Original em inglês: https://argusic.com/subject/minimind
minimind
Treine um LLM de 64M de parâmetros do zero em apenas 2h!
Executafonte: GitHubpágina do projetoPythonApache-2.0commit f659b55761b7
Python, licença Apache-2.0. O projeto se descreve como: artificial intelligence e large language model.
minimind executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 12 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
MiniMind 63.91M-parameter LLM installed in venv with all dependencies, inference works on CPU generating coherent multilingual responses, OpenAI-compatible API server responds 200, and both SFT and pretrain training pipelines run end-to-end with synthetic test data.
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.
- Model weights (full_sft_768.pth, pretrain_768.pth) not found in ./out/5 minutos
- Training scripts crashed with huggingface_hub error 'Repo id must use alphanumeric chars' for path '../model' and PermissionError on '../checkpoints'3 minutos
- pip install blocked by PEP 668 externally-managed-environment1 minuto
- ujson wheel build failed: missing Python.h development headers (unable to compile C extension)1 minuto
- Tempo de instalação
- 12 minutos
- Da máquina limpa até o fim
- 13 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU; curl POST to localhost:8998/v1/chat/completions returned HTTP 200 with valid JSON containing assistant response 'Hello! How can I assist you today?'; train_full_sft.py with 10-sample dataset completed 5 steps at exit 0; train_pretrain.py with 10-sample dataset completed 5 steps at exit 0
- Tokens de modelo usados
- 397.485
- Commit exato testado
- f659b55761b7
- 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.
],
\"test_depth\": \"tier1_real\",
\"notes\": \"All dependencies installed in venv. Model verified with real downloaded pytorch we…
\"verified_how\": \"eval_llm.py with 8 test prompts generated coherent Chinese responses on CPU…
\"final_state\": \"MiniMind 63.91M-parameter LLM installed in venv with all dependencies, infer…
}
print(json.dumps(result, ensure_ascii=False))
PYEOF" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 12, "errors": [{"msg": "pi…
tokens used
397,485Reproduzir 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 4 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 12 minutos para instalar, mais devagar que a mediana dos 5 projetos comparáveis que a Argusic mediu.
Dos 6 projetos de artificial-intelligence que a Argusic instalou e cronometrou, minimind foi o 6º mais rápido a chegar a um estado de execução, e 4 de 6 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
Tópicos (de GitHub)
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/minimind)Perguntas
- minimind executa?
- Sim. minimind executa. A Argusic o instalou e iniciou em uma máquina limpa em 12 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou minimind?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f659b55761b7. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar minimind?
- A execução que produziu este veredito custou US$ 0,07: 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 minimind?
- 12 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- minimind 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 minimind?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como minimind se compara às alternativas?
- Dos 6 projetos de artificial-intelligence que a Argusic instalou e cronometrou, minimind foi o 6º mais rápido a chegar a um estado de execução, e 4 de 6 chegaram a esse estado.
- Onde estão as evidências de minimind?
- 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.