Sim. im-not-ai executa. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 0 erros no caminho, e gravou a sessão.

Como a Argusic testou im-not-ai?

Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 2f3d943d0805. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.

Quanto custou testar im-not-ai?

A execução que produziu este veredito custou US$ 0,05: 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 im-not-ai?

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

im-not-ai 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 im-not-ai?

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

Onde estão as evidências de im-not-ai?

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.

Original em inglês: https://argusic.com/subject/im-not-ai

im-not-ai

Habilidade do Claude que refina textos coreanos escritos por IA para parecerem escritos por humanos. Humanizador de texto coreano gerado por IA: detecta e reescreve tradutês, paralelismo mecânico e outros 71 indícios de IA.

Executafonte: GitHub página do projetoPythonMITcommit 2f3d943d0805

Python, licença MIT. O projeto se descreve como: agent skills, ai detection, claude, claude code, claude skill, humanizer, korean e korean nlp.

im-not-ai executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 1 minuto e não encontrou nenhum erro, e a sessão inteira foi gravada.

Humanize KR (im-not-ai) v2.3.2 Codex skill installed at ~/.codex/skills/humanize-korean; all 383 tests pass; core analysis pipeline (metrics, route_hint routing, 5-axis gates, chunking, sanitization, change-rate verification) works end-to-end on sample Korean AI-tainted text.
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

veredito: Executa
Pontuação Argusic: 100 / 100
custo da execução de verificação: US$ 0,05 (medido)
execuções registradas: 1
último teste: 2026-09-30
estrelas: 6.394
forks: 709
issues abertas: 16
observadores: 8
tamanho: 1 MB
criado em: 2026-04-24
último push: 2026-10-12

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: 1 minuto
Da máquina limpa até o fim: 9 minutos
Erros encontrados e corrigidos: 0 encontrados, 0 corrigidos sem ajuda humana
Como o resultado foi comprovado: python3 -m unittest discover tests/ exited 0, 383 passed, 2 skipped
Tokens de modelo usados: 124.733
Commit exato testado: 2f3d943d0805
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.

\" 2>&1" in /work/repo
 exited 1 in 1446ms:
Traceback (most recent call last):
  File "<string>", line 6, in <module>
IndexError: list index out of range
exec
/bin/sh -lc "cd /work/repo && python3 -m unittest discover tests/ 2>&1 | grep -E '"'^(Ran |OK|FAILE…
 succeeded in 1417ms:
Ran 383 tests in 1.468s
OK (skipped=2)
tokens used
124,733

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 1 minuto, mais rápido que a mediana dos 106 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 MIT, segundo a plataforma onde o projeto está hospedado.

O que não deu certo, ou não se sabe

Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.

Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, im-not-ai foi o 22º mais rápido a chegar a um estado de execução, e 78 de 107 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 1 minuto 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	1/3	Executa	100,00	0,05	2026-09-30 07:24 UTC

Tópicos (de GitHub)

agent-skills ai-detection claude claude-code claude-skill humanizer korean korean-nlp llm nlp translationese writing

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/im-not-ai.svg)](https://argusic.com/subject/im-not-ai)

Perguntas

im-not-ai executa?: Sim. im-not-ai executa. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 0 erros no caminho, e gravou a sessão.
Como a Argusic testou im-not-ai?: Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 2f3d943d0805. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
Quanto custou testar im-not-ai?: A execução que produziu este veredito custou US$ 0,05: 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 im-not-ai?: 1 minuto na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
im-not-ai 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 im-not-ai?: Nada deu errado na execução registrada: zero erros entre o clone e a execução.
Como im-not-ai se compara às alternativas?: Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, im-not-ai foi o 22º mais rápido a chegar a um estado de execução, e 78 de 107 chegaram a esse estado.
Onde estão as evidências de im-not-ai?: 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.