Englisches Original: https://argusic.com/subject/minimind
minimind
Trainieren Sie ein 64M-Parameter-LLM von Grund auf in nur 2h!
LäuftQuelle: GitHubHomepagePythonApache-2.0Commit f659b55761b7
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: artificial intelligence und large language model.
minimind läuft. Ein Argusic-Agent hat es in 12 Minuten installiert und ist auf 4 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
MiniMind 63.91M-parameter LLM installed in venv with all dependencies, inference works on CPU generating coherent multilingual responses, OpenAI-compatible API server responds 200, and both SFT and pretrain training pipelines run end-to-end with synthetic test data.
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.
- Model weights (full_sft_768.pth, pretrain_768.pth) not found in ./out/5 Minuten
- Training scripts crashed with huggingface_hub error 'Repo id must use alphanumeric chars' for path '../model' and PermissionError on '../checkpoints'3 Minuten
- pip install blocked by PEP 668 externally-managed-environment1 Minute
- ujson wheel build failed: missing Python.h development headers (unable to compile C extension)1 Minute
- Installationszeit
- 12 Minuten
- Von der kalten Maschine bis zum Ende
- 13 Minuten
- Aufgetretene und behobene Fehler
- 4 aufgetreten, 4 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU; curl POST to localhost:8998/v1/chat/completions returned HTTP 200 with valid JSON containing assistant response 'Hello! How can I assist you today?'; train_full_sft.py with 10-sample dataset completed 5 steps at exit 0; train_pretrain.py with 10-sample dataset completed 5 steps at exit 0
- Verbrauchte Modell-Tokens
- 397.485
- Genau getesteter Commit
- f659b55761b7
- 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.
],
\"test_depth\": \"tier1_real\",
\"notes\": \"All dependencies installed in venv. Model verified with real downloaded pytorch we…
\"verified_how\": \"eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU…
\"final_state\": \"MiniMind 63.91M-parameter LLM installed in venv with all dependencies, infer…
}
print(json.dumps(result, ensure_ascii=False))
PYEOF" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 12, "errors": [{"msg": "pi…
tokens used
397,485Gesamte 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.
- Hat sich von allen 4 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 Apache-2.0, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 12 Minuten, langsamer als der Median der 5 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 6 Projekten im Bereich artificial-intelligence, die Argusic installiert und zeitlich gemessen hat, belegte minimind Platz 6 bei der Zeit bis zum lauffähigen Zustand, und 4 von 6 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.
Laufverlauf
Themen (von GitHub)
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/minimind)Fragen
- Läuft minimind?
- Ja. minimind läuft. Argusic hat es auf einer sauberen Maschine in 12 Minuten installiert und gestartet, ist dabei auf 4 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic minimind getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit f659b55761b7. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von minimind gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,07 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 minimind?
- 12 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 minimind eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von minimind schief?
- Im aufgezeichneten Lauf gingen 4 Dinge kaputt, und 4 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet minimind im Vergleich zu Alternativen ab?
- Von den 6 Projekten im Bereich artificial-intelligence, die Argusic installiert und zeitlich gemessen hat, belegte minimind Platz 6 bei der Zeit bis zum lauffähigen Zustand, und 4 von 6 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für minimind?
- 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.