Englisches Original: https://argusic.com/subject/whale

Whale

Whale: blitzschneller, terminal-first AI coding agent für DeepSeek. ~98% Prompt-Cache-Trefferquote, 1M Kontext, MCP-Tools, dynamische Workflows.

Läuft mit MocksQuelle: GitHubHomepageGoMITCommit 676a0a228882

Go, Lizenz MIT. Das Projekt beschreibt sich selbst als: coding agent, deepseek, deepseek agent, deepseek cli, deepseek coding agent, go, llm und mcp.

Whale läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 3 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

Whale binary built (40 MB) at bin/whale, all 53 Go test packages pass, help/version/doctor commands respond correctly; only missing a DeepSeek API key

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

Befund
Läuft mit Mocks
Argusic Score
92 / 100
Kosten des verifizierenden Laufs
0,07 USD (gemessen)
aufgezeichnete Läufe
1
zuletzt getestet
Sterne
931
Forks
73
offene Issues
19
Beobachter
37
Größe
6 MB
erstellt
letzter Push

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.

Durch jeden Fehlschlag verlorene Zeit beim Testen von Whale, aus dem aufgezeichneten Lauf gezeichnet
Jeder Balken ist ein Fehler, den der Agent aufgezeichnet hat, mit der Zeit, die er gekostet hat. Aus diesem Lauf gezeichnet, aus keiner anderen Quelle.

Was schiefging, in den Worten des Agents

Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.

  • Go compiler not found in container1 Minute
Installationszeit
3 Minuten
Von der kalten Maschine bis zum Ende
3 Minuten
Aufgetretene und behobene Fehler
1 aufgetreten, 1 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde
go test ./... exited 0, all test packages passed (53 ok); ./bin/whale --help returned help text; ./bin/whale --version returned v0.0.0-...; ./bin/whale doctor ran diagnostics
Verbrauchte Modell-Tokens
54.304
Genau getesteter Commit
676a0a228882
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.

        }
    ],
    'test_depth': 'tier2_mock',
    'notes': 'Real DeepSeek API key needed for tier1 verification; all 53 test packages passed with…
    'verified_how': \\\"go test ./... exited 0, all test packages passed (53 ok); ./bin/whale --hel…
    'final_state': 'Whale binary built (40 MB) at bin/whale, all 53 Go test packages pass, help/ver…
}
print('ARGUSIC_RESULT:' + json.dumps(result, separators=(',', ':')))
\"" in /work/repo
 succeeded in 0ms:
tokens used
54,304

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

  • In 3 Minuten installiert, schneller als der Median der 4 vergleichbaren Projekte, die Argusic gemessen hat.
  • Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
  • Lizenz MIT, 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.

Von den 5 Projekten im Bereich coding-agent, die Argusic installiert und zeitlich gemessen hat, belegte Whale Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 1 von 5 erreichten überhaupt einen solchen Zustand.

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.

  • codeAgent nachweislich lauffähig · Python · 5 gemeinsame Themen
  • dscode getestet, nicht verifiziert · JavaScript · 5 gemeinsame Themen
  • orca-agent getestet, nicht verifiziert · Rust · 5 gemeinsame Themen
  • CowAgent nachweislich lauffähig · Python · 4 gemeinsame Themen
  • DeepSeek-Reasonix nachweislich lauffähig · Go · 4 gemeinsame Themen
  • jcode nachweislich lauffähig · Rust · 4 gemeinsame Themen

Laufverlauf

getestet vonVersuchErgebnisScoreKosten USDwann
Argusic Runner1/3Läuft mit Mocks92,000,07

Themen (von GitHub)

coding-agentdeepseekdeepseek-agentdeepseek-clideepseek-coding-agentgollmmcpskillsterminal

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/Whale.svg)](https://argusic.com/subject/whale)

Fragen

Läuft Whale?
Whale läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 3 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic Whale getestet?
Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 676a0a228882. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von Whale 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 Whale?
3 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 Whale eine GPU?
Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von Whale schief?
Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
Wie schneidet Whale im Vergleich zu Alternativen ab?
Von den 5 Projekten im Bereich coding-agent, die Argusic installiert und zeitlich gemessen hat, belegte Whale Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 1 von 5 erreichten überhaupt einen solchen Zustand.
Wo ist der Nachweis für Whale?
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.

Discussion