Original en inglés: https://argusic.com/subject/flutter-edge-ai
flutter_edge_ai
IA en el dispositivo para Flutter: Gemma y otros LLMs, multimodal, llamada a funciones, incrustaciones, RAG y voz en Android, iOS, Web, macOS, Windows y Linux.
Funcionafuente: GitHubsitio webDartMITcommit 712ff5388169
Dart, licencia MIT. El proyecto se describe a sí mismo como: dart, edge ai, embeddings, flutter, function calling, gemma, litert y llm.
flutter_edge_ai funciona. Un agent de Argusic lo instaló en 13 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
All 14 Dart pub workspace packages with test directories pass their test suites on Linux x64 with Flutter 3.47.0 and Dart 3.13.0, with 0 errors and all 567 analyzer findings at info level only.
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 60 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
- 13 minutos
- De máquina en frío a terminar
- 11 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- bash tool/test_all.sh exited 0, 14/14 packages ok, 0 failures across the entire workspace
- Tokens de modelo usados
- 64.139
- Commit exacto probado
- 712ff5388169
- 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.
``` ``` tokens used 64,139 All done. Let me compile the report. **Install**: Downloaded Flutter 3.47.0 (Linux x64, required by `.fvmrc`), resolved all workspace de… **Tests**: All 14 workspace packages with tests passed — 0 failures across the entire workspace. Sp… **Analysis**: `flutter analyze packages/` reports 567 info-level issues only (no errors, no warning… **Formatting**: `dart format .` — clean (0 files changed after initial pass). Total elapsed: ~13 minutes. ``` ```
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 13 minutos.
- 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.
- Medido 2 veces, así que el resultado no es algo puntual.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- 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
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona | 100,00 | 0,02 | |
| Argusic Runner | 1/3 | No funcionó | 20,00 | 0,05 |
Temas (de GitHub)
dartedge-aiembeddingsflutterfunction-callinggemmalitertllmmediapipeon-device-aionnxragspeech-to-texttext-to-speech
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/flutter-edge-ai)Preguntas
- ¿Funciona flutter_edge_ai?
- Sí. flutter_edge_ai funciona. Argusic lo instaló y lo inició en una máquina limpia en 13 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic flutter_edge_ai?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 712ff5388169. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar flutter_edge_ai?
- La ejecución que produjo este veredicto costó 0,02 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 flutter_edge_ai en instalarse?
- 13 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita flutter_edge_ai una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar flutter_edge_ai?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Dónde está la evidencia de flutter_edge_ai?
- 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.