英文原文: https://argusic.com/subject/big-agi

big-AGI

由最先进模型驱动的 AI 套件，提供先进的 AI/AGI 功能。包括 AI 角色、AGI 功能、世界级的 Beam 多模型聊天、文生图、语音、响应流式输出、代码高亮与执行、PDF 导入、开发者预设，以及更多功能。可部署在本地或云端。

可运行来源：GitHub项目主页TypeScriptMITcommit 007150498197

TypeScript，MIT 许可证. 项目的自我描述：agi、ai agents、ai suite、ai workspace、anthropic api、deepseek api、gemini api 和 gpt.

big-AGI 可以运行。一个 Argusic agent 在一台没有 GPU 的干净机器上用 9 分钟完成了安装，没有遇到任何错误，整个会话都被记录了下来。

All npm commands (install, test, build, tscheck, lint) pass cleanly on Node.js v22.14.0. The test suite runs 25 subtests: 4 pass (including a live OpenRouter model listing returning 388 models), 21 skip due to absent API keys, 0 fail.

agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 100，满分 100（该项目各次运行得分的平均值）。

概览

结论
可运行
Argusic 评分
100 / 100
验证运行的成本
0.04 USD（实测）
已记录的运行次数
1
最近测试
星标
7,167
fork 数
1,596
未关闭的 issue
187
关注者
70
大小
45 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。

安装时间
9 分钟
从冷启动机器到完成
9 分钟
遇到并修复的错误
遇到 0 个，在无人协助的情况下修复了 0 个
结果是如何证明的
npm test exited 0 (4 passed, 21 skipped, 0 failed); npm run tscheck exited 0; npm run lint exited 0; npm run build exited 0 with production build
使用的模型 token
27,811
测试的确切 commit
007150498197
容器镜像
sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值
本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现
每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

**Verification**:
- `npm test` exited 0 — 25 subtests, 4 passed (Argusic live listing returned 388 models, Perplexity…
- `npm run tscheck` exited 0 — zero type errors
- `npm run lint` exited 0 — zero lint violations
- `npm run build` exited 0 — production build compiled successfully, 16 static pages generated
**Environments**: Project requires Node.js ^22 || ^24 || ^26; the container ships v18. I downloaded…
**Note**: 27 npm audit vulnerabilities reported (1 critical, 20 high), all requiring `--force` to f…
```
Node.js v22.14.0 used (system had v18); install minutes ≈ 9
npm test: 0 fail (4 pass, 21 skip — API-key gated)
tscheck: 0 errors | lint: 0 violations | build: compiled
```

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

  • 在干净的机器上达到了运行状态，会话有完整记录。
  • 用 9 分钟完成安装。
  • 过程中没有任何故障：从克隆到运行，零错误。
  • 无需 GPU 即可运行，因此启动它并不需要 GPU。
  • 采用 MIT 许可证，以其托管平台报告的信息为准。

不顺利或尚不清楚的部分

  • 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。

适合用于

  • 在笔记本电脑或小型服务器上试用：它无需 GPU 即达到了运行状态。
  • 快速评估：克隆后 9 分钟它就已经运行起来。
  • 按照它自己的 README 操作：文档中的步骤无需任何修复即可走通。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

  • openagent 已验证可运行 · Go · 2 个共同主题
  • antigravity-sdk-python 已验证可运行 · Python · 2 个共同主题
  • readme-ai 已验证可运行 · Python · 2 个共同主题
  • OrcaRouter-Lite 已验证可运行 · Python · 2 个共同主题
  • solo 已验证可运行 · Go · 2 个共同主题
  • GPTPortal 已验证可运行 · JavaScript · 2 个共同主题

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner1/3可运行100.000.04

主题 (来自 GitHub)

agiai-agentsai-suiteai-workspaceanthropic-apideepseek-apigemini-apigptgpt-5librechatmulti-modalmulti-modelnano-bananaopenai-responses-apiopenwebuiperplexity-apisonnet-4-5xai-api

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.

[![Tested by Argusic](https://argusic.com/badge/big-AGI.svg)](https://argusic.com/subject/big-agi)

常见问题

big-AGI 能运行吗？
是的。big-AGI 可以运行. Argusic 在一台干净的机器上安装并启动了它，用时 9 分钟，过程中遇到 0 个错误，并记录了整个会话。
Argusic 是如何测试 big-AGI 的？
在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 007150498197。共记录了 1 次尝试，完整方法见方法论页面。
测试 big-AGI 花了多少钱？
得出该结论的那次运行花费 0.04 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
big-AGI 安装需要多长时间？
在决定该结论的那次运行中，从干净的机器到运行状态用了 9 分钟。这是一次实测的尝试，不是平均值。
big-AGI 需要 GPU 吗？
启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 big-AGI 时会出现什么问题？
在已记录的运行中没有出现任何问题：从克隆到运行，零错误。
big-AGI 的证据在哪里？
这次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

Discussion