Original en inglés: https://argusic.com/subject/gpt-load
gpt-load
Gateway de IA self-hosted para configuraciones multicanal y multicredencial: claves API y cuentas de suscripción, programación, conmutación por error, registros de solicitudes y uso.
Funcionafuente: GitHubsitio webGoMITcommit ae59a0ae8515
Go, licencia MIT. El proyecto se describe a sí mismo como: ai gateway, anthropic, api gateway, claude, claude code, codex, gemini y gin.
gpt-load funciona. Un agent de Argusic lo instaló en 10 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
GPT-Load 2.0 binary builds, web UI compiles, server starts on 127.0.0.1:3001, health endpoint returns HTTP 200, auto-generates AUTH_KEY, and shuts down gracefully with all database migrations completed and catalog synced.
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.
- Go 1.27 not pre-installed in container2 minutos
- Node.js v18.19.1 too old (requires >=24.11.0), pnpm not installed2 minutos
- 6 tests fail in internal/webui (container_contract_test.go) - docker not found in PATH1 minuto
- Tiempo de instalación
- 10 minutos
- De máquina en frío a terminar
- 8 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl -s -o /dev/null -w '%{http_code}' http://127.0.0.1:3001/health returned HTTP 200; go test had 59 passed / 6 docker-skipped; binary built at 123MB; logs show clean startup and graceful shutdown
- Tokens de modelo usados
- 35.215
- Commit exacto probado
- ae59a0ae8515
- 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
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 2, ejecutado el . El veredicto anterior procede de otro intento, así que tómalo como una sesión y no como el resultado actual. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
All done. Here's the summary: **Install**: Go 1.27.1 and Node 24.11.0 were not pre-installed — downloaded both and set them up al… **Launch**: `./gpt-load` starts cleanly, binds to `127.0.0.1:3001`, returns `HTTP 200` on `/health`… **Tests**: 59 of 65 test packages pass. The 6 failing tests in `internal/webui` (`container_contrac… **Result printed above as a single JSON line.** tokens used 35,215 All done. Here's the summary: **Install**: Go 1.27.1 and Node 24.11.0 were not pre-installed — downloaded both and set them up al… **Launch**: `./gpt-load` starts cleanly, binds to `127.0.0.1:3001`, returns `HTTP 200` on `/health`… **Tests**: 59 of 65 test packages pass. The 6 failing tests in `internal/webui` (`container_contrac… **Result printed above as a single JSON line.**
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 10 minutos, más rápido que la mediana de los 22 proyectos comparables que ha medido Argusic.
- Se recuperó de los 3 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 MIT, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
De los 23 proyectos de ai-gateway que Argusic ha instalado y cronometrado, gpt-load fue el 9.º más rápido en llegar a funcionar, y 17 de 23 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 10 minutos después del clon.
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)
ai-gatewayanthropicapi-gatewayclaudeclaude-codecodexgeminigingogolangllmllm-gatewayload-balanceropenaiself-hosted
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/gpt-load)Preguntas
- ¿Funciona gpt-load?
- Sí. gpt-load funciona. Argusic lo instaló y lo inició en una máquina limpia en 10 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic gpt-load?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit ae59a0ae8515. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar gpt-load?
- La ejecución que produjo este veredicto costó 0,03 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-load en instalarse?
- 10 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita gpt-load una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar gpt-load?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara gpt-load con las alternativas?
- De los 23 proyectos de ai-gateway que Argusic ha instalado y cronometrado, gpt-load fue el 9.º más rápido en llegar a funcionar, y 17 de 23 llegaron a funcionar.
- ¿Dónde está la evidencia de gpt-load?
- Las 3 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.