Englisches Original: https://argusic.com/subject/videocof
VideoCoF
[CVPR 2026 Highlight] VideoCoF: Unified Video Editing with Temporal Reasoner
Läuft mit MocksQuelle: GitHubHomepagePythonApache-2.0Commit 153e6bb31c59
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: diffusion models, long video editing, long video generation, video diffusion transformers, video editing, video generation und video to video.
VideoCoF läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 5 Minuten installiert und ist auf 6 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Gradio demo app with 74 UI components serves HTTP 200 on port 7860, all core Python modules import successfully, video-to-video CoT pipeline construction verified, grounding instruction extraction works for all 4 task types
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 92 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.
- diffusers 0.42.1 requires torch.accelerator (PyTorch >=2.6) but torch 2.5.1 installed2 Minuten
- Gradio 3.48 unable to launch with share=False due to container localhost unavailability; starlette/jinja2 version conflict caused TemplateResponse TypeError2 Minuten
- scipy 1.18.1 requires numpy >=2.0 but numpy 1.26.4 was installed; numpy.long attribute missing1 Minute
- transformers 5.x removed FLAX_WEIGHTS_NAME import used by diffusers 0.311 Minute
- Gradio 4.x incompatible with app (gradio_client error, argparser mismatch); needed gradio 3.x1 Minute
- Missing asset/1.png gallery placeholder images referenced in videox_fun/ui/ui.py line 260-2670,5 Minuten
- Installationszeit
- 5 Minuten
- Von der kalten Maschine bis zum Ende
- 13 Minuten
- Aufgetretene und behobene Fehler
- 6 aufgetreten, 6 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- curl -s http://127.0.0.1:7860/config returned 200 with version 3.48.0, mode=blocks, 74 components; curl -s -o /dev/null -w %{http_code} http://127.0.0.1:7860/ returned 200
- Verbrauchte Modell-Tokens
- 136.155
- Genau getesteter Commit
- 153e6bb31c59
- 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
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
verified_how: curl -s http://127.0.0.1:7860/config returned 200 with 74 components
final_state: Gradio demo app with 74 UI components serves HTTP 200 on port 7860
Here is my final assessment:
exec
/bin/sh -lc "cd /work/repo && echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"ins…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 5, "errors": [{"msg": "dif…
exec
/bin/sh -lc "printf 'ARGUSIC_RESULT:{\"install_succeeded\":true,\"launch_succeeded\":true,\"install…
succeeded in 0ms:
tokens used
136,155Gesamte 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
- In 5 Minuten installiert.
- Hat sich von allen 6 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz Apache-2.0, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
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 | 1/3 | Läuft mit Mocks | 92,00 | 0,22 |
Themen (von GitHub)
diffusion-modelslong-video-editinglong-video-generationvideo-diffusion-transformersvideo-editingvideo-generationvideo-to-video
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/videocof)Fragen
- Läuft VideoCoF?
- VideoCoF läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 5 Minuten installiert und gestartet, ist dabei auf 6 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic VideoCoF getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 153e6bb31c59. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von VideoCoF gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,22 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 VideoCoF?
- 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 VideoCoF eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von VideoCoF schief?
- Im aufgezeichneten Lauf gingen 6 Dinge kaputt, und 6 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wo ist der Nachweis für VideoCoF?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.