Original en inglés: https://argusic.com/subject/gpt-instruct
gpt-instruct
Un paquete de prompts de jailbreak de Codex y pruebas para gpt. Paquete de prompts de jailbreak de Codex y pruebas para la serie gpt.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit 0ad8ec58e198
Python, licencia MIT.
gpt-instruct funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 18 minutos y encontró 5 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
codex-instruct.py deployed gpt-5.6-sol-v45 byte-identically into /home/runner/.codex with model_instructions_file set; 26-unit and 47-scoring tests pass; regression dry-run plans 66 cases; reset removes the managed entry.
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 92 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.
- codex-instruct.py apply wrote to live /home/runner/.codex (CODEX_HOME ignored)6 minutos
- run_gpt56_sol_issue_regression.py missing default bank and instructions3 minutos
- scripts/*.zip extraction needed a manual loop; Python extractall filter kwarg unsupported1 minuto
- run_gpt6_astra_project_continuation_probe.py missing /tmp/tests/gpt6_astra_project_continuation_probe.json1 minuto
- python3 -m unittest discover -s unit-tests -q
- Tiempo de instalación
- 18 minutos
- De máquina en frío a terminar
- 3 minutos
- Errores encontrados y corregidos
- 5 encontrados, 5 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 -m unittest discover -s unit-tests -q -> OK (26 tests); verify_gpt56_sol_regression_scoring.py -> OK (47 tests); run_gpt56_sol_issue_regression.py --dry-run ... -> 66 cases / 110 turns manifest; zip-entry md sha256 c71c50e2... == deployed /home/runner/.codex/gpt-5.6-sol-v45.md; config.toml gained model_instructions_file line; --reset returned exit 0 and removed the entry/file
- Tokens de modelo usados
- 171.245
- Commit exacto probado
- 0ad8ec58e198
- 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
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- Tests: `python3 -m unittest discover -s unit-tests -q` → 26 tests, OK. `verify_gpt56_sol_regressi… - Toolchain: `run_gpt56_sol_issue_regression.py --dry-run --bank ... --instructions-file ...` print… - Unfixable gap: the A-probe `run_gpt6_astra_project_continuation_probe.py` needs `tests/gpt6_astra… - No real credentials needed: the container itself already provides an Argusic-compatible mock at `… tokens used 171,245 All verification is complete. Summary of what I observed: - Install: `codex-instruct.py --apply --version gpt-5.6-v45` deployed the prompt into `/home/runner… - Tests: `python3 -m unittest discover -s unit-tests -q` → 26 tests, OK. `verify_gpt56_sol_regressi… - Toolchain: `run_gpt56_sol_issue_regression.py --dry-run --bank ... --instructions-file ...` print… - Unfixable gap: the A-probe `run_gpt6_astra_project_continuation_probe.py` needs `tests/gpt6_astra… - No real credentials needed: the container itself already provides an Argusic-compatible mock at `…
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
- Se recuperó de los 5 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Tardó 18 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, gpt-instruct fue el 45.º más rápido en llegar a funcionar, y 28 de 47 llegaron a funcionar.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona con mocks | 92,00 | 0,04 | |
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,05 |
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/gpt-instruct)Preguntas
- ¿Funciona gpt-instruct?
- gpt-instruct funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 18 minutos, con 5 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic gpt-instruct?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 0ad8ec58e198. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar gpt-instruct?
- La ejecución que produjo este veredicto costó 0,04 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 gpt-instruct en instalarse?
- 18 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita gpt-instruct una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar gpt-instruct?
- En la ejecución registrada fallaron 5 cosas, y 5 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara gpt-instruct con las alternativas?
- De los 47 proyectos de Python que Argusic ha instalado y cronometrado, gpt-instruct fue el 45.º más rápido en llegar a funcionar, y 28 de 47 llegaron a funcionar.
- ¿Dónde está la evidencia de gpt-instruct?
- 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.