Original em inglês: https://argusic.com/subject/gpt-image2-ecommerce
gpt-image2-ecommerce
Habilidade de geração de imagens de produto para e-commerce: 39 modelos de cenários, roteamento de modelos GPT-Image-2/2.5 (Flare/Sunburst), trava de consistência de campanha, conformidade com a plataforma. Skill de criação de imagens para e-commerce: 39 modelos de cenários × roteamento duplo de modelos × consistência do conjunto de imagens × conformidade com a plataforma.
Executa com mocksfonte: GitHubShellMITcommit 73abd50bf2b6
Shell, licença MIT. O projeto se descreve como: advertising, ai art, claude code, e commerce, ecommerce, ecommerce images, gpt image e gpt image 2.
gpt-image2-ecommerce executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 8 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
The repo installs in a Python venv, offline checks pass (39/39 scenario JSONs valid, imagegen.sh syntax valid, py_compile clean), manual mode exports prompt packs, and API mode generates images against an OpenAI-compatible endpoint and runs platform compliance checks with one bug fix applied.
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 92 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.
- collect_api_response in scripts/imagegen.sh silently fails under set -euo pipefail when endpoint returns no cost info (line 591: [[ -n "$FINAL_COST" ]] && log_event ... returns exit 1 on empty FINAL_COST)3 minutos
- Tempo de instalação
- 8 minutos
- Da máquina limpa até o fim
- 7 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- python3 scripts/test_offline.py -> 'offline checks: ok'. Mock OpenAI API endpoint (127.0.0.1:18888) + bash scripts/imagegen.sh --mode api -> {'ok':true,'data':{'images':['data:image/png;base64,...']}} exit 0. bash scripts/imagegen.sh --mode manual -> {'ok':true} prompt pack exported. python3 scripts/compliance_check.py --platform amazon -> white_bg:pass fg_ratio:pass ocr:skipped
- Tokens de modelo usados
- 314.615
- Commit exato testado
- 73abd50bf2b6
- 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
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
capture_output=True, text=True, timeout=30
)
env2 = json.loads(result2.stdout)
print(f\"white_bg: {env2['checks']['white_bg']['status']}, fg_ratio: {env2['checks']['foreground_ra…
server.shutdown()
PYEOF" in /work/repo
succeeded in 1822ms:
white_bg: pass, fg_ratio: pass, ocr: skipped
All done. Let me compile the final report.
tokens used
314,615
All done. Let me compile the final report.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
- Instalado em 8 minutos.
- 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.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
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 | 1/3 | Executa com mocks | 92,00 | 0,04 |
Tópicos (de GitHub)
advertisingai-artclaude-codee-commerceecommerceecommerce-imagesgpt-imagegpt-image-2gpt-image-2-5image-generationproduct-photographyprompt-templatessocial-media
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/gpt-image2-ecommerce)Perguntas
- gpt-image2-ecommerce executa?
- gpt-image2-ecommerce executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 8 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou gpt-image2-ecommerce?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 73abd50bf2b6. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar gpt-image2-ecommerce?
- A execução que produziu este veredito custou US$ 0,04: 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 gpt-image2-ecommerce?
- 8 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- gpt-image2-ecommerce 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 gpt-image2-ecommerce?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de gpt-image2-ecommerce?
- 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.