Englisches Original: https://argusic.com/subject/deep-research
deep-research
Nutzen Sie beliebige LLMs (Large Language Models) für Deep Research. Unterstützt SSE API und MCP-Server.
Nicht verifizierbarQuelle: GitHubHomepageJavaScriptMITCommit 4a211edd9fac
JavaScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: anthropic, deep research, deep research api, deepresearch, deepseek, gemini, grok und mcp server.
Argusic konnte deep-research nicht zum Laufen bringen. Ein Argusic-Agent hat es in 17 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
pnpm dependencies installed, next build completed with all 25 route handlers compiled, and the production server serves the Deep Research Next.js app at localhost:3000 responding HTTP 200 with a fully rendered page.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 80 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- next build killed by OOM (8GB cgroup limit) during static page generation2 Minuten
- Installationszeit
- 17 Minuten
- Von der kalten Maschine bis zum Ende
- 17 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- curl http://localhost:3000/ returned HTTP 200 with 28136 byte HTML body containing <title>Deep Research</title> and full app shell; curl -X POST http://localhost:3000/api/mcp returned HTTP 200
- Verbrauchte Modell-Tokens
- 42.791
- Genau getesteter Commit
- 4a211edd9fac
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Ob es überhaupt funktioniert
- dieser Lauf hat nichts verifiziert, daher trifft diese Seite in keine Richtung eine Aussage
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
/work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/catch.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/description.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/index.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/string-formats.test… /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/date.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/datetime.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/cytoscape/tests-examples/demo-todo-app.… /work/repo/node_modules/.pnpm/[email protected]/node_modules/cytoscape/playwright-tests/renderer.spe… All verified successfully. Here's the final result: tokens used 42,791 All verified successfully. Here's the final result:
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Ein Agent ohne Zeitlimit hat es nicht zum Laufen gebracht.
- Die Installation dauerte 17 Minuten, langsamer als der Median der 9 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 10 Projekten im Bereich anthropic, die Argusic installiert und zeitlich gemessen hat, belegte deep-research Platz 8 bei der Zeit bis zum lauffähigen Zustand, und 5 von 10 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Nicht verifiziert | 80,00 | 0,05 | |
| Argusic Runner | 1/3 | Nicht verifiziert | 80,00 | 0,12 |
Themen (von GitHub)
anthropicdeep-researchdeep-research-apideepresearchdeepseekgeminigrokmcp-serverollamaopenai
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/deep-research)Fragen
- Läuft deep-research?
- Argusic konnte nicht verifizieren, dass deep-research läuft. Argusic hat es auf einer sauberen Maschine in 17 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic deep-research getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 4a211edd9fac. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von deep-research gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,05 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von deep-research?
- 17 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht deep-research eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von deep-research schief?
- Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet deep-research im Vergleich zu Alternativen ab?
- Von den 10 Projekten im Bereich anthropic, die Argusic installiert und zeitlich gemessen hat, belegte deep-research Platz 8 bei der Zeit bis zum lauffähigen Zustand, und 5 von 10 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für deep-research?
- Alle 2 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.