Original em inglês: https://argusic.com/subject/exo
exo
Execute Frontier AI localmente.
Executafonte: GitHubPythonApache-2.0commit 21a54c5ea023
Python, licença Apache-2.0.
exo executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 20 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
exo installed on Ubuntu 24.04 x86_64 with uv, Rust nightly, and Python 3.13; all non-MLX tests pass (232 passed, 5 skipped), the server starts and serves its OpenAI-compatible API on port 52415 returning HTTP 200 with model list
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 96 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.
- Rust toolchain not installed5 minutos
- uv not installed1 minuto
- exo_tools module not found in test conftest1 minuto
- Rust test had stale method signature (missing discovery_service_port arg)1 minuto
- Tempo de instalação
- 20 minutos
- Da máquina limpa até o fim
- 26 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- uv run pytest --ignore=src/exo/worker --ignore=src/exo/download exited 0, 232 passed 5 skipped; curl -s -o /dev/null -w '%{http_code}' http://localhost:52415/v1/models returned 200; server printed 'Dashboard & API Ready' banner
- Tokens de modelo usados
- 115.865
- Commit exato testado
- 21a54c5ea023
- 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
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em . O veredito acima vem de outra tentativa, então veja isto como uma sessão e não como o resultado atual. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
- Installed Rust nightly (1.101.0-nightly) via rustup - Built the Svelte dashboard (`cd dashboard && npm install && npm run build`) - Synced Python deps with `uv sync --extra mlx-none` (no GPU/MLX needed for core tests) - Installed `exo-tools` package that test conftest.py depends on (`uv pip install -e tools/`) - Fixed a Rust test that had a stale method signature (missing `discovery_service_port` arg) **Verification performed:** - **Tests**: `uv run pytest --ignore=src/exo/worker --ignore=src/exo/download` — **232 passed, 5 sk… - **Launch**: `uv run exo --offline --no-downloads` started, elected itself Master, printed "Dashbo… - **API**: `curl http://localhost:52415/v1/models` returned **HTTP 200** with a full model list (10… - **Chat endpoint**: returned 404 "No instance found" — expected, since no MLX backend was loaded - **Linting**: `ruff check` — all checks passed The test suite for non-MLX-dependent code is clean and the server launches + serves its API correct…
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.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, 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
- Levou 20 minutos para instalar, mais devagar que a mediana dos 46 projetos comparáveis que a Argusic mediu.
Dos 47 projetos de Python que a Argusic instalou e cronometrou, exo foi o 45º mais rápido a chegar a um estado de execução, e 28 de 47 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.
Histórico de execuções
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/exo)Perguntas
- exo executa?
- Sim. exo executa. A Argusic o instalou e iniciou em uma máquina limpa em 20 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou exo?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 21a54c5ea023. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar exo?
- A execução que produziu este veredito custou US$ 0,14: 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 exo?
- 20 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- exo 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 exo?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como exo se compara às alternativas?
- Dos 47 projetos de Python que a Argusic instalou e cronometrou, exo foi o 45º mais rápido a chegar a um estado de execução, e 28 de 47 chegaram a esse estado.
- Onde estão as evidências de exo?
- 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.