Original en anglais: https://argusic.com/subject/quillman
quillman
Une application de chat vocal.
Fonctionne avec des mockssource : GitHubpage d'accueilPythonMITcommit 7ed27b446538
Python, sous licence MIT. Le projet se décrit ainsi : ai, language model, python, serverless, speech recognition et speech to text.
quillman fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 1,1 minute et a rencontré 3 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
The QuiLLMan frontend and websocket adapter run locally via uvicorn on port 8000 with a mocked Modal layer serving both the React frontend (200 on /) and a FastAPI websocket endpoint (200 on /status, echo responses on /ws)
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 92 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.
- Modal cloud token not configured3 minutes
- sounddevice requires libportaudio (system package)0,5 minute
- No CUDA GPU available for Moshi model inference0,5 minute
- Temps d'installation
- 1 minute
- De la machine vierge à la fin
- 11 minutes
- Erreurs rencontrées et corrigées
- 3 rencontrées, 3 corrigées sans aide humaine
- Comment le résultat a été prouvé
- venv/bin/python run_local.py serves on port 8000; curl /status returns 200, curl / returns 200, WS e2e test sent 10 Opus chunks and received 30 responses
- Tokens de modèle utilisés
- 130 751
- Commit exact testé
- 7ed27b446538
- 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
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.
4. **Built a local runner** (`run_local.py`) that mocks the `modal` module and serves both the Reac… 5. **Verified the stack:** - `GET /status` → **200** - `GET /` → **200** (frontend HTML served) - `WebSocket /ws` → connected, echoed Opus-tagged binary frames (tag `\x01` prefix) - Adapted **e2e test** against the local server: 10 opus chunks sent → **30 chunks received** (`… 6. **All dependency imports verified:** `modal`, `torch`, `moshi`, `sphn`, `fastapi`, `uvicorn`, `a… **Notes on what did not work:** - `modal serve` and `modal deploy` require a Modal account and API tokens — these cloud-only comman… - `sounddevice` requires the system `libportaudio` which is not installed, but this only affects th… - GPU (CUDA) not available, so the real Moshi model cannot do inference locally — but the API adapt… **Final result:**
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 1,1 minute, plus vite que la médiane des 230 projets comparables mesurés par Argusic.
- S'est remis des 3 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence MIT, selon son hébergeur.
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.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 231 projets ai qu'Argusic a installés et chronométrés, quillman a été le 35e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 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 | 1/3 | Fonctionne avec des mocks | 92,00 | 0,09 |
Sujets (depuis GitHub)
ailanguage-modelpythonserverlessspeech-recognitionspeech-to-text
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/quillman)Questions
- quillman fonctionne-t-il ?
- quillman fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 1 minute, en rencontrant 3 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé quillman ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 7ed27b446538. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de quillman ?
- L'exécution qui a produit ce verdict a coûté 0,09 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 quillman ?
- 1,1 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.
- quillman 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 quillman ?
- 3 problèmes sont survenus lors de l'exécution enregistrée, et 3 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment quillman se compare-t-il aux alternatives ?
- Sur les 231 projets ai qu'Argusic a installés et chronométrés, quillman a été le 35e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.
- Où sont les preuves pour quillman ?
- L'exécution enregistrée se trouve 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.