Original en inglés: https://argusic.com/subject/gpt-researcher
gpt-researcher
Un agent autónomo que realiza investigaciones profundas sobre cualquier dato usando cualquier proveedor de LLM.
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit 6f998577d547
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent, ai, automation, deepresearch, llms, mcp, mcp server y python.
gpt-researcher funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 1,7 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The GPT Researcher package is installed in a Python venv. The FastAPI backend server launches, listens on 0.0.0.0:8000, and serves the GPT Researcher frontend (HTTP 200). The CLI help works. 410 of 411 tests pass under --forked isolation; 2 integration tests require real OpenAI credentials and are skipped. No code was modified.
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 89,8 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
- 2 minutos
- De máquina en frío a terminar
- 23 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- uvicorn server started on port 8000, 'curl -s -o /dev/null -w %{http_code} localhost:8000/' returned 200; 410/411 tests passed with --forked isolation (pre-existing ordering pollution in test harness; all pass individually)
- Tokens de modelo usados
- 142.110
- Commit exacto probado
- 6f998577d547
- 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
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.
**No code modifications were needed** — the repository works out of the box in this container. 2026-09-22T01:39:00.466374Z ERROR codex_core::session: failed to record rollout items: thread 01a0c… 2026-09-22T01:39:00.466408Z ERROR codex_core::session: failed to record rollout items: thread 01a0c… 2026-09-22T01:39:00.466429Z ERROR codex_core::session: failed to record rollout items: thread 01a0c… tokens used 142,110 Here's the full report: **Install**: `pip install -e .` succeeded inside a Python venv (2 min). **Server**: Launched via `uvicorn backend.server.app:app` on port 8000. `curl` returned **HTTP 200*… **CLI**: `python cli.py --help` prints all available report types, tones, and options. **Tests**: 410 passed, 1 skipped (`--forked` isolation). The 13 apparent failures in the non-forked… **No code modifications were needed** — the repository works out of the box in this container.
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 instaló en 1,7 minutos, más rápido que la mediana de los 134 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 3 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.
De los 135 proyectos de agent que Argusic ha instalado y cronometrado, gpt-researcher fue el 26.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
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 | 3/3 | Funciona con mocks | 92,00 | 0,12 | |
| Argusic Runner | 2/3 | Funciona con mocks | 92,00 | 0,33 | |
| Argusic Runner | 1/3 | Funciona con mocks | 85,33 | 0,20 |
Temas (de GitHub)
agentaiautomationdeepresearchllmsmcpmcp-serverpythonresearchsearchwebscraping
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/gpt-researcher)Preguntas
- ¿Funciona gpt-researcher?
- gpt-researcher funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic gpt-researcher?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 6f998577d547. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar gpt-researcher?
- La ejecución que produjo este veredicto costó 0,12 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-researcher en instalarse?
- 1,7 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita gpt-researcher una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar gpt-researcher?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara gpt-researcher con las alternativas?
- De los 135 proyectos de agent que Argusic ha instalado y cronometrado, gpt-researcher fue el 26.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
- ¿Dónde está la evidencia de gpt-researcher?
- 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.