Läuft flutter_edge_ai?

Ja. flutter_edge_ai läuft. Argusic hat es auf einer sauberen Maschine in 13 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.

Wie hat Argusic flutter_edge_ai getestet?

Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 712ff5388169. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.

Was hat der Test von flutter_edge_ai gekostet?

Der Lauf, der diesen Befund ergab, kostete 0,02 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 flutter_edge_ai?

13 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 flutter_edge_ai eine GPU?

Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.

Was geht bei der Installation von flutter_edge_ai schief?

Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.

Wo ist der Nachweis für flutter_edge_ai?

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.

Englisches Original: https://argusic.com/subject/flutter-edge-ai

flutter_edge_ai

On-Device-KI für Flutter: Gemma und andere LLMs, multimodal, Function Calling, Embeddings, RAG und Sprache auf Android, iOS, Web, macOS, Windows und Linux.

LäuftQuelle: GitHub HomepageDartMITCommit 712ff5388169

Dart, Lizenz MIT. Das Projekt beschreibt sich selbst als: dart, edge ai, embeddings, flutter, function calling, gemma, litert und llm.

flutter_edge_ai läuft. Ein Argusic-Agent hat es in 13 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

All 14 Dart pub workspace packages with test directories pass their test suites on Linux x64 with Flutter 3.47.0 and Dart 3.13.0, with 0 errors and all 567 analyzer findings at info level only.
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 60 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).

Auf einen Blick

Befund: Läuft
Argusic Score: 60 / 100
Kosten des verifizierenden Laufs: 0,02 USD (gemessen)
aufgezeichnete Läufe: 2
zuletzt getestet: 2026-10-16
Sterne: 652
Forks: 179
offene Issues: 24
Beobachter: 12
Größe: 349 MB
erstellt: 2024-04-02
letzter Push: 2026-11-04

Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert 2026-11-04. 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.

Installationszeit: 13 Minuten
Von der kalten Maschine bis zum Ende: 11 Minuten
Aufgetretene und behobene Fehler: 0 aufgetreten, 0 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde: bash tool/test_all.sh exited 0, 14/14 packages ok, 0 failures across the entire workspace
Verbrauchte Modell-Tokens: 64.139
Genau getesteter Commit: 712ff5388169
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

Das Ende der Aufzeichnung

Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.

```
```
tokens used
64,139
All done. Let me compile the report.
**Install**: Downloaded Flutter 3.47.0 (Linux x64, required by `.fvmrc`), resolved all workspace de…
**Tests**: All 14 workspace packages with tests passed — 0 failures across the entire workspace. Sp…
**Analysis**: `flutter analyze packages/` reports 567 info-level issues only (no errors, no warning…
**Formatting**: `dart format .` — clean (0 files changed after initial pass).
Total elapsed: ~13 minutes.
```
```

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 auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
In 13 Minuten installiert.
Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
Lief ohne GPU, braucht also keine, um zu starten.
Lizenz MIT, laut Angabe des Hosts.
2-mal gemessen, das Ergebnis ist also kein Einzelfall.

Wofür es eine vernünftige Wahl ist

Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.

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	Läuft	100,00	0,02	2026-10-16 10:53 UTC
Argusic Runner	1/3	Lief nicht	20,00	0,05	2026-10-16 10:42 UTC

Themen (von GitHub)

dart edge-ai embeddings flutter function-calling gemma litert llm mediapipe on-device-ai onnx rag speech-to-text text-to-speech

Badge einbetten

Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.

[![Tested by Argusic](https://argusic.com/badge/flutter_edge_ai.svg)](https://argusic.com/subject/flutter-edge-ai)

Fragen

Läuft flutter_edge_ai?: Ja. flutter_edge_ai läuft. Argusic hat es auf einer sauberen Maschine in 13 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic flutter_edge_ai getestet?: Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 712ff5388169. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von flutter_edge_ai gekostet?: Der Lauf, der diesen Befund ergab, kostete 0,02 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 flutter_edge_ai?: 13 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 flutter_edge_ai eine GPU?: Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von flutter_edge_ai schief?: Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
Wo ist der Nachweis für flutter_edge_ai?: 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.