Original em inglês: https://argusic.com/subject/openresearch
OpenResearch
Transforme seus coding agents em agents de pesquisa.
Executafonte: GitHubpágina do projetoRustMITcommit f336b121525d
Rust, licença MIT.
OpenResearch executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 15 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
The orx CLI v0.2.13 builds, passes all 969 tests, prints the correct version and build channel, starts the dashboard on 127.0.0.1:4791 (HTTP 200), and lists local projects with no 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.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- ssh-keygen not found in container (missing openssh-client package)4 minutos
- Tempo de instalação
- 15 minutos
- Da máquina limpa até o fim
- 14 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- cargo test --locked passed 955 unit tests + 9 compute_cli tests + 5 logs_cli tests = 969 total; dashboard at http://127.0.0.1:4791 answered HTTP 200; orx version printed 'orx 0.2.13' and --build-channel printed 'development'
- Tokens de modelo usados
- 154.118
- Commit exato testado
- f336b121525d
- 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
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
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 && . "$HOME/.cargo/env" && ./target/debug/orx projects --no-telemetry 2>… succeeded in 0ms: No local projects found. Run `orx up` in a repository to add one. exec /bin/sh -lc 'echo "Total tests passed: 955 unit + 9 compute_cli + 5 logs_cli = 969"; date -u +%s' i… succeeded in 0ms: Total tests passed: 955 unit + 9 compute_cli + 5 logs_cli = 969 1790753369 All 969 tests pass, the binary builds and runs, and the dashboard serves HTTP 200. Here's the summa… tokens used 154,118 All 969 tests pass, the binary builds and runs, and the dashboard serves HTTP 200. Here's the summa…
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.
- Recuperou-se do único erro 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 MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Levou 15 minutos para instalar, mais devagar que a mediana dos 16 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 17 projetos de Rust que a Argusic instalou e cronometrou, OpenResearch foi o 10º mais rápido a chegar a um estado de execução, e 15 de 17 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
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/openresearch)Perguntas
- OpenResearch executa?
- Sim. OpenResearch executa. A Argusic o instalou e iniciou em uma máquina limpa em 15 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou OpenResearch?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f336b121525d. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar OpenResearch?
- A execução que produziu este veredito custou US$ 0,06: 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 OpenResearch?
- 15 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- OpenResearch 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 OpenResearch?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como OpenResearch se compara às alternativas?
- Dos 17 projetos de Rust que a Argusic instalou e cronometrou, OpenResearch foi o 10º mais rápido a chegar a um estado de execução, e 15 de 17 chegaram a esse estado.
- Onde estão as evidências de OpenResearch?
- 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.