Original en inglés: https://argusic.com/subject/jcode
jcode
Harness de coding agent de alto rendimiento escrito en Rust, diseñado para flujos de trabajo de desarrollo multi-agent intensivos.
Funcionafuente: GitHubsitio webRustMITcommit ff6fb6359af5
Rust, licencia MIT. El proyecto se describe a sí mismo como: ai, ai agent, ai coding agent, claude, cli, coding agent, llm y mcp.
jcode funciona. Un agent de Argusic lo instaló en 7 minutos y encontró 2 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
jcode v0.81.7-dev is built from source, installed via symlinks in ~/.jcode/builds/current and ~/.local/bin, and works correctly with OpenRouter provider. jcode run and jcode repl both complete successfully with real AI responses.
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 80 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.
- 5 pre-existing unit test failures (orcarouter CLI choice missing, provider display name mismatch, auth status report missing Cerebras, followup message content mismatch)4 minutos
- Rust toolchain not installed1 minuto
- Tiempo de instalación
- 7 minutos
- De máquina en frío a terminar
- 20 minutos
- Errores encontrados y corregidos
- 2 encontrados, 1 corregidos sin ayuda humana
- Tokens de modelo usados
- 68.494
- Commit exacto probado
- ff6fb6359af5
- 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.
- Cómo se demostró el resultado
- las ejecuciones anteriores al 2026-09-07 no registraban el comando usado para comprobar el resultado
- 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.
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 7.0, "errors": [{"msg": "R…
exec
/bin/sh -lc 'ARGUSIC_RESULT: {"install_succeeded": true, "launch_succeeded": true, "install_minutes…
exited 127 in 0ms:
/bin/sh: 1: ARGUSIC_RESULT:: not found
exec
/bin/sh -lc "echo 'ARGUSIC_RESULT: {\"install_succeeded\": true, \"launch_succeeded\": true, \"inst…
succeeded in 0ms:
2026-09-05T04:53:52.735238Z ERROR codex_core::tools::router: error=cannot update goal because this …
tokens used
68,494Reproducir 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.
- 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.
Qué no salió bien, o no se sabe
- Tardó 7 minutos en instalarse, más lento que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Encontró 2 errores durante la instalación, 1 de ellos sin resolver.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, jcode fue el 127.º más rápido en llegar a funcionar, y 152 de 231 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 7 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
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 3/3 | Sin verificar | 70,00 | 0,42 | |
| Argusic Runner | 2/3 | Funciona | 90,00 | 0,21 | |
| Argusic Runner | 1/3 | Se quedó sin tiempo | 0,00 | 0,17 |
Temas (de GitHub)
aiai-agentai-coding-agentclaudeclicoding-agentllmmcpopenairustterminaltui
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/jcode)Preguntas
- ¿Funciona jcode?
- Sí. jcode funciona. Argusic lo instaló y lo inició en una máquina limpia en 7 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic jcode?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit ff6fb6359af5. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar jcode?
- La ejecución que produjo este veredicto costó 0,21 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 jcode en instalarse?
- 7 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita jcode una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar jcode?
- En la ejecución registrada fallaron 2 cosas, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara jcode con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, jcode fue el 127.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de jcode?
- 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.