openevolve executa, com mocks no lugar de serviços externos. 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 openevolve?

Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 411fb59c886c. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.

Quanto custou testar openevolve?

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 openevolve?

1,3 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.

openevolve 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 openevolve?

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

Onde estão as evidências de openevolve?

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/openevolve

openevolve

Implementação de código aberto do AlphaEvolve

Executa com mocksfonte: GitHubPythonApache-2.0commit 411fb59c886c

Python, licença Apache-2.0. O projeto se descreve como: alpha evolve, alphacode, alphaevolve, coding agent, deepmind, deepmind lab, discovery e distributed evolutionary algorithms.

openevolve executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 1,3 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.

OpenEvolve 0.3.2 is installed with all dev dependencies and passes its full unit test suite (430/430) without failures.
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 92 de 100 (a média das pontuações das execuções deste projeto).

Visão geral

veredito: Executa com mocks
Pontuação Argusic: 92 / 100
custo da execução de verificação: US$ 0,02 (medido)
execuções registradas: 1
último teste: 2026-09-06
estrelas: 7.710
forks: 1.209
issues abertas: 90
observadores: 53
tamanho: 8 MB
criado em: 2025-05-15
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: 1 minuto
Da máquina limpa até o fim: 7 minutos
Erros encontrados e corrigidos: 0 encontrados, 0 corrigidos sem ajuda humana
Tokens de modelo usados: 30.537
Commit exato testado: 411fb59c886c
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.

Como o resultado foi comprovado: as execuções anteriores a 2026-09-07 não registravam o comando usado para conferir o resultado
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
Comportamento com serviços reais: esta execução foi verificada apenas com serviços substitutos

O fim da gravação

As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.

- **test_depth**: tier2_mock — the unit tests don't require real LLM API keys (they mock or use in-…
- **errors**: none encountered
- **final_state**: Installed and all 430 unit tests pass; CLI and library API function correctly.
tokens used
30,537
All 430 tests pass, no failures. Let me compile the final result.
**Summary:**
- **install_succeeded**: True — installed via `pip install -e ".[dev]"` in a virtual environment
- **launch_succeeded**: True — all 430 unit tests passed, CLI help works, library imports work
- **test_depth**: tier2_mock — the unit tests don't require real LLM API keys (they mock or use in-…
- **errors**: none encountered
- **final_state**: Installed and all 430 unit tests pass; CLI and library API function correctly.

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

Instalado em 1,3 minutos.
Nada quebrou no caminho: zero erros entre o clone e a execução.
Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.

O que não deu certo, ou não se sabe

Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.

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 com mocks	92,00	0,02	2026-09-06 16:56 UTC

Tópicos (de GitHub)

alpha-evolve alphacode alphaevolve coding-agent deepmind deepmind-lab discovery distributed-evolutionary-algorithms evolutionary-algorithms evolutionary-computation genetic-algorithm genetic-algorithms iterative-methods iterative-refinement llm-engineering llm-ensemble llm-inference openevolve optimize

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/openevolve.svg)](https://argusic.com/subject/openevolve)

Perguntas

openevolve executa?: openevolve executa, com mocks no lugar de serviços externos. 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 openevolve?: Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 411fb59c886c. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
Quanto custou testar openevolve?: 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 openevolve?: 1,3 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
openevolve 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 openevolve?: Nada deu errado na execução registrada: zero erros entre o clone e a execução.
Onde estão as evidências de openevolve?: 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.