Original en anglais: https://argusic.com/subject/splash
splash
Un moteur d'inférence local pour Apple silicon, construit autour du modèle.
Fonctionne avec des mockssource : GitHubpage d'accueilC++Apache-2.0commit c64a578fcfaa
C++, sous licence Apache-2.0. Le projet se décrit ainsi : apple silicon, coding agents, llm inference, macos, metal et speculative decoding.
splash fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 1 minute et a rencontré 4 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
Python server components (installer, launcher, model catalog, HTTP server, API protocol, images, documents, chat templates, constraints, tools, tokenization, crash tracing) pass ~1031 tests on Linux. Native Metal inference engine requires macOS 26.4+ Apple Silicon and Xcode.
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 71 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.
- Native Metal engine requires macOS (Apple Silicon) + Xcode
- test_package.py: 13 failures - Apple Silicon check in install.sh
- test_makefile.py: 3 failures - requires xcrun and lockf (macOS)
- test_build_identity.py: 1 failure - requires xcrun
- Temps d'installation
- 1 minute
- De la machine vierge à la fin
- 34 minutes
- Erreurs rencontrées et corrigées
- 4 rencontrées, 4 corrigées sans aide humaine
- Comment le résultat a été prouvé
- .venv/bin/python -m unittest dev.tests.test_server dev.tests.test_models dev.tests.test_weight_preparation_identity dev.tests.test_gguf_metadata dev.tests.test_installer_restarts + 43 engine test modules: Ran ~1031 tests, all OK. ServerTest covers /health, /status, /v1/models, /v1/chat/completions, /v1/responses, /v1/messages with mock NativeBackend. Full suite: python3 -m unittest discover -s dev/tests -p 'test_*.py': 286 passed; python3 -m unittest discover -s dev/tests/engine -p 'test_*.py': 543 passed (8 skipped), 14 platform failures (macOS-only), 2 errors
- Tokens de modèle utilisés
- 189 433
- Commit exact testé
- c64a578fcfaa
- 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.
- 543 engine tests with FakeRuntime (passed): all the Python server logic, protocol, images, docume… - 286 top-level tests (passed): model catalog, GGUF metadata, server endpoints, weight preparation … - 202 ServerTest tests (passed): full HTTP server with mock native backend, covering health, status… - Total: ~1031 tests pass **Platform failures (expected, cannot fix without macOS):** - `test_package.py` (13 failures): requires macOS `install.sh` which rejects `Splash runs on Apple … - `test_makefile.py` (3 failures): requires `xcrun`, `lockf`, and macOS platform check - `test_build_identity.py` (1 failure): requires `xcrun` - `test_request_contract.py` (1 error): requires `select.kqueue` (BSD/macOS only) **Test pollution issues (pass in isolation):** - `test_http_boundaries.HttpBoundaryTests.test_opt_in_crash_files_have_a_total_retention_limit` - p… - `test_upstream.UpstreamTest.test_verify_checks_full_content_and_rejects_same_size_changes` - poll…
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 minute, plus vite que la médiane des 5 projets comparables mesurés par Argusic.
- S'est remis des 4 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- 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
- 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 6 projets apple-silicon qu'Argusic a installés et chronométrés, splash a été le plus rapide à atteindre un état de fonctionnement, et 2 sur 6 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 | 2/3 | Fonctionne avec des mocks | 92,00 | 0,15 | |
| Argusic Runner | 1/3 | N'a pas fonctionné | 50,00 | 0,17 |
Sujets (depuis GitHub)
apple-siliconcoding-agentsllm-inferencemacosmetalspeculative-decoding
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/splash)Questions
- splash fonctionne-t-il ?
- splash 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 4 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé splash ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit c64a578fcfaa. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de splash ?
- L'exécution qui a produit ce verdict a coûté 0,15 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 splash ?
- 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.
- splash 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 splash ?
- 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 splash se compare-t-il aux alternatives ?
- Sur les 6 projets apple-silicon qu'Argusic a installés et chronométrés, splash a été le plus rapide à atteindre un état de fonctionnement, et 2 sur 6 en ont atteint un.
- Où sont les preuves pour splash ?
- 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.