Original en inglés: https://argusic.com/subject/models
models
TUI y CLI para explorar models.dev, benchmarks, coding agents y estados de los proveedores de IA.
Funcionafuente: GitHubsitio webRustMITcommit 80f36dc86838
Rust, licencia MIT. El proyecto se describe a sí mismo como: ai, anamolyco, artificial analysis, benchmarks, coding agents, models dev, openclaw y ratatui.
models funciona. Un agent de Argusic lo instaló en 2 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The modelsdev Rust project compiles, passes all 518 tests, and its CLI (help, version, list, agents status, status list, completions) produces correct output.
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 60 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.
- Rust toolchain not installed (rustc, cargo missing)1 minuto
- Test failed: aa.json model count 679 outside expected band 450-6501 minuto
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 3 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- cargo test --all-features --bin models exited 0 (518 passed); cargo run -- --help returned usage; cargo run -- --version returned 'models 0.14.1'; cargo run -- list returned 679 models in a table; cargo run -- agents status fetched GitHub releases; cargo run -- status list showed 22 providers with health status
- Tokens de modelo usados
- 41.896
- Commit exacto probado
- 80f36dc86838
- 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
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
succeeded in 0ms:
Finished `dev` profile [unoptimized + debuginfo] target(s) in 0.08s
Running `target/debug/models completions bash`
_models() {
local i cur prev opts cmd
COMPREPLY=()
Now I have everything I need to compose the final report.
ARCUSIC_RESULT: {"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors…
tokens used
41,896
Now I have everything I need to compose the final report.
ARCUSIC_RESULT: {"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors…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 2 minutos, más rápido que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Se recuperó de los 2 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 2 veces, así que el resultado no es algo puntual.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, models fue el 39.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 2 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 | 2/3 | Funciona | 100,00 | 0,05 | |
| Argusic Runner | 1/3 | No funcionó | 20,00 | 0,00 |
Temas (de GitHub)
aianamolycoartificial-analysisbenchmarkscoding-agentsmodels-devopenclawratatuiruststatustui
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/models)Preguntas
- ¿Funciona models?
- Sí. models funciona. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic models?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 80f36dc86838. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar models?
- La ejecución que produjo este veredicto costó 0,05 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 models en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita models una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar models?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara models con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, models fue el 39.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de models?
- 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.