Original en anglais: https://argusic.com/subject/gpt-researcher
gpt-researcher
Un agent autonome qui mène des recherches approfondies sur n'importe quelles données en utilisant n'importe quels fournisseurs de LLM.
Fonctionne avec des mockssource : GitHubpage d'accueilPythonApache-2.0commit 6f998577d547
Python, sous licence Apache-2.0. Le projet se décrit ainsi : agent, ai, automation, deepresearch, llms, mcp, mcp server et python.
gpt-researcher fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 1,7 minute et n'a rencontré aucune erreur sur une machine propre sans GPU, et toute la session a été enregistrée.
The GPT Researcher package is installed in a Python venv. The FastAPI backend server launches, listens on 0.0.0.0:8000, and serves the GPT Researcher frontend (HTTP 200). The CLI help works. 410 of 411 tests pass under --forked isolation; 2 integration tests require real OpenAI credentials and are skipped. No code was modified.
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 89,8 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
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 d'installation
- 2 minutes
- De la machine vierge à la fin
- 23 minutes
- Erreurs rencontrées et corrigées
- 0 rencontrée, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- uvicorn server started on port 8000, 'curl -s -o /dev/null -w %{http_code} localhost:8000/' returned 200; 410/411 tests passed with --forked isolation (pre-existing ordering pollution in test harness; all pass individually)
- Tokens de modèle utilisés
- 142 110
- Commit exact testé
- 6f998577d547
- 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
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 2, exécutée le . Le verdict ci-dessus provient d'une autre tentative : considérez donc ceci comme une session parmi d'autres, et non comme le résultat actuel. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
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.
**No code modifications were needed** — the repository works out of the box in this container. 2026-09-22T01:39:00.466374Z ERROR codex_core::session: failed to record rollout items: thread 01a0c… 2026-09-22T01:39:00.466408Z ERROR codex_core::session: failed to record rollout items: thread 01a0c… 2026-09-22T01:39:00.466429Z ERROR codex_core::session: failed to record rollout items: thread 01a0c… tokens used 142,110 Here's the full report: **Install**: `pip install -e .` succeeded inside a Python venv (2 min). **Server**: Launched via `uvicorn backend.server.app:app` on port 8000. `curl` returned **HTTP 200*… **CLI**: `python cli.py --help` prints all available report types, tones, and options. **Tests**: 410 passed, 1 skipped (`--forked` isolation). The 13 apparent failures in the non-forked… **No code modifications were needed** — the repository works out of the box in this container.
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
- Installé en 1,7 minute, plus vite que la médiane des 134 projets comparables mesurés par Argusic.
- Rien n'a cassé en route : zéro erreur entre le clone et le fonctionnement.
- Sous licence Apache-2.0, selon son hébergeur.
- Mesuré 3 fois, le résultat n'est donc pas un cas isolé.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
Sur les 135 projets agent qu'Argusic a installés et chronométrés, gpt-researcher a été le 26e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 en ont atteint un.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 3/3 | Fonctionne avec des mocks | 92,00 | 0,12 | |
| Argusic Runner | 2/3 | Fonctionne avec des mocks | 92,00 | 0,33 | |
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 85,33 | 0,20 |
Sujets (depuis GitHub)
agentaiautomationdeepresearchllmsmcpmcp-serverpythonresearchsearchwebscraping
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/gpt-researcher)Questions
- gpt-researcher fonctionne-t-il ?
- gpt-researcher fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 2 minutes, en rencontrant 0 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé gpt-researcher ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 6f998577d547. 3 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de gpt-researcher ?
- L'exécution qui a produit ce verdict a coûté 0,12 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 gpt-researcher ?
- 1,7 minute 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.
- gpt-researcher 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 de gpt-researcher ?
- Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.
- Comment gpt-researcher se compare-t-il aux alternatives ?
- Sur les 135 projets agent qu'Argusic a installés et chronométrés, gpt-researcher a été le 26e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 en ont atteint un.
- Où sont les preuves pour gpt-researcher ?
- Les 3 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.