minimind は動作しますか?

はい。minimind は動作します. Argusic はクリーンなマシンで 12 分でインストールして起動し、途中で 4 件のエラーに遭遇し、セッションを記録しました。

Argusic は minimind をどのようにテストしましたか?

新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット f659b55761b7 に固定)。記録された試行は 2 回で、手順の全体は評価方法のページに掲載しています。

minimind のテストにはいくらかかりましたか?

この判定を出した実行のコストは 0.07 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。

minimind のインストールにはどのくらい時間がかかりますか?

この判定を決めた実行では、クリーンなマシンから実行状態まで 12 分でした。これは 1 回の計測された試行であり、平均ではありません。

minimind には GPU が必要ですか?

起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。

minimind のインストールでは何がうまくいきませんか?

記録された実行では 4 件の問題が発生しました。そのうち 4 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。

minimind の証拠はどこにありますか?

記録された 2 回の実行すべてをこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。

英語の原文: https://argusic.com/subject/minimind

minimind

わずか 2h で 64M パラメータの LLM をゼロからトレーニングできます！

動作するソース: GitHub ホームページPythonApache-2.0コミット f659b55761b7

Python、Apache-2.0 ライセンス. プロジェクト自身の表記: artificial intelligence、large language model.

minimind は動作します。Argusic のエージェントが GPU のないクリーンなマシンで 12 分でインストールし、4 件のエラーに遭遇してすべてを自力で修正し、セッション全体が記録されました。

MiniMind 63.91M-parameter LLM installed in venv with all dependencies, inference works on CPU generating coherent multilingual responses, OpenAI-compatible API server responds 200, and both SFT and pretrain training pipelines run end-to-end with synthetic test data.
クリーンなマシンでエージェントが最終的に得た結果 (エージェント自身の言葉)。計測方法

Argusic が毎回新しいマシンで計測しています。 すべての数値はその証拠にリンクしています。 Argusic スコア 100 点中 100 点 (このプロジェクトの実行スコアの平均)。

概要

判定: 動作する
Argusic スコア: 100 / 100
検証した実行のコスト: 0.07 USD (実測)
記録された実行: 2
最終テスト: 2026-11-01
スター: 64,870
フォーク: 8,486
未解決の Issue: 61
ウォッチャー: 288
サイズ: 39 MB
作成日: 2024-07-27
最終プッシュ: 2026-10-27

プロジェクトのデータは GitHub から取得 (このページの冒頭にリンクあり)、更新日 2026-11-04。テストデータは Argusic によるもので (CC BY 4.0)、すべての数値は、完全なログ、録画、それらの sha256 ハッシュを含む実行ページにリンクしています。

計測した内容

この判定を決めた実行から取得しています。各行は記録された値であり、推定値ではありません。

minimind のテスト中に各失敗で失われた時間 (記録された実行から作成) — 各バーはエージェントが記録した失敗と、それにかかった時間です。この実行のデータのみから描いています。

うまくいかなかった点 (エージェント自身の言葉)

エージェント自身の言葉を、深刻なものから順に掲載しています。助言に書き換えることはありません。

Model weights (full_sft_768.pth, pretrain_768.pth) not found in ./out/5 分
Training scripts crashed with huggingface_hub error 'Repo id must use alphanumeric chars' for path '../model' and PermissionError on '../checkpoints'3 分
pip install blocked by PEP 668 externally-managed-environment1 分
ujson wheel build failed: missing Python.h development headers (unable to compile C extension)1 分

インストール時間: 12 分
クリーンなマシンから完了まで: 13 分
遭遇したエラーと修正したエラー: 4 件に遭遇、4 件を人の手を借りずに修正
結果の証明方法: eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU; curl POST to localhost:8998/v1/chat/completions returned HTTP 200 with valid JSON containing assistant response 'Hello! How can I assist you today?'; train_full_sft.py with 10-sample dataset completed 5 steps at exit 0; train_pretrain.py with 10-sample dataset completed 5 steps at exit 0
使用したモデルのトークン: 397,485
テストした正確なコミット: f659b55761b7
コンテナイメージ: sha256:cdd920bce783

計測していない内容

残りの半分です。この証拠がどこまでを示すのかを正確に確認できます。欠けている部分は欠けているものとして表示し、埋めることはありません。

GPU メモリのピーク: CPU マシンで実行したため、サンプリングする GPU がありませんでした
長時間の実行での振る舞い: 各試行はドキュメントにある最小の設定と決まった時間予算を使うため、計測しているのは動作するかどうかであり、負荷のもとでどう持ちこたえるかではありません

録画の最後

この判定を決めたターミナルセッションの最後の行を、記録されたとおりに表示しています。

    ],
    \"test_depth\": \"tier1_real\",
    \"notes\": \"All dependencies installed in venv. Model verified with real downloaded pytorch we…
    \"verified_how\": \"eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU…
    \"final_state\": \"MiniMind 63.91M-parameter LLM installed in venv with all dependencies, infer…
}
print(json.dumps(result, ensure_ascii=False))
PYEOF" in /work/repo
 succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 12, "errors": [{"msg": "pi…
tokens used
397,485

セッション全体を再生 (クリーンなマシンからこの時点までのすべてのコマンド)。

テスト方法

1 つのエージェント、1 つのコンテナで、人の手は借りません。エージェントはプロジェクト自身のドキュメントに書かれた方法でインストールし、実行し、壊れた部分を修正します。以下はすべて、実際に起きたとおりに記録されています: ターミナルセッション、ログ、そして正確なコミットです。評価方法の全文.

強みと限界

意見ではなく、計測された事実です。コンテンツの作成方法.

うまくいった点

クリーンなマシンで実行状態に達し、セッションが記録されました。
4 件のエラーすべてから、人の介入なしに回復しました。失敗が解決できる程度にはドキュメント化されていることを示しています。
GPU なしで動作したため、起動に GPU は必要ありません。
ホストの報告によると、ライセンスは Apache-2.0 です。
2 回計測しているため、一度きりの結果ではありません。

うまくいかなかった点、または不明な点

インストールに 12 分かかり、Argusic が計測した比較可能な 5 件のプロジェクトの中央値より遅い結果です。

Argusic がインストールして時間を計測した artificial-intelligence のプロジェクト 6 件のうち、minimind は実行状態に達するまでの速さが 6 番目で、6 件中 4 件がそもそも実行状態に達しました。

適している用途

ノートパソコンや小さなサーバーで試す場合: GPU なしで実行状態に達しました。

実行履歴

テスト担当	試行	結果	スコア	コスト (USD)	日時
Argusic Runner	2/3	動作した	100.00	0.07	2026-11-01 03:11 UTC
Argusic Runner	1/3	動作した	100.00	0.09	2026-10-05 07:28 UTC

トピック (出典: GitHub)

artificial-intelligence large-language-model

バッジを埋め込む

プロジェクトの README に貼る Markdown です。バッジはこのページにリンクします。利用条件: 利用規約ページ.

[![Tested by Argusic](https://argusic.com/badge/minimind.svg)](https://argusic.com/subject/minimind)

質問

minimind は動作しますか?: はい。minimind は動作します. Argusic はクリーンなマシンで 12 分でインストールして起動し、途中で 4 件のエラーに遭遇し、セッションを記録しました。
Argusic は minimind をどのようにテストしましたか?: 新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット f659b55761b7 に固定)。記録された試行は 2 回で、手順の全体は評価方法のページに掲載しています。
minimind のテストにはいくらかかりましたか?: この判定を出した実行のコストは 0.07 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。
minimind のインストールにはどのくらい時間がかかりますか?: この判定を決めた実行では、クリーンなマシンから実行状態まで 12 分でした。これは 1 回の計測された試行であり、平均ではありません。
minimind には GPU が必要ですか?: 起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。
minimind のインストールでは何がうまくいきませんか?: 記録された実行では 4 件の問題が発生しました。そのうち 4 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。
minimind は代替のプロジェクトと比べてどうですか?: Argusic がインストールして時間を計測した artificial-intelligence のプロジェクト 6 件のうち、minimind は実行状態に達するまでの速さが 6 番目で、6 件中 4 件がそもそも実行状態に達しました。
minimind の証拠はどこにありますか?: 記録された 2 回の実行すべてをこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。