Original em inglês: https://argusic.com/subject/qm
qm
Harness de agent multijogador para trabalho.
Executa com mocksfonte: GitHubpágina do projetoTypeScriptMITcommit 8adee4b06a59
TypeScript, licença MIT. O projeto se descreve como: ai, assistant, harness e qm.
qm executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
After installing Node 24 and building the connector SDK, npm ci installs 730 packages, TypeScript compiles with zero errors, the test suite passes 2700+ tests across representative batches, and the core server starts listening on :8081 returning HTTP 401 (expected without authentication credentials).
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 56 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.
- Node.js 18.19.1 installed, project requires >=24.15.01 minuto
- Connector SDK bundle missing for some tests1 minuto
- 2 dev-supervisor-child tests fail on IPv6/port ownership assertion (timing-sensitive dev tool tests)
- Tempo de instalação
- 2 minutos
- Da máquina limpa até o fim
- 27 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- node --test (with --experimental-test-module-mocks) across 6 sampled batches totaling 2700+ tests passed with 0 failures (excluding 2 flaky dev-tool failures and skipped PG tests); TypeScript tsc --noEmit passes with 0 errors; server starts and answers HTTP 401 (expected auth challenge) on /
- Tokens de modelo usados
- 518.808
- Commit exato testado
- 8adee4b06a59
- 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
- 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.
ℹ todo 0 ℹ duration_ms 467.633357 exec /bin/sh -lc 'export PATH="/tmp/node-v24.21.0-linux-x64/bin:$PATH" cd /work/repo && node --experimental-test-module-mocks --test test/agent-conversations-route.test.t… exited 1 in 31317ms: OK, now I have all the data. Here's the summary: 2026-09-26T11:00:30.595960Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… 2026-09-26T11:00:30.596004Z ERROR codex_core::session: failed to record rollout items: thread 01a0d… tokens used 518,808 OK, now I have all the data. Here's the summary:
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 2 minutos, mais rápido que a mediana dos 230 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 3 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, 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
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
Dos 231 projetos de ai que a Argusic instalou e cronometrou, qm foi o 39º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
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 | 2/3 | Executa com mocks | 92,00 | 0,11 | |
| Argusic Runner | 1/3 | Não executou | 20,00 | 0,06 |
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/qm)Perguntas
- qm executa?
- qm executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou qm?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 8adee4b06a59. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar qm?
- 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 qm?
- 2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- qm 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 qm?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como qm se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, qm foi o 39º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de qm?
- 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.