Nuzic: una IA educativa que enseña música con matemáticas

Música a través de los números

Nuzic es un proyecto educativo nacido en Barcelona que propone entender, crear y sentir la música a través de las matemáticas. Su sistema propio describe el ritmo y el sonido con números, y tiene una app online gratuita y de código abierto, un programa para las aulas (PlayNuzic), un disco compuesto íntegramente con el sistema y un documental, ¿Cómo suenan los números?

Formo parte del equipo técnico desde 2022: la web, la base de datos de la app musical y todo el DevOps. En 2026 la pregunta cambió: si ningún modelo de IA conoce el sistema Nuzic, ¿podemos enseñárselo?

Un LoRA que habla Nuzic

Ningún modelo del mercado sabe explicar el sistema matemático musical de Nuzic. Le faltan los conceptos, el vocabulario y la manera de razonar. Por eso estamos haciendo fine-tuning: un LoRA entrenado en local con el conocimiento de Nuzic, para que la IA explique conceptos, resuelva ejercicios y responda como lo haría un profesor del proyecto.

• Por qué LoRA. No tiene sentido reentrenar un modelo entero. Un LoRA es un adaptador ligero que se entrena en hardware propio, se versiona como cualquier otro fichero y se puede combinar con RAG para citar la teoría original.
• El flujo completo. Dataset curado, fine-tuning con Unsloth o Axolotl, fusión, cuantización, despliegue en el gateway de modelos del laboratorio y evaluación con preguntas reales de profesores.
• Educativo de verdad. El modelo distingue el sistema Nuzic de la teoría musical clásica, y adapta el tono a un alumno, a un docente o a alguien que lo descubre por primera vez.

La fábrica de datasets

Un buen fine-tuning empieza por los datos, no por la GPU.

• Ingesta de los PDF de teoría y de los contenidos de las webs, convertidos a JSONL.
• Generación sintética de pares con razonamiento explícito, en cinco tipos: cálculo y razonamiento conceptual, contraste con la teoría clásica, respuestas directas, conversaciones multiturno y respuestas con citas.
• Tres tonos para el mismo contenido (técnico, escolar y divulgativo), con un identificador estable por pregunta.
• Control de calidad automático de duplicados, longitud y coherencia del razonamiento, con métricas de coste por bloque.
• Optimización de coste: pasar de adjuntar el PDF en cada llamada a usar la caché de prompts lo hizo unas nueve veces más barato.

Antes de entrenar, una persona revisa cada par en una web de curación con roles (administración, creación y validación), estados editoriales, auditoría y exportación lista para Unsloth y Axolotl.

Webs que funcionan con IA

La IA no se queda en el laboratorio. Partes de las webs de Nuzic ya se construyen y funcionan con ella.

• Migración de nuzic.org a Next.js hecha por agentes Pi: un orquestador y subagentes que trabajan cada uno en sus propios ficheros, con revisión visual en bucle frente a producción (±2 píxeles).
• Contenidos educativos preparados con agentes y revisados por el equipo antes de publicarse.
• Un asistente privado con el contexto de Nuzic para el equipo, que consulta la teoría con citas y no envía datos a terceros.

Una empresa virtual de agentes

En Discord, Hermes Nuzic funciona como una empresa virtual con jefe de producto, arquitecto, backend, frontend, QA técnico y visual, DevOps y guardián de versiones.

• Solo trabaja en ramas permitidas.
• Pasa pruebas y una revisión automática de bugs antes de cada merge request.
• Solo fusiona con una aprobación humana verificada por la API de GitLab.
• Consulta la teoría en un vault de Obsidian con citas.

Lo que aprendí

• Un modelo propio empieza por datos bien curados. La GPU es lo último.
• Con un LoRA, una organización educativa pequeña puede tener su propia IA especializada, sin depender de nadie y con sus datos en casa.
• Los agentes de desarrollo funcionan cuando tienen permisos acotados y una regla clara de no tocar producción.