Etapa 0: entorno, configuración validada, modelo y entrenador

Base del proyecto ENLACE: un modelo de lenguaje propio entrenado desde cero,
en español, para asistencia general y familiar. El plan completo está en
docs/PLAN.md.

Esta etapa establece el andamiaje y lo verifica de punta a punta:

- Configuración por capas (hardware × model × train × data) validada con
  pydantic. Ningún hiperparámetro vive en el código y una config inválida
  falla al arrancar, no a las tres horas de entrenamiento.
- Perfiles de hardware que aíslan el salto de GPU: la RTX 2060 (Turing) no
  soporta bfloat16 ni FlashAttention-2, así que entrena en float16 con
  GradScaler y backend mem_efficient; el perfil de la 5090 ya está escrito.
  backends.py valida el perfil contra la GPU real antes de empezar.
- Transformer decoder-only estilo Llama: RMSNorm, SwiGLU, RoPE, GQA,
  embeddings atados, QK-norm y z-loss. Los dos últimos son lo que mantiene
  estable el entrenamiento en float16.
- Entrenador con schedule WSD, acumulación de gradiente, precisión mixta,
  checkpointing atómico y reanudación exacta.
- Cargadores de datos con estado serializable: bytes para el smoke test y
  shards uint16 para el corpus real.

48 tests, entre ellos el crítico: reanudar desde un checkpoint reproduce los
pesos de una corrida ininterrumpida, parámetro por parámetro.

Verificado en CPU: 300 pasos sobre texto en español, loss 3.07 -> 1.63.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

scripts/prepare_smoke_data.sh

@@ -0,0 +1,33 @@
+#!/usr/bin/env bash
+# Descarga un texto en español de dominio público para el smoke test (Etapa 0).
+#
+# No es corpus de entrenamiento: son unos pocos MB para verificar en minutos que
+# CUDA, el entrenador, el checkpointing y la reanudación funcionan antes de
+# comprometer días de cómputo.
+set -euo pipefail
+
+DESTINO="${1:-data/smoke/texto.txt}"
+mkdir -p "$(dirname "$DESTINO")"
+
+if [[ -s "$DESTINO" ]]; then
+    echo "[enlace] ya existe $DESTINO ($(wc -c <"$DESTINO") bytes); no se baja de nuevo."
+    exit 0
+fi
+
+# Don Quijote — dominio público, español, y suficientemente largo.
+URLS=(
+    "https://www.gutenberg.org/cache/epub/2000/pg2000.txt"
+    "https://www.gutenberg.org/files/2000/2000-0.txt"
+)
+
+for url in "${URLS[@]}"; do
+    echo "[enlace] bajando $url"
+    if curl -fsSL --max-time 120 "$url" -o "$DESTINO"; then
+        echo "[enlace] listo: $DESTINO ($(wc -c <"$DESTINO") bytes)"
+        exit 0
+    fi
+done
+
+echo "[enlace] no se pudo descargar el texto. Alternativa: copiar cualquier" >&2
+echo "         archivo .txt en español a $DESTINO (unos pocos MB alcanzan)." >&2
+exit 1