Original en inglés: https://argusic.com/subject/ccload
ccLoad
Puerta de enlace de API de IA self-hosted para Claude Code, Codex y Gemini: agrupa claves de API y cuentas de suscripción detrás de un único punto final con conmutación por error, conversión de protocolo y seguimiento de costos.
Funcionafuente: GitHubsitio webGoMITcommit cb482969c559
Go, licencia MIT. El proyecto se describe a sí mismo como: ai, ai gateway, anthropic, api proxy, claude api, claude code, codex y codex cli.
ccLoad funciona. Un agent de Argusic lo instaló en 0,5 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Binary builds, server starts and listens on :8080, health endpoint returns 200, admin login/auth flow works, all 49 Go test packages pass, all 284 JS frontend tests pass, model catalog syncs 244 models from models.dev.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 10 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- go test -count=1 ./internal/... passed 49 packages, node --test passed 284/284 web tests, curl http://localhost:8080/health returned 200, curl http://localhost:8080/admin/channels returned 200 with Bearer auth token
- Tokens de modelo usados
- 382.003
- Commit exacto probado
- cb482969c559
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
**Server launch**: The app starts cleanly via `./ccload` (fresh SQLite DB auto-migrated). Verified …
- `GET /health` → HTTP 200, `{"success":true,"data":{"status":"ok"}}`
- `GET /` → HTTP 302 (redirects to web dashboard)
- `GET /web/` → HTTP 200 (dashboard HTML served)
- `POST /login` (admin password) → HTTP 200, session token returned
- `GET /admin/channels` (with Bearer token) → HTTP 200, `{"data":[]}`
- `GET /admin/settings` (with Bearer token) → HTTP 200, 64 settings loaded
- `GET /public/summary` → HTTP 200, stats returned
- `GET /public/version` → HTTP 200, version info returned
- Wrong password → HTTP 401, rate limiter tracks attempts
- Missing auth → HTTP 401
**Model catalog**: Successfully synced 244 models from 11 providers via models.dev API.Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 0,5 minutos, más rápido que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ccLoad fue el 14.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 0,5 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
aiai-gatewayanthropicapi-proxyclaude-apiclaude-codecodexcodex-clicost-controlfailovergeminigolangllm-proxyload-balancermonitoringopenaiopenai-apiprotocol-transformreverse-proxyself-hosted
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ccload)Preguntas
- ¿Funciona ccLoad?
- Sí. ccLoad funciona. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ccLoad?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit cb482969c559. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ccLoad?
- La ejecución que produjo este veredicto costó 0,05 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ccLoad en instalarse?
- 0,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ccLoad una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ccLoad?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara ccLoad con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ccLoad fue el 14.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de ccLoad?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.