Original em inglês: https://argusic.com/subject/gpt-load
gpt-load
Gateway de IA auto-hospedado para configurações multicanal e multicredencial: chaves de API e contas de assinatura, agendamento, failover, logs de requisições e uso.
Executafonte: GitHubpágina do projetoGoMITcommit ae59a0ae8515
Go, licença MIT. O projeto se descreve como: ai gateway, anthropic, api gateway, claude, claude code, codex, gemini e gin.
gpt-load executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 10 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
GPT-Load 2.0 binary builds, web UI compiles, server starts on 127.0.0.1:3001, health endpoint returns HTTP 200, auto-generates AUTH_KEY, and shuts down gracefully with all database migrations completed and catalog synced.
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.
- Go 1.27 not pre-installed in container2 minutos
- Node.js v18.19.1 too old (requires >=24.11.0), pnpm not installed2 minutos
- 6 tests fail in internal/webui (container_contract_test.go) - docker not found in PATH1 minuto
- Tempo de instalação
- 10 minutos
- Da máquina limpa até o fim
- 8 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- curl -s -o /dev/null -w '%{http_code}' http://127.0.0.1:3001/health returned HTTP 200; go test had 59 passed / 6 docker-skipped; binary built at 123MB; logs show clean startup and graceful shutdown
- Tokens de modelo usados
- 35.215
- Commit exato testado
- ae59a0ae8515
- 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 2, 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.
All done. Here's the summary: **Install**: Go 1.27.1 and Node 24.11.0 were not pre-installed — downloaded both and set them up al… **Launch**: `./gpt-load` starts cleanly, binds to `127.0.0.1:3001`, returns `HTTP 200` on `/health`… **Tests**: 59 of 65 test packages pass. The 6 failing tests in `internal/webui` (`container_contrac… **Result printed above as a single JSON line.** tokens used 35,215 All done. Here's the summary: **Install**: Go 1.27.1 and Node 24.11.0 were not pre-installed — downloaded both and set them up al… **Launch**: `./gpt-load` starts cleanly, binds to `127.0.0.1:3001`, returns `HTTP 200` on `/health`… **Tests**: 59 of 65 test packages pass. The 6 failing tests in `internal/webui` (`container_contrac… **Result printed above as a single JSON line.**
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 10 minutos, mais rápido que a mediana dos 22 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 3 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 MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 3 vezes, então o resultado não é um caso isolado.
Dos 23 projetos de ai-gateway que a Argusic instalou e cronometrou, gpt-load foi o 9º mais rápido a chegar a um estado de execução, e 17 de 23 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 10 minutos depois do clone.
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)
ai-gatewayanthropicapi-gatewayclaudeclaude-codecodexgeminigingogolangllmllm-gatewayload-balanceropenaiself-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/gpt-load)Perguntas
- gpt-load executa?
- Sim. gpt-load executa. A Argusic o instalou e iniciou em uma máquina limpa em 10 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou gpt-load?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit ae59a0ae8515. Há 3 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar gpt-load?
- A execução que produziu este veredito custou US$ 0,03: 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-load?
- 10 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- gpt-load 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-load?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como gpt-load se compara às alternativas?
- Dos 23 projetos de ai-gateway que a Argusic instalou e cronometrou, gpt-load foi o 9º mais rápido a chegar a um estado de execução, e 17 de 23 chegaram a esse estado.
- Onde estão as evidências de gpt-load?
- Todas as 3 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.