar cuándo era cierto cada valor.
Nuestros feeds de datos sirven a la recuperación y a los agentes: entregan valores actuales en tiempo de ejecución, con las marcas de tiempo que necesita una evaluación. Nuestro trabajo en inteligencia documental sirve a la recuperación sobre los documentos propios de cada organización. Estos servicios permiten conectar los modelos con información que cambia después del entrenamiento.
Cada feed tiene un intervalo de actualización publicado, desde 30 segundos para precios de mercado hasta una vez por día para la curva de rendimientos del Tesoro de EE. UU. Cada lote indica cuándo se armó e incluye un indicador que se activa cuando el feed se atrasa respecto de su intervalo, así el agente puede decidir si un valor es lo bastante actual para usarlo.
Los registros identifican la fuente y la hora de recolección, con la fecha u hora de origen o del evento cuando está disponible. El significado y la precisión dependen de la fuente; la fecha de una observación diaria no es una hora exacta de publicación. Los registros de mercado suman un hash de integridad SHA-256, y los mensajes publicados para consumidores on-chain se firman con Ed25519.
Un feed útil empieza con una especificación clara: las fuentes, los campos, el intervalo de actualización, el historial y el volumen que necesita la aplicación. Defina cómo tratar los valores faltantes, duplicados y actualizaciones demoradas, y cómo evaluar una entrega correcta.
Trabajamos a partir de esa especificación. Definimos el esquema, el método de entrega y los criterios de aceptación. Acordamos la disponibilidad de muestras y los pasos de validación antes de la entrega en producción para que su equipo pueda planificar la integración.
Un feed de datos es un flujo de registros que se actualiza de forma continua desde una o más fuentes y se entrega con un esquema fijo. Para un sistema de IA, el feed aporta hechos externos en un formato que un agente puede leer mediante una API, incluidas actualizaciones posteriores a los datos de entrenamiento del modelo.
Cada feed tiene su propio intervalo de actualización, de 30 segundos a 24 horas según la frecuencia con que publica la fuente. Cada lote indica cuándo se armó y si el feed está atrasado respecto de su intervalo.
A través de una API REST con endpoints para el último valor, el historial reciente y lotes ajustados a un límite de bytes. El acceso se controla con claves de API. Para consumidores on-chain también publicamos mensajes firmados.
Sí. Envíenos la fuente, los campos, el intervalo de actualización y el historial que necesita. Evaluamos la viabilidad y proponemos un esquema y un plan de entrega para su aplicación.
¿Necesita una fuente que no cubrimos? Construimos feeds a partir de una especificación escrita: fuentes, campos, intervalo de actualización y criterios de aceptación.
Solicitar un feed de muestra