Original en inglés: https://argusic.com/subject/hgm
HGM
La máquina de Huxley-Gödel
Funciona con mocksfuente: GitHubPythonApache-2.0commit 013872d95da9
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: coding agents, goedel machine y self improvement.
HGM funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 40 minutos y encontró 7 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Python venv install is complete, all 22 repository tests pass, all main modules import, the real SWE-bench dataset and TestSpec construction were verified, and hgm.py boots through configuration/source-copy to its Docker-dependent self-improvement step, where execution stops because this container has no Docker daemon and no API key.
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.
- pip install -r requirements.txt left polyglot/benchmark.py unimportable: ModuleNotFoundError importlib_resources, and swe_bench/polyglot harnesses failed with ModuleNotFoundError: No module named 'swebench'20 minutos
- polyglot/benchmark.py additionally failed: ModuleNotFoundError plots, lox, aider, typer8 minutos
- datasets import failed: ImportError: cannot import name 'BucketNotFoundError' from huggingface_hub.errors with huggingface-hub 1.4.15 minutos
- hgm.py boot crashes in TS_sample with ValueError: attempt to get argmax of an empty sequence when Docker is absent (initial node has no utility_measures)4 minutos
- swe_bench/harness.py and polyglot/harness.py crash before Docker: TypeError: harness() got an unexpected keyword argument 'num_samples'3 minutos
- Docker is required by run.sh (hgm.py) and both harnesses but the container has no docker binary/daemon and system packages cannot be installed
- Tiempo de instalación
- 40 minutos
- De máquina en frío a terminar
- 31 minutos
- Errores encontrados y corregidos
- 7 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- .venv/bin/python -m pytest exited 0 with '22 passed, 1 warning in 3.50s'; .venv/bin/python hgm.py --config /tmp/hgmtry/test_config.yaml printed 'Working directory: /work/repo ... Starting HGM run out ... Found 13840 files to copy' then crashed on the known Docker-absent argmax path; direct swe_bench.harness.harness(test_task_list=['django__django-10973'], max_workers=1, ...) loaded the real dataset and stopped at DockerException (no docker daemon)
- Tokens de modelo usados
- 6.273.661
- Commit exacto probado
- 013872d95da9
- 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: `pytest` — `22 passed, 1 warning` twice (before and after dependency fixes) in `~3.5s`. - Launch: `hgm.py` boots fully (config load, output dir, `Starting HGM run`, initial Docker image-b… - Errors fixed: `importlib_resources` missing; `swebench` pip package never ships the `harness/dock… - Verification depth: tier2_mock — all harness/module levels verified under a real dataset + depend… exec /bin/sh -lc 'cd /work/repo && .venv/bin/python -m pytest 2>&1 | tail -2; date -u +%Y-%m-%dT%H:%M:%S… succeeded in 3581ms: -- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html ======================== 22 passed, 1 warning in 3.50s ========================= 2026-10-21T08:02:49Z tokens used 6,273,661
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 7 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia Apache-2.0, según su plataforma de origen.
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 40 minutos en instalarse, más lento que la mediana de los 3 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 4 proyectos de coding-agents que Argusic ha instalado y cronometrado, HGM fue el 4.º más rápido en llegar a funcionar, y 3 de 4 llegaron a funcionar.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 1,26 |
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/hgm)Preguntas
- ¿Funciona HGM?
- HGM funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 40 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic HGM?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 013872d95da9. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar HGM?
- La ejecución que produjo este veredicto costó 1,26 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 HGM en instalarse?
- 40 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita HGM una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar HGM?
- 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 HGM con las alternativas?
- De los 4 proyectos de coding-agents que Argusic ha instalado y cronometrado, HGM fue el 4.º más rápido en llegar a funcionar, y 3 de 4 llegaron a funcionar.
- ¿Dónde está la evidencia de HGM?
- La ejecución registrada está 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.