Original en inglés: https://argusic.com/subject/nearbeach
NearBeach
NearBeach es una herramienta de gestión de proyectos de código abierto que te ayuda a hacer seguimiento de tu proyecto. Puedes rastrear requisitos, proyectos y tareas.
Funcionafuente: GitHubsitio webCSSMITcommit dd051a04714a
CSS, licencia MIT. El proyecto se describe a sí mismo como: django, django application, open source, opensource, project management, python y python3.
NearBeach funciona. Un agent de Argusic lo instaló en 6 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
NearBeach project management system installed and fully functional. Python Django backend and JavaScript Vue.js frontend both build and pass all tests without errors.
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.
- Tiempo de instalación
- 6 minutos
- De máquina en frío a terminar
- 17 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- Django test suite: 114 tests passed (OK). Vitest frontend: 169 files, 172 tests passed. Django dev server starts and responds HTTP 302 on GET /.
- Tokens de modelo usados
- 75.250
- Commit exacto probado
- dd051a04714a
- 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.
--- Django test count ---
Ran 114 tests in 72.036s
exec
/bin/sh -lc 'cd /work/repo && . venv/bin/activate && python -m django test NearBeach.tests --settin…
I have all the data I need. Let me compile the final result.
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 2…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors": [], "test_dep…
2026-10-30T03:36:46.216363Z ERROR codex_core::session: failed to record rollout items: thread 01a18…
tokens used
75,250Reproducir 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 6 minutos, más rápido que la mediana de los 4 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 5 proyectos de django que Argusic ha instalado y cronometrado, NearBeach fue el 2.º más rápido en llegar a funcionar, y 4 de 5 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 6 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
Historial de ejecuciones
Temas (de GitHub)
djangodjango-applicationopen-sourceopensourceproject-managementpythonpython3
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/nearbeach)Preguntas
- ¿Funciona NearBeach?
- Sí. NearBeach funciona. Argusic lo instaló y lo inició en una máquina limpia en 6 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic NearBeach?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit dd051a04714a. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar NearBeach?
- La ejecución que produjo este veredicto costó 0,11 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 NearBeach en instalarse?
- 6 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita NearBeach una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar NearBeach?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara NearBeach con las alternativas?
- De los 5 proyectos de django que Argusic ha instalado y cronometrado, NearBeach fue el 2.º más rápido en llegar a funcionar, y 4 de 5 llegaron a funcionar.
- ¿Dónde está la evidencia de NearBeach?
- 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.