APIs • SDKs • Integração • Code Examples. Para Developers.
ΩMEGA transforma como você constrói com IA. Local-first, controlado por você, sem vendor lock-in.
Rode inference localmente. Economize 40-60% em custos de cloud. Pay /mês (Consumer) + seus recursos.
Dados nunca saem do seu PC (Lei 004). Seu modelo, sua versão, seu controle. Zero dependência de APIs externas.
Local inference = responses instantâneos. Sem network overhead. Determinístico e previsível.
REST API + Python SDK + Node.js SDK. Integra em 5 minutos. Documentação completa com exemplos.
Lei 009: SHA-256 cada operação. Você verifica integridade localmente. Nenhuma "caixa preta" aqui.
Código aberto (GitHub). Lei enforcement em opcodes. Entenda como funciona por dentro.
Padrão. Qualquer linguagem. Qualquer plataforma.
Exemplo: POST /api/inferencecurl -X POST http://localhost:9191/api/inference \
-H "Content-Type: application/json" \
-d '{
"prompt": "What is ΩMEGA?",
"model": "llama-3.1-70b",
"temperature": 0.7,
"max_tokens": 256
}'
Integração mais natural. Recomendado para data science / ML.
Instalar:pip install omega-sdk
from omega import OmegaClient
client = OmegaClient(url="http://localhost:9191")
# Inference simples
response = client.inference(
prompt="Explain Compliance Policy 004",
model="llama-3.1-70b",
temperature=0.7
)
print(response.text)
# Streaming
for chunk in client.inference_stream(prompt="..."):
print(chunk, end='', flush=True)
Para aplicações web. Integra com Next.js, React, etc.
Instalar:npm install @omega/sdk
import { OmegaClient } from '@omega/sdk';
const client = new OmegaClient({
baseURL: 'http://localhost:9191'
});
// Inference
const response = await client.inference({
prompt: 'Hello ΩMEGA',
model: 'llama-3.1-70b',
temperature: 0.7
});
console.log(response.text);
Deploy em produção. Multi-node orchestration.
Docker Compose:services:
omega:
image: omega:latest
ports:
- "9191:9191"
environment:
- MODEL=llama-3.1-70b
- GPU=true
- LEI_COMPLIANCE=verified
volumes:
- ./data:/omega/data
Adicione ΩMEGA à sua API em minutos.
Componentes React + servidor backend.
ΩMEGA como LLM provider.
Notebooks com ΩMEGA local.
Salve resultados localmente.
Teste com ΩMEGA no pipeline.
Chatbot rodando no seu PC. Sem dependências cloud.
from omega import OmegaClient
import readline
client = OmegaClient()
conversation = []
while True:
user_input = input("You: ")
conversation.append({"role": "user", "content": user_input})
response = client.inference(
messages=conversation,
model="llama-3.1-70b"
)
assistant_message = response.text
conversation.append({"role": "assistant", "content": assistant_message})
print(f"ΩMEGA: {assistant_message}\n")
print(f"[Lei 009 Audit: {response.audit_hash}]\n")
Processa 10K docs localmente. Sem enviar pra cloud.
from omega import OmegaClient
import json
client = OmegaClient()
documents = json.load(open('research_data.json'))
results = []
for doc in documents:
analysis = client.inference(
prompt=f"Analyze: {doc['text']}",
model="llama-3.1-70b"
)
results.append({
"doc_id": doc['id'],
"analysis": analysis.text,
"audit_hash": analysis.audit_hash # Lei 009
})
json.dump(results, open('results.json', 'w'))
Aplica web que fala com ΩMEGA backend.
// pages/api/chat.ts
import { OmegaClient } from '@omega/sdk';
const client = new OmegaClient();
export default async function handler(req, res) {
const { prompt } = req.body;
const response = await client.inference({
prompt,
model: 'llama-3.1-70b'
});
// Lei 009: Audit trail
console.log(`[Audit] ${response.auditHash}`);
res.json({
text: response.text,
auditHash: response.auditHash
});
}
pip install omega-sdk
omega start --model llama-3.1-70b
Importe OmegaClient e comece.
Acesse http://localhost:9191/audit-trail para Lei 009.
30 dias grátis. APIs + SDKs prontos. Politica Compliance garantida.
Comece agora — código local, nenhuma dependência cloud.