Sim. iFixAi executa. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 0 erros no caminho, e gravou a sessão.

Como a Argusic testou iFixAi?

Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit a97869975ff7. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.

Quanto custou testar iFixAi?

A execução que produziu este veredito custou US$ 0,02: 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 iFixAi?

2,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.

iFixAi 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 iFixAi?

Nada deu errado na execução registrada: zero erros entre o clone e a execução.

Onde estão as evidências de iFixAi?

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.

Original em inglês: https://argusic.com/subject/ifixai

iFixAi

Auditoria independente de AI agents. Executada por humano ou pelo próprio agent, para responder à pergunta mais crucial na economia de AI agents. O agent está fazendo o que deveria fazer? Com o iFixAi você pode ter essa resposta em menos de 120 segundos.

Executafonte: GitHub página do projetoPythonApache-2.0commit a97869975ff7

Python, licença Apache-2.0. O projeto se descreve como: agent evaluation, ai, ai alignment, ai evaluation, ai governance, ai safety, cli e diagnostic tool.

iFixAi executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2,5 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.

ifixai is installed in a venv, passes layout validation, ruff linting, and bandit security scan, and runs all 60 inspections against the mock provider, producing JSON and Markdown reports.
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

veredito: Executa
Pontuação Argusic: 96 / 100
custo da execução de verificação: US$ 0,02 (medido)
execuções registradas: 2
último teste: 2026-11-01
estrelas: 43.378
forks: 1.783
issues abertas: 5
observadores: 469
tamanho: 29 MB
criado em: 2026-04-27
último push: 2026-11-02

Dados do projeto de GitHub, com link no topo desta página, atualizado em 2026-11-04. 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.

Tempo de instalação: 3 minutos
Da máquina limpa até o fim: 3 minutos
Erros encontrados e corrigidos: 0 encontrados, 0 corrigidos sem ajuda humana
Como o resultado foi comprovado: pip install -e '.[openai,dev]' exited 0; ruff check ifixai passed; bandit -r ifixai -ll passed; ifixai validate passed (60 tests); ifixai validate checked 11/11 example fixtures as Valid; ifixai run --provider mock --api-key not-used --eval-mode self executed all 60 inspections in 11s and wrote JSON+Markdown reports; ifixai list suites/tests/fixtures/categories all returned structured data
Tokens de modelo usados: 149.691
Commit exato testado: a97869975ff7
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.

/bin/sh -lc "cd /work/repo && . .venv/bin/activate && python3 -c \"
import pathlib
# check reports exist
r = list(pathlib.Path('ifixai-results').glob('*.json'))
print(f'Report JSONs produced: {len(r)}')
\" 2>&1" in /work/repo
 succeeded in 0ms:
Report JSONs produced: 3
All checks passed with zero errors. Here is the final report:
tokens used
149,691
All checks passed with zero errors. Here is 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

Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
Instalado em 2,5 minutos, mais rápido que a mediana dos 3 projetos comparáveis que a Argusic mediu.
Nada quebrou no caminho: zero erros entre o clone e a execução.
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.

Dos 4 projetos de agent-evaluation que a Argusic instalou e cronometrou, iFixAi foi o 1º mais rápido a chegar a um estado de execução, e 2 de 4 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 2,5 minutos depois do clone.
Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.

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	Executa com mocks	92,00	0,05	2026-11-01 22:19 UTC
Argusic Runner	1/3	Executa	100,00	0,02	2026-09-26 10:19 UTC

Incorporar o selo

Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.

[![Tested by Argusic](https://argusic.com/badge/iFixAi.svg)](https://argusic.com/subject/ifixai)

Perguntas

iFixAi executa?: Sim. iFixAi executa. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 0 erros no caminho, e gravou a sessão.
Como a Argusic testou iFixAi?: Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit a97869975ff7. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
Quanto custou testar iFixAi?: A execução que produziu este veredito custou US$ 0,02: 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 iFixAi?: 2,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
iFixAi 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 iFixAi?: Nada deu errado na execução registrada: zero erros entre o clone e a execução.
Como iFixAi se compara às alternativas?: Dos 4 projetos de agent-evaluation que a Argusic instalou e cronometrou, iFixAi foi o 1º mais rápido a chegar a um estado de execução, e 2 de 4 chegaram a esse estado.
Onde estão as evidências de iFixAi?: 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.