Original en inglés: https://argusic.com/subject/vision-agents
Vision-Agents
Open Vision Agents de Stream. Crea agents de voz y visión rápidamente con cualquier modelo o proveedor de video. Usa la red perimetral de Stream para una latencia ultrabaja.
Funcionafuente: GitHubsitio webPythonApache-2.0commit 902db86438aa
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agentic ai, agents, ai, ai agents, realtime, stt, tts y video agents.
Vision-Agents funciona. Un agent de Argusic lo instaló en 12 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The vision-agents core framework plus anthropic, gemini, openai, deepgram, elevenlabs, getstream, and smart_turn plugins are installed; 733 unit tests pass, the CLI binary responds, and all selected plugin imports resolve correctly.
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 100 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.
- No space left on device while extracting torch/CUDA/nvidia wheels (triton, nvidia-cublas, torch) during full uv sync --all-extras --dev8 minutos
- Docker daemon not available — 10 tests in test_agent_launcher.py and 16 tests in test_redis_store.py raise DockerException on collection2 minutos
- Blockbuster blocks os.path.abspath during anthropic SDK credential loading — 9 errors in plugins/anthropic/tests/test_anthropic_llm.py1 minuto
- Tiempo de instalación
- 12 minutos
- De máquina en frío a terminar
- 42 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest tests/ -m 'not integration' --ignore=tests/test_agents/test_session_registry --ignore=tests/test_agents/test_agent_launcher --skip-blockbuster returned 733 passed, 10 deselected, 10 errors (all Docker). Plugin tests (anthropic+gemini+openai+deepgram+elevenlabs+getstream+smart_turn): 149 passed. CLI: 'uv run --no-sync vision-agents --help' returns usage; 'uv run --no-sync vision-agents --version' returns 0.0.1.dev1+g902db8643.
- Tokens de modelo usados
- 83.286
- Commit exacto probado
- 902db86438aa
- 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
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
none 7.8G 2.9G 4.6G 39% /
Now I have all the data needed for the final report. Let me record the full picture
exec
/bin/sh -lc 'export PATH="/home/runner/.local/bin:$PATH" && cd /work/repo && python3 -c "
from datetime import datetime
import time
print(f'"'Script started around: {datetime.now().isoformat()}')
\"" in /work/repo
succeeded in 0ms:
Script started around: 2026-09-28T04:57:28.207512
tokens used
83,286Reproducir 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
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Tardó 12 minutos en instalarse, más lento que la mediana de los 37 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 38 proyectos de agentic-ai que Argusic ha instalado y cronometrado, Vision-Agents fue el 24.º más rápido en llegar a funcionar, y 27 de 38 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
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
Temas (de GitHub)
agentic-aiagentsaiai-agentsrealtimesttttsvideo-agentsvideo-aivision-aivoice-ai
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/vision-agents)Preguntas
- ¿Funciona Vision-Agents?
- Sí. Vision-Agents funciona. Argusic lo instaló y lo inició en una máquina limpia en 12 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic Vision-Agents?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 902db86438aa. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar Vision-Agents?
- La ejecución que produjo este veredicto costó 0,10 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 Vision-Agents en instalarse?
- 12 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita Vision-Agents una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar Vision-Agents?
- 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 Vision-Agents con las alternativas?
- De los 38 proyectos de agentic-ai que Argusic ha instalado y cronometrado, Vision-Agents fue el 24.º más rápido en llegar a funcionar, y 27 de 38 llegaron a funcionar.
- ¿Dónde está la evidencia de Vision-Agents?
- 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.