英文原文: https://argusic.com/subject/splash

splash

一个针对 Apple silicon 的本地推理引擎，围绕模型构建。

借助 mock 可运行来源：GitHub项目主页C++Apache-2.0commit c64a578fcfaa

C++，Apache-2.0 许可证. 项目的自我描述：apple silicon、coding agents、llm inference、macos、metal 和 speculative decoding.

splash 可以运行，其依赖的服务由替身代替。一个 Argusic agent 在一台没有 GPU 的干净机器上用 1 分钟完成了安装，遇到 4 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。

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.

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 71，满分 100（该项目各次运行得分的平均值）。

概览

结论
借助 mock 可运行
Argusic 评分
71 / 100
验证运行的成本
0.15 USD（实测）
已记录的运行次数
2
最近测试
星标
2,073
fork 数
201
未关闭的 issue
127
关注者
20
大小
13 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。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

  • 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
安装时间
1 分钟
从冷启动机器到完成
34 分钟
遇到并修复的错误
遇到 4 个，在无人协助的情况下修复了 4 个
结果是如何证明的
.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
使用的模型 token
189,433
测试的确切 commit
c64a578fcfaa
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
对接真实服务的表现
本次运行只对照替身服务进行了验证

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。

- 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…

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

  • 用 1 分钟完成安装，快于 Argusic 测量过的 5 个同类项目的中位数。
  • 在无人介入的情况下从全部 4 个错误中恢复，说明这些故障的文档足以让人解决。
  • 采用 Apache-2.0 许可证，以其托管平台报告的信息为准。
  • 已测量 2 次，因此结果并非偶然。

不顺利或尚不清楚的部分

  • 只在替身服务下达到了运行状态，因此这里没有任何内容能证明它在真实服务下可以工作。

在 Argusic 安装并计时过的 6 个 apple-silicon 项目中，splash 达到运行状态的速度排名第 1，6 个项目中有 2 个达到了运行状态。

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。

  • MacNativeGames 已测试，未验证 · C · 3 个共同主题
  • Codync 已验证可运行 · Rust · 2 个共同主题
  • helmor 已验证可运行 · TypeScript · 2 个共同主题
  • gooey-pi 已验证可运行 · TypeScript · 2 个共同主题
  • pmtech 已验证可运行 · C++ · 2 个共同主题
  • runner 已验证可运行 · Rust · 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 Runner2/3借助 mock 可运行92.000.15
Argusic Runner1/3未能运行50.000.17

主题 (来自 GitHub)

apple-siliconcoding-agentsllm-inferencemacosmetalspeculative-decoding

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/splash.svg)](https://argusic.com/subject/splash)

常见问题

splash 能运行吗？
splash 可以运行，外部服务由 mock 代替. Argusic 在一台干净的机器上安装并启动了它，用时 1 分钟，过程中遇到 4 个错误，并记录了整个会话。
Argusic 是如何测试 splash 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 c64a578fcfaa。共记录了 2 次尝试，完整方法见方法论页面。
测试 splash 花了多少钱？
得出该结论的那次运行花费 0.15 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。
splash 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 1 分钟。这是一次实测的尝试，不是平均值。
splash 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 splash 时会出现什么问题？
已记录的运行中出现了 4 个问题，其中 4 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
splash 与其他替代方案相比如何？
在 Argusic 安装并计时过的 6 个 apple-silicon 项目中，splash 达到运行状态的速度排名第 1，6 个项目中有 2 个达到了运行状态。
splash 的证据在哪里？
全部 2 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