Original em inglês: https://argusic.com/subject/nearbeach
NearBeach
NearBeach é uma ferramenta de gerenciamento de projetos de código aberto, ajudando você a acompanhar seu projeto. Você pode acompanhar requisitos, projetos e tarefas.
Executafonte: GitHubpágina do projetoCSSMITcommit dd051a04714a
CSS, licença MIT. O projeto se descreve como: django, django application, open source, opensource, project management, python e python3.
NearBeach executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 6 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
NearBeach project management system installed and fully functional. Python Django backend and JavaScript Vue.js frontend both build and pass all tests without errors.
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.
- Tempo de instalação
- 6 minutos
- Da máquina limpa até o fim
- 17 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- Django test suite: 114 tests passed (OK). Vitest frontend: 169 files, 172 tests passed. Django dev server starts and responds HTTP 302 on GET /.
- Tokens de modelo usados
- 75.250
- Commit exato testado
- dd051a04714a
- 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.
--- Django test count ---
Ran 114 tests in 72.036s
exec
/bin/sh -lc 'cd /work/repo && . venv/bin/activate && python -m django test NearBeach.tests --settin…
I have all the data I need. Let me compile the final result.
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 2…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors": [], "test_dep…
2026-10-30T03:36:46.216363Z ERROR codex_core::session: failed to record rollout items: thread 01a18…
tokens used
75,250Reproduzir 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 6 minutos, mais rápido que a mediana dos 4 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 5 projetos de django que a Argusic instalou e cronometrou, NearBeach foi o 2º mais rápido a chegar a um estado de execução, e 4 de 5 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 6 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Histórico de execuções
Tópicos (de GitHub)
djangodjango-applicationopen-sourceopensourceproject-managementpythonpython3
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/nearbeach)Perguntas
- NearBeach executa?
- Sim. NearBeach executa. A Argusic o instalou e iniciou em uma máquina limpa em 6 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou NearBeach?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit dd051a04714a. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar NearBeach?
- A execução que produziu este veredito custou US$ 0,11: 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 NearBeach?
- 6 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- NearBeach 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 NearBeach?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como NearBeach se compara às alternativas?
- Dos 5 projetos de django que a Argusic instalou e cronometrou, NearBeach foi o 2º mais rápido a chegar a um estado de execução, e 4 de 5 chegaram a esse estado.
- Onde estão as evidências de NearBeach?
- 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.