Original en inglés: https://argusic.com/subject/qm
qm
Harness multijugador de agent para trabajo.
Funciona con mocksfuente: GitHubsitio webTypeScriptMITcommit 8adee4b06a59
TypeScript, licencia MIT. El proyecto se describe a sí mismo como: ai, assistant, harness y qm.
qm funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 2 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
After installing Node 24 and building the connector SDK, npm ci installs 730 packages, TypeScript compiles with zero errors, the test suite passes 2700+ tests across representative batches, and the core server starts listening on :8081 returning HTTP 401 (expected without authentication credentials).
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 56 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.
- Node.js 18.19.1 installed, project requires >=24.15.01 minuto
- Connector SDK bundle missing for some tests1 minuto
- 2 dev-supervisor-child tests fail on IPv6/port ownership assertion (timing-sensitive dev tool tests)
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 27 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- node --test (with --experimental-test-module-mocks) across 6 sampled batches totaling 2700+ tests passed with 0 failures (excluding 2 flaky dev-tool failures and skipped PG tests); TypeScript tsc --noEmit passes with 0 errors; server starts and answers HTTP 401 (expected auth challenge) on /
- Tokens de modelo usados
- 518.808
- Commit exacto probado
- 8adee4b06a59
- 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.
ℹ todo 0 ℹ duration_ms 467.633357 exec /bin/sh -lc 'export PATH="/tmp/node-v24.21.0-linux-x64/bin:$PATH" cd /work/repo && node --experimental-test-module-mocks --test test/agent-conversations-route.test.t… exited 1 in 31317ms: OK, now I have all the data. Here's the summary: 2026-09-26T11:00:30.595960Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T11:00:30.596004Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… tokens used 518,808 OK, now I have all the data. Here's the summary:
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 instaló en 2 minutos, más rápido que la mediana de los 230 proyectos comparables que ha medido Argusic.
- Se recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
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.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, qm fue el 39.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
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 con mocks | 92,00 | 0,11 | |
| Argusic Runner | 1/3 | No funcionó | 20,00 | 0,06 |
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/qm)Preguntas
- ¿Funciona qm?
- qm funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic qm?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 8adee4b06a59. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar qm?
- 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 qm 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 qm una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar qm?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara qm con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, qm fue el 39.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de qm?
- 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.