Original en anglais: https://argusic.com/subject/experiential

experiential

Experiential est la passerelle open source sans marge pour les modèles BYOK, les modèles auto-hébergés et plus de 1000 modèles marketplace. Il apprend de votre trafic pour réduire les coûts, recommander de meilleurs modèles et entraîner un modèle spécialisé que vous possédez.

Fonctionnesource : GitHubpage d'accueilPythonApache-2.0commit 1253c82fe479

Python, sous licence Apache-2.0.

experiential fonctionne. Un agent Argusic l'a installé en 45 minutes et a rencontré 7 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.

The experiential project installs cleanly under uv on Python 3.13 with the native Rust gateway extension built from source; all quality gates pass, 8396 of 8397 container-runnable tests pass, and the initialized loopback gateway serves health, models, non-stream and stream chat completions, and usage accounting against a local mock OpenAI-compatible upstream.

Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré

Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).

En un coup d'œil

verdict
Fonctionne
Score Argusic
100 / 100
coût de l'exécution de vérification
0,47 USD (mesuré)
exécutions enregistrées
2
dernier test
étoiles
14 793
forks
285
issues ouvertes
150
observateurs
15
taille
103 MB
créé le
dernier push

Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.

Ce qui a été mesuré

Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.

Temps perdu à cause de chaque échec lors du test d'experiential, tiré de l'exécution enregistrée
Chaque barre est un échec enregistré par l'agent, avec le temps qu'il a coûté. Tiré de cette exécution, et de nulle part ailleurs.

Ce qui s'est mal passé, dans les mots de l'agent

Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.

  • uv sync on system Python 3.12 left venv incomplete; repo gates need 3.1315 minutes
  • TERM unset made ~77 rich picker PTY tests fail (non-interactive fallback)10 minutes
  • rustc/cargo not installed; native gateway crate requires them6 minutes
  • test_prepared_snapshot_rejects_path_and_content_races[rewrite] fails on overlayfs ctime semantics in this container5 minutes
  • macOS-only capture lock test fails on Linux because pwd exists and ~/Library 0755 trips fail-closed ancestor check3 minutes
  • uv not installed in container2 minutes
Temps d'installation
45 minutes
De la machine vierge à la fin
74 minutes
Erreurs rencontrées et corrigées
7 rencontrées, 7 corrigées sans aide humaine
Comment le résultat a été prouvé
uv sync --extra dev exited 0; ruff check/format --check and ty check all reported All checks passed; .venv/bin/pytest -q = 8396 passed, 1 env-expected failure, 60 skipped; curl -s http://127.0.0.1:8000/health/ready returned 200 with body {"status":"ready"}; curl POST /v1/chat/completions with exp_vk_ key returned HTTP 200 with id chatcmpl_9feeeb47b3a8e4b60f01741637ca166a and content "Hello" via mock upstream; SSE stream returned chunks ending data: [DONE]
Tokens de modèle utilisés
1 697 702
Commit exact testé
1253c82fe479
Image de conteneur
sha256:cdd920bce783

Ce qui n'a pas été mesuré

L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.

Pic de mémoire GPU
cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
Comportement sur une longue durée
chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge

La fin de l'enregistrement

Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.

- Full pytest: **8396 passed, 1 failed (capture-lock env test), 1 error (flaky terminal-tasks test …
- Live gateway on loopback:
  - `exp config gateway init/provider add openai-compatible/alias create opus-5/identity create/gra…
  - `exp --root /tmp/exp-root-test --non-interactive --json --check` -> `{"status":"ready",...}` ex…
  - `exp --root ... --port 8000` launched; process stayed up (PID constant across probes).
  - `GET /health/ready` → 200 `{"status":"ready"}`.
  - `GET /v1/models` with issued `exp_vk_…` key → 200 listing the granted `opus-5` alias.
  - `POST /v1/chat/completions` (Bearer key, `{"model":"opus-5",...}`) → 200 real completion `"id":…
  - Streaming → 200 SSE `data:` chunks ending `data: [DONE]`.
  - `GET /usage` → 200 HTML accounting page (per-identity request/attempt/token tables); SQLite `ga…
  - 502s observed only when the background mock upstream had died between exec sessions (proven by …
**Honest scoping:** I did not run `exp build`/`exp optimize`/SFT (require real hosted provider keys…

Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.

Comment le test a été mené

Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.

Points forts et limites

Des faits mesurés, pas des opinions. Comment ce site est rédigé.

Ce qui s'est bien passé

  • A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
  • S'est remis des 7 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
  • A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
  • Sous licence Apache-2.0, selon son hébergeur.
  • Mesuré 2 fois, le résultat n'est donc pas un cas isolé.

Ce qui ne s'est pas bien passé, ou n'est pas connu

  • Installation en 45 minutes, plus lente que la médiane des 46 projets comparables mesurés par Argusic.

Sur les 47 projets Python qu'Argusic a installés et chronométrés, experiential a été le 47e plus rapide à atteindre un état de fonctionnement, et 28 sur 47 en ont atteint un.

Pour quoi c'est un choix raisonnable

  • L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.

Historique des exécutions

testé partentativerésultatscorecoût USDdate
Argusic Runner2/3Fonctionne100,000,47
Argusic Runner1/3Fonctionne100,000,32

Intégrer le badge

Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.

[![Tested by Argusic](https://argusic.com/badge/experiential.svg)](https://argusic.com/subject/experiential)

Questions

experiential fonctionne-t-il ?
Oui. experiential fonctionne. Argusic l'a installé et lancé sur une machine propre en 45 minutes, en rencontrant 7 erreurs en route, et a enregistré la session.
Comment Argusic a-t-il testé experiential ?
Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 1253c82fe479. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test d'experiential ?
L'exécution qui a produit ce verdict a coûté 0,47 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
Combien de temps faut-il pour installer experiential ?
45 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
experiential a-t-il besoin d'un GPU ?
Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
Qu'est-ce qui pose problème lors de l'installation d'experiential ?
7 problèmes sont survenus lors de l'exécution enregistrée, et 7 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Comment experiential se compare-t-il aux alternatives ?
Sur les 47 projets Python qu'Argusic a installés et chronométrés, experiential a été le 47e plus rapide à atteindre un état de fonctionnement, et 28 sur 47 en ont atteint un.
Où sont les preuves pour experiential ?
Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.

Discussion