BETA · BY DTWINБЕТА · ОТ DTWIN

Weave your domain
into a project that
thinks with you.
Сплeтитe свой домeн
в проект, который
мыслит вместе с вами.

A sovereign workspace for long-running domain projects. One expert. Many AI agents. Years of memory. Your hardware, your data, your model — by default. Суверенная рабочая среда для долгих доменных проектов. Один эксперт. Много ИИ-агентов. Годы памяти. Ваше железо, ваши данные, ваша модель — по умолчанию.

CoordinatorКоординатор
V4 Pro local / Opus · V4 Pro hosted
ContextКонтекст
500–600K tokens local / 1M public LLM
MemoryПамять
YearsГоды / persistent
DeploymentРазвёртывание
Self-hostedSelf-hosted
What it isЧто это

A project that stays alive between sessions.Проект, который живёт между сессиями.

Today, you talk to an LLM in fresh sessions. You copy-paste context. You re-explain your project each morning. You lose threads between days. The model never remembers last week's decision. Documents you uploaded yesterday belong to someone else's cloud. Сегодня вы говорите с ЛЛМ в свежих сессиях. Копируете контекст. Каждое утро объясняете проект заново. Теряете нити между днями. Модель не помнит решение прошлой недели. Документы, загруженные вчера, принадлежат чужому облаку.

dt-loom keeps the project alive. The coordinator reads project memory before every reply. Workers handle bulk text and code operations. The nightly review catches missed angles and contradictions. Old conversations slide into a searchable archive on their own. Everything lives on your machine. dt-loom держит проект живым. Координатор читает память проекта перед каждым ответом. Воркеры берут на себя массивы текста и кодовые операции. Ночной обзор ловит упущения и противоречия. Старые разговоры сами уходят в архив с поиском. Всё живёт на вашей машине.

Who it's forДля кого

For experts whose work outlives a session.Для экспертов, чья работа дольше одной сессии.

01 /

Office project teamsОфисные проекты

Strategy, product launches, internal initiatives. Meetings, documents, decisions, handovers between team members.Стратегия, запуски продуктов, внутренние инициативы. Совещания, документы, решения, передачи между коллегами.

02 /

Lawyers & consultantsЮристы и консультанты

Cases, contracts, document versions, client confidentiality that cannot leave the office.Дела, контракты, версии документов, конфиденциальность клиентов, которая не может покинуть кабинет.

03 /

R&D engineersR&D-инженеры

Project memory plus delegation of mechanical work — shell, file operations, code generation — to specialized workers.Проектная память плюс делегирование механики — shell, файлы, генерация кода — специализированным воркерам.

04 /

Tech-conscious sovereignsТех-сознательные суверены

People who refuse to rent their AI from companies that own the resulting conversations.Те, кто отказывается арендовать ИИ у компаний, которым принадлежат итоговые разговоры.

05 /

Academics & researchersУчёные и исследователи

Long studies, articles, grant applications, version control of theses and methods.Длинные исследования, статьи, заявки на гранты, версионирование диссертаций и методологий.

MigrationМиграция

Bring your past work with you.Принесите свой прошлый труд с собой.

Years of work sit in someone else's cloud — chat histories, project conversations, attached documents. dt-loom imports them in one click. A worker parses the export, splits sessions, indexes documents — the project lands ready to think about, not as a raw dump. Годы работы лежат в чужом облаке — истории переписок, проектные диалоги, прикреплённые документы. dt-loom загружает их в один клик. Воркер разбирает экспорт, делит на сессии, индексирует документы — проект приходит готовым к работе, а не сырой выгрузкой.

After import the data lives entirely on your machine. The source cloud account stays untouched; you decide later whether to keep it or delete it. После импорта данные живут полностью на вашей машине. Исходный облачный аккаунт остаётся нетронутым; держать его или удалить — ваше решение позже.

Supported sourcesИсточники
claude.ai JSON export · liveJSON-выгрузка · работает
ChatGPT data export · planneddata export · в планах
Gemini Google Takeout · plannedGoogle Takeout · в планах
Perplexity history export · plannedэкспорт истории · в планах
Why differentВ чём отличие

A model is a service. A project is an asset.Модель — сервис. Проект — актив.

todayсегодня

Fresh session, every morning.Свежая сессия — каждое утро.

Copy-paste context. Re-explain the project. Reload the same documents. The model forgets last week's decision. The conversation belongs to someone else's cloud.Копируете контекст. Объясняете проект заново. Перезагружаете те же документы. Модель забывает решение прошлой недели. Разговор — в чужом облаке.

dt-loomdt-loom

The project remembers itself.Проект помнит сам себя.

Coordinator reads project memory before every reply. Workers offload bulk text and code. Nightly review catches contradictions. Old conversations archive themselves and search themselves. Your machine.Координатор читает память перед каждым ответом. Воркеры — на массивы текста и код. Ночной обзор ловит противоречия. Старые разговоры сами уходят в поиск-архив. На вашей машине.

Data & deploymentДанные и развёртывание

Self-hosted by default. Hosted by exception.Self-hosted по умолчанию. Хостинг — по исключению.

The entire dt-loom platform — every project document, every conversation, the full archive, operator profile, dream reviews, skills library — lives on your own server. No cloud, no shared storage, no third-party account that owns your work. Вся платформа dt-loom — каждый проектный документ, каждый разговор, весь архив, профиль оператора, ночные обзоры, библиотека навыков — живёт на вашем сервере. Без облака, без общего хранилища, без чужого аккаунта, владеющего вашей работой.

You may choose to use public LLMs for inference if that fits your security model — but documents, memory, archive, and workflow always stay local. The model is a service you can swap; the project is an asset you keep. Если ваша модель безопасности это позволяет, можете использовать публичные LLM для инференса — но документы, память, архив и workflow всегда остаются локальными. Модель — это сервис, который можно сменить; проект — актив, который остаётся у вас.

stays local — alwaysлокально — всегда
project documents .docx .pdf .xlsx .md
conversation history live + archive
project memory timeline · decisions
operator profile markdown
skills library markdown
dream reviews nightly
may go remote — your choiceможет уходить наружу — ваш выбор
coordinator inference tier 2 · 3
worker inference tier 3
Core capabilitiesКлючевые возможности

Twelve tools that make a project thinkable.Двенадцать инструментов, делающих проект мыслимым.

Coordinator-agnosticКоординатор-агностик

Local V4 Pro on M3 Ultra or any public LLM via the Anthropic-compatible API. Swap models with one config line.Локальный V4 Pro на M3 Ultra или любая публичная LLM через Anthropic-совместимый API. Смена модели одной строкой конфига.

Multi-model orchestrationМногомодельная оркестрация

Coordinator decides; workers execute. Local worker (V4 Flash) for bulk text. Dtwin Code (Qwen3.5-9B) for shell, files, multi-step automation. The right tool for each task.Координатор решает; воркеры выполняют. Локальный воркер (V4 Flash) для массивов текста. Dtwin Code (Qwen3.5-9B) для shell, файлов, мультишаговой автоматизации. Правильный инструмент для каждой задачи.

Project memoryПроектная память

Persistent across sessions: facts, decisions, timeline, document summaries. Coordinator reads memory before each reply. Operator commands («запомни», «забудь», «откати») control what stays.Память между сессиями: факты, решения, хронология, выжимки документов. Координатор читает память перед каждым ответом. Команды оператора («запомни», «забудь», «откати») управляют тем, что остаётся.

Skills libraryБиблиотека навыков

Modular procedures activated by one operator message: document inventory, sub-project init, summarization, custom flows. Each skill is a markdown file the operator can read and edit.Модульные процедуры по одной команде: инвентаризация документов, sub-проект, суммаризация, custom flows. Каждый навык — markdown-файл, который оператор может прочесть и отредактировать.

Custom toolsСвои инструменты

Register your own executable tools — internal APIs, scripts, MCP servers. Workers call them like built-ins. The project becomes a host for your domain logic, not a closed product.Регистрируйте свои исполняемые инструменты — внутренние API, скрипты, MCP-серверы. Воркеры вызывают их как встроенные. Проект становится средой для вашей доменной логики, не закрытым продуктом.

Dream cycleНочной обзор

Each night the coordinator, free from active sessions, walks through the day's dialogues and documents: missing pieces, contradictions, threads to revisit. Morning starts with a pinned digest.Каждую ночь свободный от сессий координатор проходит по диалогам и документам дня: что упущено, противоречия, ветки, к которым стоит вернуться. Утро начинается с pinned-сводки.

Rolling archiveСкользящий архив

48 hours of inactivity → conversation moves to archive. Write into an archived chat → it returns to live. History grows without clutter.48 часов тишины → разговор уходит в архив. Написал в архивный чат — он снова в живом списке. История растёт без хаоса.

Lossless compressionКомпрессия без потерь

A worker compresses long history on the fly. If the coordinator hits a gap, it queries the worker — original is still there, the missing piece comes back. Context is never lost.Воркер на лету сжимает длинную историю. Если координатор упирается в пропуск — спрашивает воркера, оригинал на месте, нужный фрагмент возвращается. Контекст не теряется.

Self-tuning profileСамонастройка

The system learns operator preferences: response length, formality, terminology, time-of-day patterns. First into a markdown profile — auditable, editable — then baked into LoRA adapter weights.Система учится привычкам оператора: длина ответов, формальность, термины, рабочие часы. Сначала — в markdown-профиль (прозрачно, редактируемо), затем — в веса LoRA-адаптера.

Document workflowДокументооборот

Read and write .docx, .pdf, .xlsx, .pptx, .md. Generate from markdown templates. Insert images. Apply XML-level edits. Mirror originals into RAG-friendly markdown.Чтение и запись .docx, .pdf, .xlsx, .pptx, .md. Генерация из markdown-шаблонов. Вставка изображений. Правки на XML-уровне. Зеркалирование оригиналов в RAG-friendly markdown.

Operator helper panelПомощник в интерфейсе

An embedded panel reads the workspace DOM directly — no screenshots needed for UI questions. A separate Mac/Linux helper for the rest of the desktop. Shared identity and memory across both.Встроенная панель читает DOM рабочей среды напрямую — скриншоты для вопросов об UI не нужны. Отдельный Mac/Linux-помощник для остального десктопа. Общий профиль и память.

Multi-instanceМногоинстансная работа

Run production and lab side-by-side. Test a new coordinator model, a new skill, a new prompt strategy in lab without touching live work. Swap directories once verified.Production и lab бок о бок. Тестируйте новую координатор-модель, навык или промпт-стратегию в lab без риска для основной работы. После проверки — swap директорий.

The workspaceРабочая среда

A browser interface that stays out of the way.Браузерный интерфейс, который не отвлекает от работы.

Sidebar of live and archived chats. Center pane for the current dialog. Right pane for documents and files. Everything bilingual, a configurable workspace. Сайдбар живых и архивных чатов. Центральная панель — текущий диалог. Правая — документы и файлы. Всё двуязычно, настраиваемое рабочее пространство.

HardwareЖелезо

Three tiers, one workflow.Три уровня, один workflow.

TIER 1

Full sovereigntyПолный суверенитет

Model inference fully local. Zero external calls. Pick your path — Apple Silicon or multi-GPU. Инференс полностью локальный. Ноль внешних вызовов. Выбирайте путь — Apple Silicon или multi-GPU.

OPTION A — Mac Studio M3 Ultraпуть Mac Studio M3 Ultra

Mac Studio M3 Ultra · 512 GB unified
coordinator hostкоординатор
Mac Studio M3 (or 2nd Ultra)
workers hostворкеры
Local NVMe + encrypted backup
project dataданные проекта
Single box, unified memory pool. DeepSeek V4 Pro Q2_K (~400 GB) loads as one block, 500–600K-token context, 1–2 LoRA adapters trained on operator's style. The simplest path to full local inference today. Один корпус, единый пул памяти. DeepSeek V4 Pro Q2_K (~400 ГБ) грузится целым блоком, контекст 500–600K, 1–2 LoRA-адаптера под стиль оператора. Простейший путь к полному локальному инференсу сегодня.

OPTION B — Multi-GPU workstationпуть multi-GPU workstation

16× RTX 5090 · 32 GB VRAM each
coordinator · 512 GB totalкоординатор · 512 ГБ всего
2–3× RTX 5090
workers · 64–96 GBворкеры · 64–96 ГБ
Server PSU, cooling, NVLink/PCIe
interconnectсвязь
Higher peak throughput. Requires multi-GPU sharding — a 400 GB coordinator model literally cannot fit on fewer than 16 cards. Recommended for teams with existing GPU infrastructure or specific throughput needs. Выше пиковая производительность. Требует multi-GPU шардирования — 400 ГБ координатор-модель физически не поместится менее чем на 16 картах. Для команд с уже существующей GPU-инфраструктурой или специфическим throughput.
Why the M3 Ultra path is simplest todayПочему путь M3 Ultra сегодня самый простой

512 GB unified memory in one consumer device is unique to Apple Silicon right now. The same VRAM pool on NVIDIA consumer cards needs at least 16× RTX 5090 — multi-GPU sharding complexity, professional cooling, ten-fold cost. M3 Ultra makes “coordinator-grade local model on a single desk” a real option, not a research project. 512 ГБ unified memory в одном потребительском устройстве сегодня уникальны для Apple Silicon. Тот же пул VRAM на NVIDIA consumer-картах требует минимум 16× RTX 5090 — multi-GPU шардирование, профессиональное охлаждение, десятикратная цена. M3 Ultra делает «координатор-grade локальную модель на одном столе» реальной опцией, а не исследовательским проектом.

TIER 2

HybridГибрид

Coordinator hosted. Everything else local. Project data sovereign; hardware bill modest. Координатор в хостинге. Всё остальное локально. Данные суверенны, железо скромное.
Workstation · 1 GPU · 24–32 GB
local workersлокальные воркеры
Public LLM coordinator
Claude Opus / DeepSeek V4 Pro
Local NVMe + encrypted backup
project dataданные проекта
For teams who accept that coordinator-grade reasoning can run on a hosted model, but want everything else — documents, memory, archive, workers — on premises. Saves hardware cost while keeping project data sovereign. Для тех, кто принимает работу координатора через хостинг, но хочет всё остальное — документы, память, архив, воркеров — держать у себя. Экономия на железе при сохранённом суверенитете данных.
TIER 3

Hosted startХостинговый старт

Model calls hosted. Project data still local. Pragmatic entry — validate first, hardware later. Вызовы моделей в хостинге. Данные всё равно локально. Практичный вход — сначала проверьте.
Single laptop or VPSОдин ноутбук или VPS
UI + memory + skillsинтерфейс + память + навыки
Public LLM coordinator + workers
Claude / DeepSeek API
Pragmatic entry point: validate the workflow before investing in hardware. Project documents and memory still live on your machine; only model calls go out. Migrate to Tier 1 or 2 once the project proves itself. Практичный вход: проверьте workflow, прежде чем инвестировать в железо. Документы и память проекта всё ещё на вашей машине; наружу идут только вызовы моделей. Переходите на Tier 1 или 2, когда проект окрепнет.
Sovereignty ladderЛестница суверенитета

What stays yours — at every tier.Что ваше — на любом уровне.

Yours regardless of tierВаше на любом уровне

Source of dt-loom — your installation, your inspectionИсходники dt-loom — ваша установка, ваша проверка
All project documents — .docx, .pdf, .md, originalsВсе проектные документы — .docx, .pdf, .md, оригиналы
Conversation history & archiveИстория и архив разговоров
Memory, timeline, decisions, operator profileПамять, хронология, решения, профиль оператора
Skills libraryБиблиотека навыков

What changes by tierЧто меняется по уровням

TIER 1
Model inference fully localИнференс полностью локальный zero external callsноль внешних вызовов
TIER 2
Coordinator hosted, rest localКоординатор в хостинге, остальное локально
TIER 3
Model calls hosted, data still localВызовы моделей в хостинге, данные всё равно локально
ArchitectureАрхитектура

One operator. Many agents. Your server.Один оператор. Много агентов. Ваш сервер.

Operator surfaceПоверхность оператора
Operator ↔ Browser UI (dt-loom)
OrchestrationОркестрация
Coordinator Agentreads memory · routes workчитает память · маршрутизирует
StateСостояние
[ Project Memory ]
[ Skills Library ]
WorkersВоркеры
Text Worker
DeepSeek V4 Flash
Code Worker
Dtwin Code · Qwen3.5-9B
Vision / Voice
Whisper · vLLM
StorageХранилище
Documents
Sessions
Archive
Dream reviews
Profile
ContactКонтакт

dt-loom is in beta.
Custom installations per project.
dt-loom — в бета-стадии.
Развёртываем под каждый проект.

Tell us about your domain, your hardware floor, your sovereignty model. We design an installation tailored to it. Расскажите о вашем домене, о минимуме железа и модели безопасности. Под это спроектируем установку.

contact@dtwin.ninja