Original en inglés: https://argusic.com/subject/vector-db-benchmark
vector-db-benchmark
Framework para benchmarking de motores de búsqueda vectorial
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit 871a0b2ea6d6
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: benchmark, vector database, vector search y vector search engine.
vector-db-benchmark 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.
All 11 parser tests pass, the run.py CLI shows help, and all 118 engine + 58 dataset configs load. The repo is ready to use with running backend servers.
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.
- Test failed: test_parse_converts_exact_match expected double-quoted syntax but parser produces curly-braces syntax1 minuto
- pytest fails importing 'engine' module when run without -m flag (package-mode=false skips installing package into site-packages)1 minuto
- First poetry install failed due to missing virtualenv cshell deactivate file (race condition in virtualenv), resolved by re-running1 minuto
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 3 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- cd /work/repo && /work/repo/.venv/bin/python -m pytest tests/ -v exited 0, 11 passed
- Tokens de modelo usados
- 48.440
- Commit exacto probado
- 871a0b2ea6d6
- 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.
All 11 tests pass. Let me compute elapsed time: - Started ~09:03:41 UTC (when the first `ls` ran) - Current: 09:13:49 UTC - Total: ~10 minutes Here's the final report: tokens used 48,440 All 11 tests pass. Let me compute elapsed time: - Started ~09:03:41 UTC (when the first `ls` ran) - Current: 09:13:49 UTC - Total: ~10 minutes Here's the final report:
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.
- 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.
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 | 0,04 |
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/vector-db-benchmark)Preguntas
- ¿Funciona vector-db-benchmark?
- vector-db-benchmark 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 vector-db-benchmark?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 871a0b2ea6d6. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar vector-db-benchmark?
- La ejecución que produjo este veredicto costó 0,04 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 vector-db-benchmark 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 vector-db-benchmark una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar vector-db-benchmark?
- 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.
- ¿Dónde está la evidencia de vector-db-benchmark?
- 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.