Original em inglês: https://argusic.com/subject/splash
splash
Um motor de inferência local para Apple silicon, construído em torno do modelo.
Executa com mocksfonte: GitHubpágina do projetoC++Apache-2.0commit c64a578fcfaa
C++, licença Apache-2.0. O projeto se descreve como: apple silicon, coding agents, llm inference, macos, metal e speculative decoding.
splash executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 1 minuto e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Python server components (installer, launcher, model catalog, HTTP server, API protocol, images, documents, chat templates, constraints, tools, tokenization, crash tracing) pass ~1031 tests on Linux. Native Metal inference engine requires macOS 26.4+ Apple Silicon and Xcode.
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 71 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.
- Native Metal engine requires macOS (Apple Silicon) + Xcode
- test_package.py: 13 failures - Apple Silicon check in install.sh
- test_makefile.py: 3 failures - requires xcrun and lockf (macOS)
- test_build_identity.py: 1 failure - requires xcrun
- Tempo de instalação
- 1 minuto
- Da máquina limpa até o fim
- 34 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- .venv/bin/python -m unittest dev.tests.test_server dev.tests.test_models dev.tests.test_weight_preparation_identity dev.tests.test_gguf_metadata dev.tests.test_installer_restarts + 43 engine test modules: Ran ~1031 tests, all OK. ServerTest covers /health, /status, /v1/models, /v1/chat/completions, /v1/responses, /v1/messages with mock NativeBackend. Full suite: python3 -m unittest discover -s dev/tests -p 'test_*.py': 286 passed; python3 -m unittest discover -s dev/tests/engine -p 'test_*.py': 543 passed (8 skipped), 14 platform failures (macOS-only), 2 errors
- Tokens de modelo usados
- 189.433
- Commit exato testado
- c64a578fcfaa
- 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.
- 543 engine tests with FakeRuntime (passed): all the Python server logic, protocol, images, docume… - 286 top-level tests (passed): model catalog, GGUF metadata, server endpoints, weight preparation … - 202 ServerTest tests (passed): full HTTP server with mock native backend, covering health, status… - Total: ~1031 tests pass **Platform failures (expected, cannot fix without macOS):** - `test_package.py` (13 failures): requires macOS `install.sh` which rejects `Splash runs on Apple … - `test_makefile.py` (3 failures): requires `xcrun`, `lockf`, and macOS platform check - `test_build_identity.py` (1 failure): requires `xcrun` - `test_request_contract.py` (1 error): requires `select.kqueue` (BSD/macOS only) **Test pollution issues (pass in isolation):** - `test_http_boundaries.HttpBoundaryTests.test_opt_in_crash_files_have_a_total_retention_limit` - p… - `test_upstream.UpstreamTest.test_verify_checks_full_content_and_rejects_same_size_changes` - poll…
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 minuto, mais rápido que a mediana dos 5 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença Apache-2.0, 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 6 projetos de apple-silicon que a Argusic instalou e cronometrou, splash foi o 1º mais rápido a chegar a um estado de execução, e 2 de 6 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 | 0,15 | |
| Argusic Runner | 1/3 | Não executou | 50,00 | 0,17 |
Tópicos (de GitHub)
apple-siliconcoding-agentsllm-inferencemacosmetalspeculative-decoding
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/splash)Perguntas
- splash executa?
- splash executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou splash?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit c64a578fcfaa. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar splash?
- A execução que produziu este veredito custou US$ 0,15: 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 splash?
- 1 minuto na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- splash 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 splash?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como splash se compara às alternativas?
- Dos 6 projetos de apple-silicon que a Argusic instalou e cronometrou, splash foi o 1º mais rápido a chegar a um estado de execução, e 2 de 6 chegaram a esse estado.
- Onde estão as evidências de splash?
- 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.