Original em inglês: https://argusic.com/subject/private-gpt
private-gpt
Camada de API completa para aplicativos de IA privados em modelos locais: RAG, habilidades, ferramentas, MCP, texto para SQL e muito mais. Funciona com qualquer servidor de inferência compatível com OpenAI.
Executafonte: GitHubpágina do projetoPythonApache-2.0commit 065814007608
Python, licença Apache-2.0. O projeto se descreve como: ai, ai tools e on premise.
private-gpt executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 10 minutos e encontrou 5 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
PrivateGPT server launches with mock LLM/embedding models on port 18080, responds to /v1/models, /health, and /v1/messages API endpoints. Test suite: 2079 passed, 1 failed (pre-existing), 4 errors (transient DB state).
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.
- Missing libmagic system library (python-magic dependency)5 minutos
- Missing celery, pandas, anthropic extras2 minutos
- settings-mock.yaml had no model definitions, server could not register models2 minutos
- Python 3.11 required but 3.12 present in container1 minuto
- Mock profile not loaded from APP_ENV env var - profiles use PGPT_PROFILES
- Tempo de instalação
- 10 minutos
- Da máquina limpa até o fim
- 51 minutos
- Erros encontrados e corrigidos
- 5 encontrados, 5 corrigidos sem ajuda humana
- Tokens de modelo usados
- 477.726
- Commit exato testado
- 065814007608
- 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
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
'test_depth': 'tier1_real',
'notes': 'Pre-existing test bug in tests/components/multimodality/test_describe_audio.py::test_…
'final_state': 'PrivateGPT server launches with mock LLM/embedding models on port 18080, respon…
}
print(json.dumps(result))
\"" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 10, "errors": [{"msg": "Py…
2026-09-05T20:54:38.062617Z ERROR codex_core::session: failed to record rollout items: thread 01a07…
2026-09-05T20:54:38.062659Z ERROR codex_core::session: failed to record rollout items: thread 01a07…
tokens used
477,726Reproduzir 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 5 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 3 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 10 minutos para instalar, mais devagar que a mediana dos 230 projetos comparáveis que a Argusic mediu.
Dos 231 projetos de ai que a Argusic instalou e cronometrou, private-gpt foi o 154º mais rápido a chegar a um estado de execução, e 152 de 231 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 10 minutos depois do clone.
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 | 0,20 | |
| Argusic Runner | 2/3 | Tempo esgotado | 0,00 | 0,20 | |
| Argusic Runner | 1/3 | Tempo esgotado | 0,00 | 0,22 |
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/private-gpt)Perguntas
- private-gpt executa?
- Sim. private-gpt executa. A Argusic o instalou e iniciou em uma máquina limpa em 10 minutos, encontrando 5 erros no caminho, e gravou a sessão.
- Como a Argusic testou private-gpt?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 065814007608. Há 3 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar private-gpt?
- A execução que produziu este veredito custou US$ 0,20: 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 private-gpt?
- 10 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- private-gpt 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 private-gpt?
- 5 coisas quebraram na execução registrada, e 5 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como private-gpt se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, private-gpt foi o 154º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de private-gpt?
- Todas as 3 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.