SeaGOAT fonctionne-t-il ?

Oui. SeaGOAT fonctionne. Argusic l'a installé et lancé sur une machine propre en 1 minute, en rencontrant 1 erreur en route, et a enregistré la session.

Comment Argusic a-t-il testé SeaGOAT ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit dda7778020f4. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de SeaGOAT ?

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 SeaGOAT ?

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.

SeaGOAT 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 SeaGOAT ?

1 problème est survenu lors de l'exécution enregistrée, et 1 a été corrigé sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.

Où sont les preuves pour SeaGOAT ?

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.

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

SeaGOAT

moteur de recherche sémantique de code privilégiant le local

Fonctionnesource : GitHub page d'accueilPythonMITcommit dda7778020f4

Python, sous licence MIT. Le projet se décrit ainsi : ai, ai project, code search, code search engine, embeddings, grep, grep like et llm.

SeaGOAT fonctionne. Un agent Argusic l'a installé en 1 minute et a rencontré 1 erreur, corrigée sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.

SeaGOAT v1.2.0 installs via poetry, starts a local server, responds to status queries, and returns correct semantic search results for a test repository. 190 of 204 tests pass; 12 snapshot tests fail due to ONNX model processing timeout on this CPU.
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: 0,09 USD (mesuré)
exécutions enregistrées: 1
dernier test: 2026-10-08
étoiles: 1 316
forks: 96
issues ouvertes: 40
observateurs: 6
taille: 25 MB
créé le: 2023-06-20
dernier push: 2026-11-02

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 SeaGOAT, 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.

12 snapshot tests error: ONNX MiniLM embedding model inference times out (>120s) on CPU during test fixture setup5 minutes

Temps d'installation: 1 minute
De la machine vierge à la fin: 30 minutes
Erreurs rencontrées et corrigées: 1 rencontrée, 1 corrigée sans aide humaine
Comment le résultat a été prouvé: poetry install succeeded; seagoat-server start on /tmp/test-repo (port 19999) responded at /status with 'accuracy.percentage: 100'; gt 'hello world' /tmp/test-repo returned correct lines 'def hello():' and 'return 'world'' on stdout; 190/190 core tests passed (--timeout=60)
Tokens de modèle utilisés: 108 649
Commit exact testé: dda7778020f4
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_result_sorting: 5/5 passed
  - test_ripgrep: 8/8 passed
  - test_server: 21/21 passed
  - test_snapshot: 0/12 passed (ONNX timeout)
  - test_source_ripgrep: not found in earlier runs (assumed 0 collected)
Total core: 190/190 passed, snapshot: 0/12 errors, grand: 190/204
Now I have all the data. Let me compile the final report.
2026-10-08T23:13:31.385771Z ERROR codex_core::session: failed to record rollout items: thread 01a11…
2026-10-08T23:13:31.385952Z ERROR codex_core::session: failed to record rollout items: thread 01a11…
tokens used
108,649
Now I have all the data. Let me compile the final report.

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.
Installé en 1 minute, plus vite que la médiane des 230 projets comparables mesurés par Argusic.
S'est remis de 1 erreur 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 MIT, selon son hébergeur.

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

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, SeaGOAT a été le 29e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 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.
Une évaluation rapide : il fonctionnait 1 minute après le clone.

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	100,00	0,09	2026-10-08 23:13 UTC

Sujets (depuis GitHub)

ai ai-project code-search code-search-engine embeddings grep grep-like llm regular-expression ripgrep vector-database vector-embeddings

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/SeaGOAT.svg)](https://argusic.com/subject/seagoat)

Questions

SeaGOAT fonctionne-t-il ?: Oui. SeaGOAT fonctionne. Argusic l'a installé et lancé sur une machine propre en 1 minute, en rencontrant 1 erreur en route, et a enregistré la session.
Comment Argusic a-t-il testé SeaGOAT ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit dda7778020f4. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de SeaGOAT ?: 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 SeaGOAT ?: 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.
SeaGOAT 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 SeaGOAT ?: 1 problème est survenu lors de l'exécution enregistrée, et 1 a été corrigé sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Comment SeaGOAT se compare-t-il aux alternatives ?: Sur les 231 projets ai qu'Argusic a installés et chronométrés, SeaGOAT a été le 29e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.
Où sont les preuves pour SeaGOAT ?: 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.