Archivposition — gemessen, nicht Modell-Ausgabe
Likes auf Devpost: 0
Platz #7.672 von 7.845 Projekten in diesem Archiv, nach Community-Likes.
Projekte (Log-Skala)
Likes auf Devpost. ▲ markiert die Gruppe dieses Projekts.
Diagramme anzeigen
| Likes | Projekte | Anteil des Archivs |
|---|---|---|
| 0 | 5.584 | 71,2% |
| 1 | 1.758 | 22,4% |
| 2 | 283 | 3,6% |
| 3–4 | 131 | 1,7% |
| 5–9 | 75 | 1,0% |
| 10+ | 14 | 0,2% |
User Stories BotVideo guides from your code
Get video guides for your users, generated from your code
Trigger narrated demos from Slack or MCP server to record PR changes or user guides.
Open-source maintainers review pull requests faster with a video of the feature working.
top-founders.comThis project's analysis was made with it
Check your idea against real competitors
Paste your competitors' URLs and get what to match, where to stand out and what to skip, with every claim linked to its source. Free, no credit card.
Trigger reports from Slack or MCP server.
Das Projekt auf Devpost anzeigen
Executive Summary
Wofür das Unternehmen offenbar steht
Whetstone ist ein selbstberichtetes Tool, das Sprachmodelle verwendet, um Coding-Übungen zu generieren und diese anschließend über eine Sandbox-Ausführung zu verifizieren. Der Autor gibt an, dass es das Ziel hat, die Zuverlässigkeit generierter Probleme zu verbessern, indem nur solche veröffentlicht werden, die die Tests bestehen.
Was sich geändert hat
Das Projekt entwickelte sich von einem API-basierten Generierungssystem (das nicht finanziert wurde) zu einem in-Codex-Generierungsansatz, wobei derselbe Verifizierungsmechanismus unter Verwendung einer sandbox-umgebenen Umgebung beibehalten wurde.
Wichtigste offene Frage
Gibt es Belege für einen tatsächlichen Einsatz oder eine Traction über die eigene Entwicklung und Testung des Autors hinaus?
Was das Produkt tatsächlich ist
Die Beschreibung lautet:
- Whetstone verwendet Codex, um Kandidaten für Coding-Übungen zu generieren.
- Jede Übung umfasst eine Problembeschreibung, eine Referenzlösung und einen Testlauf.
- Eine Sandbox führt die Lösung gegen die Tests aus.
- Wenn sie bestanden wird, wird die Übung veröffentlicht; wenn nicht, wird sie in ein Verwerfungsprotokoll mit Fehlerdetails aufgenommen.
- Das Verwerfungsprotokoll dient als Teil der Produktausgabe.
Schlussfolgerung Das System scheint ein Proof-of-Concept oder Prototyp zu sein, der während eines Hackathons erstellt wurde. Es scheint keine kommerziellen Einnahmen, keine Kundenbasis und keine operative Historie über die Entwicklung des Autors hinaus zu geben.
Positionierung & Claim-Entwicklung
Die Beschreibung lautet:
- Die ursprüngliche Inspiration war, dass Sprachmodelle oft fehlerhafte Übungen generieren, ohne es zu wissen.
- Die Lösung besteht darin, das Modell dazu zu bringen, das Problem durch die Ausführung in einer Sandbox zu „verdienen“.
- Der Autor behauptet, dass dieser Ansatz das Produkt von der Filterung schlechter Probleme zur Garantie guter Probleme verschiebt.
Schlussfolgerung Die Positionierung entwickelte sich von einer Idee des „Filterns“ zu einer des „Garantierens“, basierend auf beobachteten Verwerfungsraten während der Entwicklung. Dies spiegelt einen Wandel im Narrativ wider, nicht jedoch eine Änderung der Kernfunktionalität.
Zielkunde & ICP
Die Beschreibung lautet:
- Der primäre Nutzer ist ein Dozent, der generierte Übungen verwendet.
- Das Produkt bietet Einblicke in die Gründe, warum bestimmte Probleme fehlschlagen, über das Verwerfungsprotokoll.
Schlussfolgerung Der Zielkunde sind wahrscheinlich Bildungsträger oder Curriculum-Designer, die mit Coding-Unterricht arbeiten. Es gibt jedoch keine Belege für tatsächliche Nutzer oder Kunden über den eigenen Anwendungsfall des Autors hinaus.
Business Model & Preisbelege
Die Beschreibung lautet:
- Es wird kein Preismodell beschrieben.
- Das Produkt wird als Tool für Dozenten zur Validierung von Übungen präsentiert.
- Es gibt keine Erwähnung von Monetarisierung, Abonnements oder Vertriebskanälen.
Nicht belegt Es werden keine Informationen zu einem kommerziellen Geschäftsmodell oder Preisen bereitgestellt. Das Projekt scheint ein Prototyp zu sein, ohne jeglichen Hinweis darauf, wie es Einnahmen generieren würde.
Technische & Auslieferungs-Signale
Die Beschreibung lautet:
- Erstellt mit Django und PostgreSQL für die Generierungsschleife und die Speicherung.
- Flutter Web rendert die UI, die Zähler, Protokolle und Übungen anzeigt.
- Die Docker-Sandbox erzwingt Sicherheitsbeschränkungen (kein Netzwerk, schreibgeschütztes FS, Timeouts).
- Codex und GPT-5.6 werden zur Generierung von Kandidaten verwendet.
- Die Kernschleife wurde innerhalb eines einzelnen Codex-Threads erstellt.
Schlussfolgerung Der technische Stack deutet auf einen minimalen tragfähigen Prototyp mit starker Aufmerksamkeit für Sandboxing und Ausführungssicherheit hin. Der Mangel an operativen Daten oder Deployment-Details deutet jedoch auf keine produktionsreife Auslieferung hin.
Traction & Reifegrad-Signale
Die Beschreibung lautet:
- Das Projekt wurde beim OpenAI 2026 Hackathon eingereicht.
- Es wurde in einem kurzen Zeitraum (einem Hackathon) entwickelt.
- Der Autor merkt an, dass die Verwerfraten niedriger als erwartet waren, was die Positionierung des Produkts veränderte.
- Es gibt keine Erwähnung von Nutzern, Kunden oder Adoption.
Nicht belegt Es gibt keine Hinweise auf Traction, Umsatz oder Nutzerengagement über die eigene Entwicklung und das Testen des Autors hinaus. Es liegen keine Daten zu Nutzung, Retention oder Wirkung vor.
Wettbewerbskontext
Die Beschreibung lautet:
- Das Projekt schließt eine Lücke bei von Sprachmodellen generierten Coding-Übungen.
- Es nutzt Codex und GPT-5.6 für die Generierung.
- Es führt Sandboxing als Verifizierungsmethode ein.
Schlussfolgerung Während die Idee, KI-generierte Inhalte zu verifizieren, nicht neu ist, nutzt dieser Ansatz die sandboxed execution, um die Korrektheit von Code zu validieren. Es wird jedoch kein Vergleich mit bestehenden Tools oder Plattformen im Bereich der Coding-Bildung vorgenommen.
Offene Fragen & Risiken
Die Beschreibung lautet:
- Das Projekt wurde als Hackathon-Einreichung entwickelt.
- Es stützt sich auf Codex-Credits statt auf API-Zugang.
- Es gibt keine Hinweise auf kommerzielle Machbarkeit oder Skalierbarkeit.
- Es gibt keine Daten zu Leistung in der Praxis oder Adoption.
Schlussfolgerung Zu den wesentlichen Risiken gehören fehlende Finanzierung, unklare Monetarisierung und das Fehlen von Tests in der Praxis. Das Produkt ist möglicherweise nicht skalierbar über den eigenen Anwendungsfall des Autors hinaus.
Fragen, die die Beschreibung offenlässt
- Was ist Ihr Plan, um über einen Prototyp für einen Einzelnen bei einem Hackathon hinauszuskalieren?
- Wie beabsichtigen Sie, dieses Tool zu monetarisieren, wenn es nur von Bildungseinrichtungen genutzt wird?
- Haben Sie das System mit tatsächlichen Schülern oder Lehrern getestet?
- Gibt es Hinweise auf Interesse von Bildungseinrichtungen oder Plattformen?
- Können Sie beschreiben, wie das discard log in der Praxis genutzt werden soll?
Gesamtbewertung
Die Beschreibung lautet:
- Dies ist ein Hackathon-Projekt.
- Es werden keine Einnahmen, Kunden oder Traction berichtet.
- Der Autor hat noch keine kommerzielle Machbarkeit nachgewiesen.
Nicht belegt Es gibt keine Hinweise auf ein tragfähiges Geschäftsmodell, Product-Market-Fit oder kommerzielle Reife. Das Projekt befindet sich weiterhin in der Prototypenphase und weist keine Anzeichen von Wachstum oder Investoreninteresse auf.
Umsetzen
Entwickelt ihr eine Mobile-App wie Whetstone?
Wir gestalten und entwickeln iOS- und Android-Apps für Startups. Sagt uns, was ihr bauen wollt, und wir definieren eine erste Version gemeinsam mit euch.
Ihr seid euch nicht sicher, was ihr zuerst bauen sollt? Beginnt mit einem klickbaren Prototyp.
KFG international ist nicht mit Whetstone oder seinen Autoren verbunden.
User Stories BotVideo guides from your code
Get video guides for your users, generated from your code
Trigger narrated demos from Slack or MCP server to record PR changes or user guides.
Open-source maintainers review pull requests faster with a video of the feature working.
Quelle
Eingereicht bei der OpenAI 2026 Hackathon auf Devpost. Projektseite auf Devpost. Zurück zur vollständigen Galerie auf Devpost.
Diese Wettbewerbsanalyse wurde vontop-founders.com erstellt (wird in einem neuen Tab geöffnet)
Von einem Sprachmodell erzeugt aus der öffentlichen Devpost-Seite dieses Projekts — deren Kurzbeschreibung, dem Projektbericht des Autors und den dort gegebenenfalls angegebenen Built-with-Tags — erfasst im August 2026. Kurze Zitate sind die Worte des Autors. Es ist eine Einschätzung der Idee als Geschäft, nicht der Menschen dahinter, und sie gibt die Beschreibung so wieder, wie sie damals veröffentlicht war. Wenn sich das Projekt weiterentwickelt hat, fordern Sie unten eine Korrektur an. Die Analyse ist keine unabhängige Forschung und enthält keine verifizierten Daten zu Wachstum, Umsatz oder Kunden.
Ein unabhängiger Leitfaden von KFG International LLC — weder mit Devpost noch mit OpenAI verbunden, von ihnen unterstützt oder autorisiert.