Original en inglés: https://argusic.com/subject/sandstorm
sandstorm
Ejecuta miles de entornos de pruebas para AI agents en las máquinas más baratas.
Funciona con mocksfuente: GitHubRustApache-2.0commit d27ab7c45212
Rust, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent infrastructure, ai agents, checkpoint restore, code execution, gvisor, rust, sandbox y self hosted.
sandstorm funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 15 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Sandstorm release build compiles, web console builds, all 412 tests pass, and the master API serves all endpoints (healthz, CA cert, sandboxes, nodes, templates, Prometheus metrics, and web console) on 127.0.0.1:8080 with --insecure-transport and --api-open. Node mode requires root for iptables/ip netns operations which are unavailable in this container.
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 92 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.
- iptables and ip not found: node backend failed with 'No such file or directory'3 minutos
- zstd not installed: 3 tests failed (crates/sandstorm-core/src/node/detach_tests.rs)2 minutos
- /run/sandstorm/ not writable: node mode failed to create /run/sandstorm/gateway-ports and /run/sandstorm/veth1 minuto
- Tiempo de instalación
- 15 minutos
- De máquina en frío a terminar
- 12 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- cargo test -p sandstorm-core exited 0 (412 passed); curl http://127.0.0.1:8080/healthz returned 'ok' (200); curl http://127.0.0.1:8080/ca.pem returned 200 (611 bytes); curl http://127.0.0.1:8080/v1/sandboxes returned [] (200); curl http://127.0.0.1:8080/v1/nodes returned [] (200); curl http://127.0.0.1:8080/v1/templates returned [] (200); curl http://127.0.0.1:8080/metrics returned Prometheus metrics (200); curl http://127.0.0.1:8080/ returned console HTML (200)
- Tokens de modelo usados
- 122.040
- Commit exacto probado
- d27ab7c45212
- 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
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
<meta name="viewport" content="width=device-width, initial-scale=1"> The master serves Prometheus metrics and the web console, all endpoints respond correctly. Now let … exec /bin/sh -lc 'echo "Current time:" && date -u +%s && echo "Total minutes estimate: TBD"' in /work/re… succeeded in 0ms: Current time: 1793604431 Total minutes estimate: TBD All verified. Here is the final result. tokens used 122,040 All verified. Here is the final result.
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 15 minutos, más rápido que la mediana de los 6 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 Apache-2.0, según su plataforma de origen.
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.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 7 proyectos de agent-infrastructure que Argusic ha instalado y cronometrado, sandstorm fue el 4.º más rápido en llegar a funcionar, y 6 de 7 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 | 1/3 | Funciona con mocks | 92,00 | 0,31 |
Temas (de GitHub)
agent-infrastructureai-agentscheckpoint-restorecode-executiongvisorrustsandboxself-hostedsnapshot
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/sandstorm)Preguntas
- ¿Funciona sandstorm?
- sandstorm funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 15 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic sandstorm?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit d27ab7c45212. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar sandstorm?
- La ejecución que produjo este veredicto costó 0,31 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 sandstorm en instalarse?
- 15 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita sandstorm una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar sandstorm?
- 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 sandstorm con las alternativas?
- De los 7 proyectos de agent-infrastructure que Argusic ha instalado y cronometrado, sandstorm fue el 4.º más rápido en llegar a funcionar, y 6 de 7 llegaron a funcionar.
- ¿Dónde está la evidencia de sandstorm?
- 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.