Original en inglés: https://argusic.com/subject/videocof
VideoCoF
[Destacado CVPR 2026] VideoCoF: edición de video unificada con razonador temporal
Funciona con mocksfuente: GitHubsitio webPythonApache-2.0commit 153e6bb31c59
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: diffusion models, long video editing, long video generation, video diffusion transformers, video editing, video generation y video to video.
VideoCoF funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 5 minutos y encontró 6 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Gradio demo app with 74 UI components serves HTTP 200 on port 7860, all core Python modules import successfully, video-to-video CoT pipeline construction verified, grounding instruction extraction works for all 4 task types
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.
- diffusers 0.42.1 requires torch.accelerator (PyTorch >=2.6) but torch 2.5.1 installed2 minutos
- Gradio 3.48 unable to launch with share=False due to container localhost unavailability; starlette/jinja2 version conflict caused TemplateResponse TypeError2 minutos
- scipy 1.18.1 requires numpy >=2.0 but numpy 1.26.4 was installed; numpy.long attribute missing1 minuto
- transformers 5.x removed FLAX_WEIGHTS_NAME import used by diffusers 0.311 minuto
- Gradio 4.x incompatible with app (gradio_client error, argparser mismatch); needed gradio 3.x1 minuto
- Missing asset/1.png gallery placeholder images referenced in videox_fun/ui/ui.py line 260-2670,5 minutos
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 13 minutos
- Errores encontrados y corregidos
- 6 encontrados, 6 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl -s http://127.0.0.1:7860/config returned 200 with version 3.48.0, mode=blocks, 74 components; curl -s -o /dev/null -w %{http_code} http://127.0.0.1:7860/ returned 200
- Tokens de modelo usados
- 136.155
- Commit exacto probado
- 153e6bb31c59
- 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.
verified_how: curl -s http://127.0.0.1:7860/config returned 200 with 74 components
final_state: Gradio demo app with 74 UI components serves HTTP 200 on port 7860
Here is my final assessment:
exec
/bin/sh -lc "cd /work/repo && echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"ins…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 5, "errors": [{"msg": "dif…
exec
/bin/sh -lc "printf 'ARGUSIC_RESULT:{\"install_succeeded\":true,\"launch_succeeded\":true,\"install…
succeeded in 0ms:
tokens used
136,155Reproducir 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 5 minutos.
- Se recuperó de los 6 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 | 0,22 |
Temas (de GitHub)
diffusion-modelslong-video-editinglong-video-generationvideo-diffusion-transformersvideo-editingvideo-generationvideo-to-video
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/videocof)Preguntas
- ¿Funciona VideoCoF?
- VideoCoF funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 6 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic VideoCoF?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 153e6bb31c59. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar VideoCoF?
- La ejecución que produjo este veredicto costó 0,22 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 VideoCoF en instalarse?
- 5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita VideoCoF una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar VideoCoF?
- En la ejecución registrada fallaron 6 cosas, y 6 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de VideoCoF?
- 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.