Original em inglês: https://argusic.com/subject/videocof
VideoCoF
[Destaque CVPR 2026] VideoCoF: Edição de Vídeo Unificada com Raciocinador Temporal
Executa com mocksfonte: GitHubpágina do projetoPythonApache-2.0commit 153e6bb31c59
Python, licença Apache-2.0. O projeto se descreve como: diffusion models, long video editing, long video generation, video diffusion transformers, video editing, video generation e video to video.
VideoCoF executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 5 minutos e encontrou 6 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Gradio demo app with 74 UI components serves HTTP 200 on port 7860, all core Python modules import successfully, video-to-video CoT pipeline construction verified, grounding instruction extraction works for all 4 task types
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
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.
- diffusers 0.42.1 requires torch.accelerator (PyTorch >=2.6) but torch 2.5.1 installed2 minutos
- Gradio 3.48 unable to launch with share=False due to container localhost unavailability; starlette/jinja2 version conflict caused TemplateResponse TypeError2 minutos
- scipy 1.18.1 requires numpy >=2.0 but numpy 1.26.4 was installed; numpy.long attribute missing1 minuto
- transformers 5.x removed FLAX_WEIGHTS_NAME import used by diffusers 0.311 minuto
- Gradio 4.x incompatible with app (gradio_client error, argparser mismatch); needed gradio 3.x1 minuto
- Missing asset/1.png gallery placeholder images referenced in videox_fun/ui/ui.py line 260-2670,5 minutos
- Tempo de instalação
- 5 minutos
- Da máquina limpa até o fim
- 13 minutos
- Erros encontrados e corrigidos
- 6 encontrados, 6 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- curl -s http://127.0.0.1:7860/config returned 200 with version 3.48.0, mode=blocks, 74 components; curl -s -o /dev/null -w %{http_code} http://127.0.0.1:7860/ returned 200
- Tokens de modelo usados
- 136.155
- Commit exato testado
- 153e6bb31c59
- 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.
verified_how: curl -s http://127.0.0.1:7860/config returned 200 with 74 components
final_state: Gradio demo app with 74 UI components serves HTTP 200 on port 7860
Here is my final assessment:
exec
/bin/sh -lc "cd /work/repo && echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"ins…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 5, "errors": [{"msg": "dif…
exec
/bin/sh -lc "printf 'ARGUSIC_RESULT:{\"install_succeeded\":true,\"launch_succeeded\":true,\"install…
succeeded in 0ms:
tokens used
136,155Reproduzir 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 5 minutos.
- Recuperou-se de todos os 6 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.
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 | 0,22 |
Tópicos (de GitHub)
diffusion-modelslong-video-editinglong-video-generationvideo-diffusion-transformersvideo-editingvideo-generationvideo-to-video
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/videocof)Perguntas
- VideoCoF executa?
- VideoCoF executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 5 minutos, encontrando 6 erros no caminho, e gravou a sessão.
- Como a Argusic testou VideoCoF?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 153e6bb31c59. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar VideoCoF?
- A execução que produziu este veredito custou US$ 0,22: 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 VideoCoF?
- 5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- VideoCoF 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 VideoCoF?
- 6 coisas quebraram na execução registrada, e 6 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de VideoCoF?
- 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.