minimind fonctionne-t-il ?

Oui. minimind fonctionne. Argusic l'a installé et lancé sur une machine propre en 12 minutes, en rencontrant 4 erreurs en route, et a enregistré la session.

Comment Argusic a-t-il testé minimind ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f659b55761b7. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de minimind ?

L'exécution qui a produit ce verdict a coûté 0,07 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 minimind ?

12 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.

minimind 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 minimind ?

4 problèmes sont survenus lors de l'exécution enregistrée, et 4 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.

Où sont les preuves pour minimind ?

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.

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

minimind

Entraînez un LLM de 64M de paramètres à partir de zéro en seulement 2h!

Fonctionnesource : GitHub page d'accueilPythonApache-2.0commit f659b55761b7

Python, sous licence Apache-2.0. Le projet se décrit ainsi : artificial intelligence et large language model.

minimind fonctionne. Un agent Argusic l'a installé en 12 minutes et a rencontré 4 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.

MiniMind 63.91M-parameter LLM installed in venv with all dependencies, inference works on CPU generating coherent multilingual responses, OpenAI-compatible API server responds 200, and both SFT and pretrain training pipelines run end-to-end with synthetic test data.
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: 0,07 USD (mesuré)
exécutions enregistrées: 2
dernier test: 2026-11-01
étoiles: 64 870
forks: 8 486
issues ouvertes: 61
observateurs: 288
taille: 39 MB
créé le: 2024-07-27
dernier push: 2026-10-27

Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le 2026-11-04. 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 de minimind, 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.

Model weights (full_sft_768.pth, pretrain_768.pth) not found in ./out/5 minutes
Training scripts crashed with huggingface_hub error 'Repo id must use alphanumeric chars' for path '../model' and PermissionError on '../checkpoints'3 minutes
pip install blocked by PEP 668 externally-managed-environment1 minute
ujson wheel build failed: missing Python.h development headers (unable to compile C extension)1 minute

Temps d'installation: 12 minutes
De la machine vierge à la fin: 13 minutes
Erreurs rencontrées et corrigées: 4 rencontrées, 4 corrigées sans aide humaine
Comment le résultat a été prouvé: eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU; curl POST to localhost:8998/v1/chat/completions returned HTTP 200 with valid JSON containing assistant response 'Hello! How can I assist you today?'; train_full_sft.py with 10-sample dataset completed 5 steps at exit 0; train_pretrain.py with 10-sample dataset completed 5 steps at exit 0
Tokens de modèle utilisés: 397 485
Commit exact testé: f659b55761b7
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.

    ],
    \"test_depth\": \"tier1_real\",
    \"notes\": \"All dependencies installed in venv. Model verified with real downloaded pytorch we…
    \"verified_how\": \"eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU…
    \"final_state\": \"MiniMind 63.91M-parameter LLM installed in venv with all dependencies, infer…
}
print(json.dumps(result, ensure_ascii=False))
PYEOF" in /work/repo
 succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 12, "errors": [{"msg": "pi…
tokens used
397,485

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 4 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 12 minutes, plus lente que la médiane des 5 projets comparables mesurés par Argusic.

Sur les 6 projets artificial-intelligence qu'Argusic a installés et chronométrés, minimind a été le 6e plus rapide à atteindre un état de fonctionnement, et 4 sur 6 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 par	tentative	résultat	score	coût USD	date
Argusic Runner	2/3	Fonctionne	100,00	0,07	2026-11-01 03:11 UTC
Argusic Runner	1/3	Fonctionne	100,00	0,09	2026-10-05 07:28 UTC

Sujets (depuis GitHub)

artificial-intelligence large-language-model

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/minimind.svg)](https://argusic.com/subject/minimind)

Questions

minimind fonctionne-t-il ?: Oui. minimind fonctionne. Argusic l'a installé et lancé sur une machine propre en 12 minutes, en rencontrant 4 erreurs en route, et a enregistré la session.
Comment Argusic a-t-il testé minimind ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f659b55761b7. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de minimind ?: L'exécution qui a produit ce verdict a coûté 0,07 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 minimind ?: 12 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.
minimind 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 minimind ?: 4 problèmes sont survenus lors de l'exécution enregistrée, et 4 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Comment minimind se compare-t-il aux alternatives ?: Sur les 6 projets artificial-intelligence qu'Argusic a installés et chronométrés, minimind a été le 6e plus rapide à atteindre un état de fonctionnement, et 4 sur 6 en ont atteint un.
Où sont les preuves pour minimind ?: 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.