Original en anglais: https://argusic.com/subject/optillm
optillm
Optimisation du proxy d'inférence pour les LLM
Fonctionnesource : GitHubPythonApache-2.0commit eaf171aa6da5
Python, sous licence Apache-2.0. Le projet se décrit ainsi : agent, agentic ai, agentic framework, agentic workflow, agents, api gateway, chain of thought et genai.
optillm fonctionne. Un agent Argusic l'a installé en 18,5 minutes et a rencontré 2 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
OptiLLM package installed in a venv, plugins load correctly, CLI entry point works, test suite runs 153/163 passing (10 skipped due to MLX/environment conditions), and the local inference server starts, accepts HTTP requests, and generates real LLM responses with the codelion/dhara-250m model.
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 60 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.
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.
- mcp v2.2.0 missing mcp.client.websocket module2,5 minutes
- test_batching.py, test_reasoning_tokens.py can't find test_utils0,5 minute
- Temps d'installation
- 19 minutes
- De la machine vierge à la fin
- 22 minutes
- Erreurs rencontrées et corrigées
- 2 rencontrées, 2 corrigées sans aide humaine
- Comment le résultat a été prouvé
- curl -s -X POST http://localhost:8005/v1/chat/completions -H 'Content-Type: application/json' -H 'Authorization: Bearer optillm' -d '{"model":"codelion/dhara-250m","messages":[{"role":"user","content":"Hi"}],"max_tokens":10}' returned 200 with generated text; server health endpoint returned {"status":"ok"}
- Tokens de modèle utilisés
- 109 796
- Commit exact testé
- eaf171aa6da5
- 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_utils` not found from root dir in test_batching.py / test_reasoning_tokens.py → set `PYTHON… **Tests excluded** (need real API keys or a GPU): `test_api_compatibility.py`, `test_conversation_l… tokens used 109,796 Here's the summary of everything I did and found. **Install**: Created a venv, installed the package with `pip install -e .`. One dependency issue: t… **Tests run**: 153 passed, 10 skipped, 0 failed across all test suites that don't need external API… **Server verification (local inference)**: Started the server on port 8005 with `codelion/dhara-250… **Errors encountered and fixes**: - `mcp.client.websocket` not found in mcp v2.2.0 → installed mcp v1.30.0 - `test_utils` not found from root dir in test_batching.py / test_reasoning_tokens.py → set `PYTHON… **Tests excluded** (need real API keys or a GPU): `test_api_compatibility.py`, `test_conversation_l…
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 2 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 18,5 minutes, plus lente que la médiane des 134 projets comparables mesurés par Argusic.
Sur les 135 projets agent qu'Argusic a installés et chronométrés, optillm a été le 111e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 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.
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 | 2/3 | Fonctionne | 100,00 | 0,11 | |
| Argusic Runner | 1/3 | N'a pas fonctionné | 20,00 | 0,20 |
Sujets (depuis GitHub)
agentagentic-aiagentic-frameworkagentic-workflowagentsapi-gatewaychain-of-thoughtgenailarge-language-modelsllmllm-inferencellmapimixture-of-expertsmoamonte-carlo-tree-searchopenaiopenai-apioptimizationprompt-engineeringproxy-server
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/optillm)Questions
- optillm fonctionne-t-il ?
- Oui. optillm fonctionne. Argusic l'a installé et lancé sur une machine propre en 19 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé optillm ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit eaf171aa6da5. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test d'optillm ?
- L'exécution qui a produit ce verdict a coûté 0,11 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 optillm ?
- 18,5 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.
- optillm 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'optillm ?
- 2 problèmes sont survenus lors de l'exécution enregistrée, et 2 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment optillm se compare-t-il aux alternatives ?
- Sur les 135 projets agent qu'Argusic a installés et chronométrés, optillm a été le 111e plus rapide à atteindre un état de fonctionnement, et 87 sur 135 en ont atteint un.
- Où sont les preuves pour optillm ?
- 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.