Original en inglés: https://argusic.com/subject/experiential
experiential
Experiential es la puerta de enlace de código abierto y sin recargo para BYOK, self-hosted y más de 1000 modelos de mercado. Aprende de tu tráfico para reducir costos, recomendar mejores modelos y entrenar un modelo especializado que posees.
Funcionafuente: GitHubsitio webPythonApache-2.0commit 1253c82fe479
Python, licencia Apache-2.0.
experiential funciona. Un agent de Argusic lo instaló en 45 minutos y encontró 7 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The experiential project installs cleanly under uv on Python 3.13 with the native Rust gateway extension built from source; all quality gates pass, 8396 of 8397 container-runnable tests pass, and the initialized loopback gateway serves health, models, non-stream and stream chat completions, and usage accounting against a local mock OpenAI-compatible upstream.
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.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- uv sync on system Python 3.12 left venv incomplete; repo gates need 3.1315 minutos
- TERM unset made ~77 rich picker PTY tests fail (non-interactive fallback)10 minutos
- rustc/cargo not installed; native gateway crate requires them6 minutos
- test_prepared_snapshot_rejects_path_and_content_races[rewrite] fails on overlayfs ctime semantics in this container5 minutos
- macOS-only capture lock test fails on Linux because pwd exists and ~/Library 0755 trips fail-closed ancestor check3 minutos
- uv not installed in container2 minutos
- Tiempo de instalación
- 45 minutos
- De máquina en frío a terminar
- 74 minutos
- Errores encontrados y corregidos
- 7 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- uv sync --extra dev exited 0; ruff check/format --check and ty check all reported All checks passed; .venv/bin/pytest -q = 8396 passed, 1 env-expected failure, 60 skipped; curl -s http://127.0.0.1:8000/health/ready returned 200 with body {"status":"ready"}; curl POST /v1/chat/completions with exp_vk_ key returned HTTP 200 with id chatcmpl_9feeeb47b3a8e4b60f01741637ca166a and content "Hello" via mock upstream; SSE stream returned chunks ending data: [DONE]
- Tokens de modelo usados
- 1.697.702
- Commit exacto probado
- 1253c82fe479
- 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.
- Full pytest: **8396 passed, 1 failed (capture-lock env test), 1 error (flaky terminal-tasks test …
- Live gateway on loopback:
- `exp config gateway init/provider add openai-compatible/alias create opus-5/identity create/gra…
- `exp --root /tmp/exp-root-test --non-interactive --json --check` -> `{"status":"ready",...}` ex…
- `exp --root ... --port 8000` launched; process stayed up (PID constant across probes).
- `GET /health/ready` → 200 `{"status":"ready"}`.
- `GET /v1/models` with issued `exp_vk_…` key → 200 listing the granted `opus-5` alias.
- `POST /v1/chat/completions` (Bearer key, `{"model":"opus-5",...}`) → 200 real completion `"id":…
- Streaming → 200 SSE `data:` chunks ending `data: [DONE]`.
- `GET /usage` → 200 HTML accounting page (per-identity request/attempt/token tables); SQLite `ga…
- 502s observed only when the background mock upstream had died between exec sessions (proven by …
**Honest scoping:** I did not run `exp build`/`exp optimize`/SFT (require real hosted provider keys…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 recuperó de los 7 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 45 minutos en instalarse, más lento que la mediana de los 46 proyectos comparables que ha medido Argusic.
De los 47 proyectos de Python que Argusic ha instalado y cronometrado, experiential fue el 47.º más rápido en llegar a funcionar, y 28 de 47 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
Historial de ejecuciones
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/experiential)Preguntas
- ¿Funciona experiential?
- Sí. experiential funciona. Argusic lo instaló y lo inició en una máquina limpia en 45 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic experiential?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 1253c82fe479. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar experiential?
- La ejecución que produjo este veredicto costó 0,47 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 experiential en instalarse?
- 45 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita experiential una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar experiential?
- En la ejecución registrada fallaron 7 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara experiential con las alternativas?
- De los 47 proyectos de Python que Argusic ha instalado y cronometrado, experiential fue el 47.º más rápido en llegar a funcionar, y 28 de 47 llegaron a funcionar.
- ¿Dónde está la evidencia de experiential?
- Las 2 ejecuciones registradas están 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.