Original en inglés: https://argusic.com/subject/splash
splash
Un motor de inferencia local para Apple silicon, construido alrededor del modelo.
Funciona con mocksfuente: GitHubsitio webC++Apache-2.0commit c64a578fcfaa
C++, licencia Apache-2.0. El proyecto se describe a sí mismo como: apple silicon, coding agents, llm inference, macos, metal y speculative decoding.
splash funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 1 minuto y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Python server components (installer, launcher, model catalog, HTTP server, API protocol, images, documents, chat templates, constraints, tools, tokenization, crash tracing) pass ~1031 tests on Linux. Native Metal inference engine requires macOS 26.4+ Apple Silicon and Xcode.
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 71 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.
- Native Metal engine requires macOS (Apple Silicon) + Xcode
- test_package.py: 13 failures - Apple Silicon check in install.sh
- test_makefile.py: 3 failures - requires xcrun and lockf (macOS)
- test_build_identity.py: 1 failure - requires xcrun
- Tiempo de instalación
- 1 minutos
- De máquina en frío a terminar
- 34 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- .venv/bin/python -m unittest dev.tests.test_server dev.tests.test_models dev.tests.test_weight_preparation_identity dev.tests.test_gguf_metadata dev.tests.test_installer_restarts + 43 engine test modules: Ran ~1031 tests, all OK. ServerTest covers /health, /status, /v1/models, /v1/chat/completions, /v1/responses, /v1/messages with mock NativeBackend. Full suite: python3 -m unittest discover -s dev/tests -p 'test_*.py': 286 passed; python3 -m unittest discover -s dev/tests/engine -p 'test_*.py': 543 passed (8 skipped), 14 platform failures (macOS-only), 2 errors
- Tokens de modelo usados
- 189.433
- Commit exacto probado
- c64a578fcfaa
- 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.
- 543 engine tests with FakeRuntime (passed): all the Python server logic, protocol, images, docume… - 286 top-level tests (passed): model catalog, GGUF metadata, server endpoints, weight preparation … - 202 ServerTest tests (passed): full HTTP server with mock native backend, covering health, status… - Total: ~1031 tests pass **Platform failures (expected, cannot fix without macOS):** - `test_package.py` (13 failures): requires macOS `install.sh` which rejects `Splash runs on Apple … - `test_makefile.py` (3 failures): requires `xcrun`, `lockf`, and macOS platform check - `test_build_identity.py` (1 failure): requires `xcrun` - `test_request_contract.py` (1 error): requires `select.kqueue` (BSD/macOS only) **Test pollution issues (pass in isolation):** - `test_http_boundaries.HttpBoundaryTests.test_opt_in_crash_files_have_a_total_retention_limit` - p… - `test_upstream.UpstreamTest.test_verify_checks_full_content_and_rejects_same_size_changes` - poll…
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 1 minuto, más rápido que la mediana de los 5 proyectos comparables que ha medido Argusic.
- Se recuperó de los 4 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.
- 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 6 proyectos de apple-silicon que Argusic ha instalado y cronometrado, splash fue el 1.º más rápido en llegar a funcionar, y 2 de 6 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 | 0,15 | |
| Argusic Runner | 1/3 | No funcionó | 50,00 | 0,17 |
Temas (de GitHub)
apple-siliconcoding-agentsllm-inferencemacosmetalspeculative-decoding
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/splash)Preguntas
- ¿Funciona splash?
- splash funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic splash?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit c64a578fcfaa. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar splash?
- La ejecución que produjo este veredicto costó 0,15 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 splash en instalarse?
- 1 minuto en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita splash una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar splash?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara splash con las alternativas?
- De los 6 proyectos de apple-silicon que Argusic ha instalado y cronometrado, splash fue el 1.º más rápido en llegar a funcionar, y 2 de 6 llegaron a funcionar.
- ¿Dónde está la evidencia de splash?
- 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.