Original en inglés: https://argusic.com/subject/private-gpt
private-gpt
Capa de API completa para aplicaciones privadas de IA en modelos locales: RAG, skills, tools, MCP, text-to-sql y más. Funciona con cualquier servidor de inferencia compatible con OpenAI.
Funcionafuente: GitHubsitio webPythonApache-2.0commit 065814007608
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: ai, ai tools y on premise.
private-gpt funciona. Un agent de Argusic lo instaló en 10 minutos y encontró 5 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
PrivateGPT server launches with mock LLM/embedding models on port 18080, responds to /v1/models, /health, and /v1/messages API endpoints. Test suite: 2079 passed, 1 failed (pre-existing), 4 errors (transient DB state).
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.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Missing libmagic system library (python-magic dependency)5 minutos
- Missing celery, pandas, anthropic extras2 minutos
- settings-mock.yaml had no model definitions, server could not register models2 minutos
- Python 3.11 required but 3.12 present in container1 minuto
- Mock profile not loaded from APP_ENV env var - profiles use PGPT_PROFILES
- Tiempo de instalación
- 10 minutos
- De máquina en frío a terminar
- 51 minutos
- Errores encontrados y corregidos
- 5 encontrados, 5 corregidos sin ayuda humana
- Tokens de modelo usados
- 477.726
- Commit exacto probado
- 065814007608
- 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.
'test_depth': 'tier1_real',
'notes': 'Pre-existing test bug in tests/components/multimodality/test_describe_audio.py::test_…
'final_state': 'PrivateGPT server launches with mock LLM/embedding models on port 18080, respon…
}
print(json.dumps(result))
\"" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 10, "errors": [{"msg": "Py…
2026-09-05T20:54:38.062617Z ERROR codex_core::session: failed to record rollout items: thread 01a07…
2026-09-05T20:54:38.062659Z ERROR codex_core::session: failed to record rollout items: thread 01a07…
tokens used
477,726Reproducir 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 recuperó de los 5 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 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
- Tardó 10 minutos en instalarse, más lento que la mediana de los 230 proyectos comparables que ha medido Argusic.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, private-gpt fue el 154.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 10 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 | 1/3 | Funciona | 100,00 | 0,20 | |
| Argusic Runner | 2/3 | Se quedó sin tiempo | 0,00 | 0,20 | |
| Argusic Runner | 1/3 | Se quedó sin tiempo | 0,00 | 0,22 |
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/private-gpt)Preguntas
- ¿Funciona private-gpt?
- Sí. private-gpt funciona. Argusic lo instaló y lo inició en una máquina limpia en 10 minutos, con 5 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic private-gpt?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 065814007608. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar private-gpt?
- La ejecución que produjo este veredicto costó 0,20 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 private-gpt en instalarse?
- 10 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita private-gpt una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar private-gpt?
- En la ejecución registrada fallaron 5 cosas, y 5 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara private-gpt con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, private-gpt fue el 154.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de private-gpt?
- 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.