Englisches Original: https://argusic.com/subject/gpt-load
gpt-load
Self-hosted AI Gateway für Multi-Channel, Multi-Credential Setups: API Keys und Subscription Accounts, Scheduling, Failover, Request Logs und Usage.
LäuftQuelle: GitHubHomepageGoMITCommit ae59a0ae8515
Go, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai gateway, anthropic, api gateway, claude, claude code, codex, gemini und gin.
gpt-load läuft. Ein Argusic-Agent hat es in 10 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
GPT-Load 2.0 binary builds, web UI compiles, server starts on 127.0.0.1:3001, health endpoint returns HTTP 200, auto-generates AUTH_KEY, and shuts down gracefully with all database migrations completed and catalog synced.
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 100 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.
- Go 1.27 not pre-installed in container2 Minuten
- Node.js v18.19.1 too old (requires >=24.11.0), pnpm not installed2 Minuten
- 6 tests fail in internal/webui (container_contract_test.go) - docker not found in PATH1 Minute
- Installationszeit
- 10 Minuten
- Von der kalten Maschine bis zum Ende
- 8 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- curl -s -o /dev/null -w '%{http_code}' http://127.0.0.1:3001/health returned HTTP 200; go test had 59 passed / 6 docker-skipped; binary built at 123MB; logs show clean startup and graceful shutdown
- Verbrauchte Modell-Tokens
- 35.215
- Genau getesteter Commit
- ae59a0ae8515
- 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
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 2, gelaufen am . Der obige Befund stammt aus einem anderen Versuch, betrachten Sie dies daher als eine einzelne Sitzung und nicht als das aktuelle Ergebnis. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
All done. Here's the summary: **Install**: Go 1.27.1 and Node 24.11.0 were not pre-installed — downloaded both and set them up al… **Launch**: `./gpt-load` starts cleanly, binds to `127.0.0.1:3001`, returns `HTTP 200` on `/health`… **Tests**: 59 of 65 test packages pass. The 6 failing tests in `internal/webui` (`container_contrac… **Result printed above as a single JSON line.** tokens used 35,215 All done. Here's the summary: **Install**: Go 1.27.1 and Node 24.11.0 were not pre-installed — downloaded both and set them up al… **Launch**: `./gpt-load` starts cleanly, binds to `127.0.0.1:3001`, returns `HTTP 200` on `/health`… **Tests**: 59 of 65 test packages pass. The 6 failing tests in `internal/webui` (`container_contrac… **Result printed above as a single JSON line.**
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 10 Minuten installiert, schneller als der Median der 22 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 3 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
- 3-mal gemessen, das Ergebnis ist also kein Einzelfall.
Von den 23 Projekten im Bereich ai-gateway, die Argusic installiert und zeitlich gemessen hat, belegte gpt-load Platz 9 bei der Zeit bis zum lauffähigen Zustand, und 17 von 23 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 10 Minuten nach dem Klonen.
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
Themen (von GitHub)
ai-gatewayanthropicapi-gatewayclaudeclaude-codecodexgeminigingogolangllmllm-gatewayload-balanceropenaiself-hosted
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/gpt-load)Fragen
- Läuft gpt-load?
- Ja. gpt-load läuft. Argusic hat es auf einer sauberen Maschine in 10 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic gpt-load getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit ae59a0ae8515. 3 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von gpt-load gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,03 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 gpt-load?
- 10 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 gpt-load eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von gpt-load schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet gpt-load im Vergleich zu Alternativen ab?
- Von den 23 Projekten im Bereich ai-gateway, die Argusic installiert und zeitlich gemessen hat, belegte gpt-load Platz 9 bei der Zeit bis zum lauffähigen Zustand, und 17 von 23 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für gpt-load?
- Alle 3 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.