Englisches Original: https://argusic.com/subject/optillm
optillm
Optimierung des Inferenz-Proxys für LLMs
LäuftQuelle: GitHubPythonApache-2.0Commit eaf171aa6da5
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agent, agentic ai, agentic framework, agentic workflow, agents, api gateway, chain of thought und genai.
optillm läuft. Ein Argusic-Agent hat es in 18,5 Minuten installiert und ist auf 2 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
OptiLLM package installed in a venv, plugins load correctly, CLI entry point works, test suite runs 153/163 passing (10 skipped due to MLX/environment conditions), and the local inference server starts, accepts HTTP requests, and generates real LLM responses with the codelion/dhara-250m model.
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
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.
- mcp v2.2.0 missing mcp.client.websocket module2,5 Minuten
- test_batching.py, test_reasoning_tokens.py can't find test_utils0,5 Minuten
- Installationszeit
- 19 Minuten
- Von der kalten Maschine bis zum Ende
- 22 Minuten
- Aufgetretene und behobene Fehler
- 2 aufgetreten, 2 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- curl -s -X POST http://localhost:8005/v1/chat/completions -H 'Content-Type: application/json' -H 'Authorization: Bearer optillm' -d '{"model":"codelion/dhara-250m","messages":[{"role":"user","content":"Hi"}],"max_tokens":10}' returned 200 with generated text; server health endpoint returned {"status":"ok"}
- Verbrauchte Modell-Tokens
- 109.796
- Genau getesteter Commit
- eaf171aa6da5
- 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_utils` not found from root dir in test_batching.py / test_reasoning_tokens.py → set `PYTHON… **Tests excluded** (need real API keys or a GPU): `test_api_compatibility.py`, `test_conversation_l… tokens used 109,796 Here's the summary of everything I did and found. **Install**: Created a venv, installed the package with `pip install -e .`. One dependency issue: t… **Tests run**: 153 passed, 10 skipped, 0 failed across all test suites that don't need external API… **Server verification (local inference)**: Started the server on port 8005 with `codelion/dhara-250… **Errors encountered and fixes**: - `mcp.client.websocket` not found in mcp v2.2.0 → installed mcp v1.30.0 - `test_utils` not found from root dir in test_batching.py / test_reasoning_tokens.py → set `PYTHON… **Tests excluded** (need real API keys or a GPU): `test_api_compatibility.py`, `test_conversation_l…
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.
- Hat sich von allen 2 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 18,5 Minuten, langsamer als der Median der 134 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte optillm Platz 111 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 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.
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 | 0,11 | |
| Argusic Runner | 1/3 | Lief nicht | 20,00 | 0,20 |
Themen (von GitHub)
agentagentic-aiagentic-frameworkagentic-workflowagentsapi-gatewaychain-of-thoughtgenailarge-language-modelsllmllm-inferencellmapimixture-of-expertsmoamonte-carlo-tree-searchopenaiopenai-apioptimizationprompt-engineeringproxy-server
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/optillm)Fragen
- Läuft optillm?
- Ja. optillm läuft. Argusic hat es auf einer sauberen Maschine in 19 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic optillm getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit eaf171aa6da5. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von optillm gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,11 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 optillm?
- 18,5 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 optillm eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von optillm schief?
- Im aufgezeichneten Lauf gingen 2 Dinge kaputt, und 2 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet optillm im Vergleich zu Alternativen ab?
- Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte optillm Platz 111 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für optillm?
- 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.