Original em inglês: https://argusic.com/subject/vision-agents
Vision-Agents
Open Vision Agents da Stream. Crie agents de voz e visão rapidamente com qualquer modelo ou provedor de vídeo. Usa a rede de borda da Stream para latência ultrabaixa.
Executafonte: GitHubpágina do projetoPythonApache-2.0commit 902db86438aa
Python, licença Apache-2.0. O projeto se descreve como: agentic ai, agents, ai, ai agents, realtime, stt, tts e video agents.
Vision-Agents executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 12 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
The vision-agents core framework plus anthropic, gemini, openai, deepgram, elevenlabs, getstream, and smart_turn plugins are installed; 733 unit tests pass, the CLI binary responds, and all selected plugin imports resolve correctly.
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.
- No space left on device while extracting torch/CUDA/nvidia wheels (triton, nvidia-cublas, torch) during full uv sync --all-extras --dev8 minutos
- Docker daemon not available — 10 tests in test_agent_launcher.py and 16 tests in test_redis_store.py raise DockerException on collection2 minutos
- Blockbuster blocks os.path.abspath during anthropic SDK credential loading — 9 errors in plugins/anthropic/tests/test_anthropic_llm.py1 minuto
- Tempo de instalação
- 12 minutos
- Da máquina limpa até o fim
- 42 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest tests/ -m 'not integration' --ignore=tests/test_agents/test_session_registry --ignore=tests/test_agents/test_agent_launcher --skip-blockbuster returned 733 passed, 10 deselected, 10 errors (all Docker). Plugin tests (anthropic+gemini+openai+deepgram+elevenlabs+getstream+smart_turn): 149 passed. CLI: 'uv run --no-sync vision-agents --help' returns usage; 'uv run --no-sync vision-agents --version' returns 0.0.1.dev1+g902db8643.
- Tokens de modelo usados
- 83.286
- Commit exato testado
- 902db86438aa
- 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
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
none 7.8G 2.9G 4.6G 39% /
Now I have all the data needed for the final report. Let me record the full picture
exec
/bin/sh -lc 'export PATH="/home/runner/.local/bin:$PATH" && cd /work/repo && python3 -c "
from datetime import datetime
import time
print(f'"'Script started around: {datetime.now().isoformat()}')
\"" in /work/repo
succeeded in 0ms:
Script started around: 2026-09-28T04:57:28.207512
tokens used
83,286Reproduzir 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 3 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.
O que não deu certo, ou não se sabe
- Levou 12 minutos para instalar, mais devagar que a mediana dos 37 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 38 projetos de agentic-ai que a Argusic instalou e cronometrou, Vision-Agents foi o 24º mais rápido a chegar a um estado de execução, e 27 de 38 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.
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
Tópicos (de GitHub)
agentic-aiagentsaiai-agentsrealtimesttttsvideo-agentsvideo-aivision-aivoice-ai
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/vision-agents)Perguntas
- Vision-Agents executa?
- Sim. Vision-Agents executa. A Argusic o instalou e iniciou em uma máquina limpa em 12 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou Vision-Agents?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 902db86438aa. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar Vision-Agents?
- A execução que produziu este veredito custou US$ 0,10: 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 Vision-Agents?
- 12 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- Vision-Agents 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 Vision-Agents?
- 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 Vision-Agents se compara às alternativas?
- Dos 38 projetos de agentic-ai que a Argusic instalou e cronometrou, Vision-Agents foi o 24º mais rápido a chegar a um estado de execução, e 27 de 38 chegaram a esse estado.
- Onde estão as evidências de Vision-Agents?
- 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.