Original em inglês: https://argusic.com/subject/deep-research
deep-research
Usa qualquer LLM (Large Language Models) para Deep Research. Suporta API SSE e servidor MCP.
Não foi possível verificarfonte: GitHubpágina do projetoJavaScriptMITcommit 4a211edd9fac
JavaScript, licença MIT. O projeto se descreve como: anthropic, deep research, deep research api, deepresearch, deepseek, gemini, grok e mcp server.
A Argusic não conseguiu fazer deep-research executar. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 17 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
pnpm dependencies installed, next build completed with all 25 route handlers compiled, and the production server serves the Deep Research Next.js app at localhost:3000 responding HTTP 200 with a fully rendered page.
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 80 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.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- next build killed by OOM (8GB cgroup limit) during static page generation2 minutos
- Tempo de instalação
- 17 minutos
- Da máquina limpa até o fim
- 17 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- curl http://localhost:3000/ returned HTTP 200 with 28136 byte HTML body containing <title>Deep Research</title> and full app shell; curl -X POST http://localhost:3000/api/mcp returned HTTP 200
- Tokens de modelo usados
- 42.791
- Commit exato testado
- 4a211edd9fac
- 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
- Se ele funciona de algum modo
- esta execução não verificou nada, então esta página não afirma nada em nenhum sentido
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
/work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/catch.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/description.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/index.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/string-formats.test… /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/date.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/zod/src/v4/classic/tests/datetime.test.ts /work/repo/node_modules/.pnpm/[email protected]/node_modules/cytoscape/tests-examples/demo-todo-app.… /work/repo/node_modules/.pnpm/[email protected]/node_modules/cytoscape/playwright-tests/renderer.spe… All verified successfully. Here's the final result: tokens used 42,791 All verified successfully. Here's the final result:
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
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Um agent sem limite de tempo não conseguiu fazê-lo executar.
- Levou 17 minutos para instalar, mais devagar que a mediana dos 9 projetos comparáveis que a Argusic mediu.
Dos 10 projetos de anthropic que a Argusic instalou e cronometrou, deep-research foi o 8º mais rápido a chegar a um estado de execução, e 5 de 10 chegaram a esse estado.
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
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Não verificado | 80,00 | 0,05 | |
| Argusic Runner | 1/3 | Não verificado | 80,00 | 0,12 |
Tópicos (de GitHub)
anthropicdeep-researchdeep-research-apideepresearchdeepseekgeminigrokmcp-serverollamaopenai
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/deep-research)Perguntas
- deep-research executa?
- A Argusic não conseguiu verificar se deep-research executa. A Argusic o instalou e iniciou em uma máquina limpa em 17 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou deep-research?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 4a211edd9fac. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar deep-research?
- 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 deep-research?
- 17 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- deep-research 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 deep-research?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como deep-research se compara às alternativas?
- Dos 10 projetos de anthropic que a Argusic instalou e cronometrou, deep-research foi o 8º mais rápido a chegar a um estado de execução, e 5 de 10 chegaram a esse estado.
- Onde estão as evidências de deep-research?
- Todas as 2 execuções registradas estão 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.