VideoCoF fonctionne-t-il ?

VideoCoF fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 5 minutes, en rencontrant 6 erreurs en route, et a enregistré la session.

Comment Argusic a-t-il testé VideoCoF ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 153e6bb31c59. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de VideoCoF ?

L'exécution qui a produit ce verdict a coûté 0,22 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 VideoCoF ?

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.

VideoCoF 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 VideoCoF ?

6 problèmes sont survenus lors de l'exécution enregistrée, et 6 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.

Où sont les preuves pour VideoCoF ?

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/videocof

VideoCoF

[CVPR 2026 Mise en avant] VideoCoF: Montage vidéo unifié avec un raisonneur temporel

Fonctionne avec des mockssource : GitHub page d'accueilPythonApache-2.0commit 153e6bb31c59

Python, sous licence Apache-2.0. Le projet se décrit ainsi : diffusion models, long video editing, long video generation, video diffusion transformers, video editing, video generation et video to video.

VideoCoF fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 5 minutes et a rencontré 6 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.

Gradio demo app with 74 UI components serves HTTP 200 on port 7860, all core Python modules import successfully, video-to-video CoT pipeline construction verified, grounding instruction extraction works for all 4 task types
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

verdict: Fonctionne avec des mocks
Score Argusic: 92 / 100
coût de l'exécution de vérification: 0,22 USD (mesuré)
exécutions enregistrées: 1
dernier test: 2026-10-31
étoiles: 210
forks: 15
issues ouvertes: 2
observateurs: 3
taille: 15 MB
créé le: 2025-12-07
dernier push: 2026-10-06

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 VideoCoF, 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.

diffusers 0.42.1 requires torch.accelerator (PyTorch >=2.6) but torch 2.5.1 installed2 minutes
Gradio 3.48 unable to launch with share=False due to container localhost unavailability; starlette/jinja2 version conflict caused TemplateResponse TypeError2 minutes
scipy 1.18.1 requires numpy >=2.0 but numpy 1.26.4 was installed; numpy.long attribute missing1 minute
transformers 5.x removed FLAX_WEIGHTS_NAME import used by diffusers 0.311 minute
Gradio 4.x incompatible with app (gradio_client error, argparser mismatch); needed gradio 3.x1 minute
Missing asset/1.png gallery placeholder images referenced in videox_fun/ui/ui.py line 260-2670,5 minute

Temps d'installation: 5 minutes
De la machine vierge à la fin: 13 minutes
Erreurs rencontrées et corrigées: 6 rencontrées, 6 corrigées sans aide humaine
Comment le résultat a été prouvé: curl -s http://127.0.0.1:7860/config returned 200 with version 3.48.0, mode=blocks, 74 components; curl -s -o /dev/null -w %{http_code} http://127.0.0.1:7860/ returned 200
Tokens de modèle utilisés: 136 155
Commit exact testé: 153e6bb31c59
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.

verified_how: curl -s http://127.0.0.1:7860/config returned 200 with 74 components
final_state: Gradio demo app with 74 UI components serves HTTP 200 on port 7860
Here is my final assessment:
exec
/bin/sh -lc "cd /work/repo && echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"ins…
 succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 5, "errors": [{"msg": "dif…
exec
/bin/sh -lc "printf 'ARGUSIC_RESULT:{\"install_succeeded\":true,\"launch_succeeded\":true,\"install…
 succeeded in 0ms:
tokens used
136,155

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 5 minutes.
S'est remis des 6 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.

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.

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	0,22	2026-10-31 00:25 UTC

Sujets (depuis GitHub)

diffusion-models long-video-editing long-video-generation video-diffusion-transformers video-editing video-generation video-to-video

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/VideoCoF.svg)](https://argusic.com/subject/videocof)

Questions

VideoCoF fonctionne-t-il ?: VideoCoF fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 5 minutes, en rencontrant 6 erreurs en route, et a enregistré la session.
Comment Argusic a-t-il testé VideoCoF ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 153e6bb31c59. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de VideoCoF ?: L'exécution qui a produit ce verdict a coûté 0,22 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 VideoCoF ?: 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.
VideoCoF 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 VideoCoF ?: 6 problèmes sont survenus lors de l'exécution enregistrée, et 6 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Où sont les preuves pour VideoCoF ?: 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.