Original em inglês: https://argusic.com/subject/experiential
experiential
Experiential é o gateway de código aberto e zero markup para modelos BYOK, auto-hospedados e 1000+ modelos de marketplace. Ele aprende com o seu tráfego para reduzir custos, recomendar modelos melhores e treinar um modelo especializado que você possui.
Executafonte: GitHubpágina do projetoPythonApache-2.0commit 1253c82fe479
Python, licença Apache-2.0.
experiential executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 45 minutos e encontrou 7 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
The experiential project installs cleanly under uv on Python 3.13 with the native Rust gateway extension built from source; all quality gates pass, 8396 of 8397 container-runnable tests pass, and the initialized loopback gateway serves health, models, non-stream and stream chat completions, and usage accounting against a local mock OpenAI-compatible upstream.
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.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- uv sync on system Python 3.12 left venv incomplete; repo gates need 3.1315 minutos
- TERM unset made ~77 rich picker PTY tests fail (non-interactive fallback)10 minutos
- rustc/cargo not installed; native gateway crate requires them6 minutos
- test_prepared_snapshot_rejects_path_and_content_races[rewrite] fails on overlayfs ctime semantics in this container5 minutos
- macOS-only capture lock test fails on Linux because pwd exists and ~/Library 0755 trips fail-closed ancestor check3 minutos
- uv not installed in container2 minutos
- Tempo de instalação
- 45 minutos
- Da máquina limpa até o fim
- 74 minutos
- Erros encontrados e corrigidos
- 7 encontrados, 7 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- uv sync --extra dev exited 0; ruff check/format --check and ty check all reported All checks passed; .venv/bin/pytest -q = 8396 passed, 1 env-expected failure, 60 skipped; curl -s http://127.0.0.1:8000/health/ready returned 200 with body {"status":"ready"}; curl POST /v1/chat/completions with exp_vk_ key returned HTTP 200 with id chatcmpl_9feeeb47b3a8e4b60f01741637ca166a and content "Hello" via mock upstream; SSE stream returned chunks ending data: [DONE]
- Tokens de modelo usados
- 1.697.702
- Commit exato testado
- 1253c82fe479
- 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.
- Full pytest: **8396 passed, 1 failed (capture-lock env test), 1 error (flaky terminal-tasks test …
- Live gateway on loopback:
- `exp config gateway init/provider add openai-compatible/alias create opus-5/identity create/gra…
- `exp --root /tmp/exp-root-test --non-interactive --json --check` -> `{"status":"ready",...}` ex…
- `exp --root ... --port 8000` launched; process stayed up (PID constant across probes).
- `GET /health/ready` → 200 `{"status":"ready"}`.
- `GET /v1/models` with issued `exp_vk_…` key → 200 listing the granted `opus-5` alias.
- `POST /v1/chat/completions` (Bearer key, `{"model":"opus-5",...}`) → 200 real completion `"id":…
- Streaming → 200 SSE `data:` chunks ending `data: [DONE]`.
- `GET /usage` → 200 HTML accounting page (per-identity request/attempt/token tables); SQLite `ga…
- 502s observed only when the background mock upstream had died between exec sessions (proven by …
**Honest scoping:** I did not run `exp build`/`exp optimize`/SFT (require real hosted provider keys…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 7 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 45 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, experiential foi o 47º 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/experiential)Perguntas
- experiential executa?
- Sim. experiential executa. A Argusic o instalou e iniciou em uma máquina limpa em 45 minutos, encontrando 7 erros no caminho, e gravou a sessão.
- Como a Argusic testou experiential?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 1253c82fe479. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar experiential?
- A execução que produziu este veredito custou US$ 0,47: 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 experiential?
- 45 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- experiential 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 experiential?
- 7 coisas quebraram na execução registrada, e 7 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como experiential se compara às alternativas?
- Dos 47 projetos de Python que a Argusic instalou e cronometrou, experiential foi o 47º mais rápido a chegar a um estado de execução, e 28 de 47 chegaram a esse estado.
- Onde estão as evidências de experiential?
- 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.