Original em inglês: https://argusic.com/subject/ccload
ccLoad
Gateway de API de IA auto-hospedado para Claude Code, Codex e Gemini: agrupar chaves de API e contas de assinatura atrás de um único endpoint com failover, conversão de protocolo e acompanhamento de custos.
Executafonte: GitHubpágina do projetoGoMITcommit cb482969c559
Go, licença MIT. O projeto se descreve como: ai, ai gateway, anthropic, api proxy, claude api, claude code, codex e codex cli.
ccLoad executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,5 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
Binary builds, server starts and listens on :8080, health endpoint returns 200, admin login/auth flow works, all 49 Go test packages pass, all 284 JS frontend tests pass, model catalog syncs 244 models from models.dev.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 10 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- go test -count=1 ./internal/... passed 49 packages, node --test passed 284/284 web tests, curl http://localhost:8080/health returned 200, curl http://localhost:8080/admin/channels returned 200 with Bearer auth token
- Tokens de modelo usados
- 382.003
- Commit exato testado
- cb482969c559
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**Server launch**: The app starts cleanly via `./ccload` (fresh SQLite DB auto-migrated). Verified …
- `GET /health` → HTTP 200, `{"success":true,"data":{"status":"ok"}}`
- `GET /` → HTTP 302 (redirects to web dashboard)
- `GET /web/` → HTTP 200 (dashboard HTML served)
- `POST /login` (admin password) → HTTP 200, session token returned
- `GET /admin/channels` (with Bearer token) → HTTP 200, `{"data":[]}`
- `GET /admin/settings` (with Bearer token) → HTTP 200, 64 settings loaded
- `GET /public/summary` → HTTP 200, stats returned
- `GET /public/version` → HTTP 200, version info returned
- Wrong password → HTTP 401, rate limiter tracks attempts
- Missing auth → HTTP 401
**Model catalog**: Successfully synced 244 models from 11 providers via models.dev API.Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 0,5 minutos, mais rápido que a mediana dos 230 projetos comparáveis que a Argusic mediu.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 231 projetos de ai que a Argusic instalou e cronometrou, ccLoad foi o 14º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 0,5 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
aiai-gatewayanthropicapi-proxyclaude-apiclaude-codecodexcodex-clicost-controlfailovergeminigolangllm-proxyload-balancermonitoringopenaiopenai-apiprotocol-transformreverse-proxyself-hosted
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/ccload)Perguntas
- ccLoad executa?
- Sim. ccLoad executa. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou ccLoad?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit cb482969c559. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar ccLoad?
- A execução que produziu este veredito custou US$ 0,05: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar ccLoad?
- 0,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- ccLoad precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar ccLoad?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como ccLoad se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, ccLoad foi o 14º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de ccLoad?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.