Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-17 07:40 UTC

NVIDIA / Model-Optimizer

A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.

PythonApache-2.0★ 3.818 Sterne⑂ 600 Forksseit Apr. 2024Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird

NVIDIA/Model-Optimizer erreicht einen Gesundheitsindex von 98 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (100/100) ab, am schwächsten bei Security (52/100). Zuletzt heute aktualisiert. 7 Mitwirkende tragen den Großteil der jüngsten Arbeit.

98
gesamt / 100
Außergewöhnlich

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

98
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 86 wird auf der veröffentlichten Indexskala auf 98 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

NVIDIA CorporationOrganisation · verifizierte Domain
30.142 Follower803 öffentliche Reposseit Mai 2012

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPInvidia-modelopt0.46.1326.56539vor 7 Tagen

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

100Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

100Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
36/36Commit-Rhythmus — 52/52 Wochen mit Commits
18/18Commit-Volumen — 1.131 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year1.131
human_commit_share0,97
days_since_last_push0
active_weeks_last_year52

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 48 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 7 Tagen
27/27Release-Rhythmus — ein Release etwa alle 7,8 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count48
latest_release_tag0.47.0rc1
releases_from_tagsnein
days_since_latest_release7
mean_days_between_releases7,8

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

91Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

90Exzellent
Wie die Bewertung erfolgt
58.1/60Stars — 3.818 Stars
23.1/25Forks — 600 Forks
8.3/15Watcher — 32 Watcher
Verwendete Eingangsdaten
forks600
stars3.818
watchers32
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges3
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesshields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

92Exzellent
Wie die Bewertung erfolgt
73.5/80Downloads pro Monat — 326.565 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesnvidia-modelopt
dependents—
ecosystemspypi
total_downloads—
monthly_downloads326.565
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

93Außergewöhnlich · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

91Exzellent
Wie die Bewertung erfolgt
51.3/54Bus-Faktor — 7 Beitragende decken die Hälfte aller Commits ab
17.1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 24 % der Commits
13.5/13.5Breite der Beitragenden — 86 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor7
contributors_sampled86
top_contributor_share0,241

Reaktionsfähigkeit bei Issues & PRs

82Exzellent
Wie die Bewertung erfolgt
33/42Issue-Lösungsquote — 78 % der Issues geschlossen
23.5/30PR-Annahme — 1.335/1.705 entschiedene PRs gemergt
13/13Newcomer PR acceptance — 1/1 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs1.335
open_issues94
closed_issues343
prs_merged_7d40
prs_decided_7d59
prs_merged_30d40
prs_decided_30d59
issue_closed_ratio0,785
closed_unmerged_prs370
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

Eigentümerschaft & Trägerschaft

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
25/25Reichweite des Inhabers — 30.142 Follower von NVIDIA
25/25Kontohistorie — 803 öffentliche Repos, Kontoalter ca. 14 Jahre
Verwendete Eingangsdaten
followers30.142
owner_typeOrganization
is_verifiedja
owner_loginNVIDIA
public_repos803
account_age_days5.242

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 7 Tagen
20/20Versionshistorie — 39 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesnvidia-modelopt
ecosystemspypi
any_deprecatednein
min_days_since_publish7

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

87Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 13 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

80Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://nvidia.github.io/Model-Optimizer/
10/10Repository-Beschreibung
0/10Topics
0/10Wiki
Verwendete Eingangsdaten
topics—
has_wikinein
homepagehttps://nvidia.github.io/Model-Optimizer/
docs_sitehttps://nvidia.github.io/Model-Optimizer/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

52Mittel · 16 % des Gesamtindex

Sicherheitslage

40Schwach
Wie die Bewertung erfolgt
30/30Sicherheitsrichtlinie (SECURITY.md)
0/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfilesuv.lock
manifestspyproject.toml
has_codeql_workflownein
has_security_policyja
has_dependabot_confignein
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lockfiles für Abhängigkeiten. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages49
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:nvidia-modelopt@0.46.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 49 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

85Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://docs.nvidia.com/llms.txt)
40/40Lesbare Commit-Historie — 97 von 97 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.nvidia.com/llms.txt
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
agent_instruction_max_bytes3.952

AI-Verify-Loop (Build / Test / Typprüfung)

79Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — noxfile.py
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 40 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesnoxfile.py
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,4
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53.6/55Handhabbare Dateigrößen — 33/1.299 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes114.583
source_files_sampled1.299
oversized_source_files33

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
20/20MCP-Server
40/40Lauffähige Beispiele — examples, notebooks, recipes
Verwendete Eingangsdaten
example_dirsexamples, notebooks, recipes
has_mcp_signalja
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto). Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

3.818GitHub-Sterne
86Mitwirkende
1.131Commits, letzte 12 Monate
0Tage seit letztem Push
48Releases
7Bus-Faktor
94offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 16 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/17 07:39:00 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 600 ⇿
0Sterne
600Forks
48Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

0100200300400500600590132024-052025-072026-09
Major 0Minor 16Patch 6

Jeder Punkt umfasst 3 Tage.

Direkte Abhängigkeiten 15
RegistryPaketVersionsvorgabeManifest
PyPIninja—pyproject.toml
PyPInumpy—pyproject.toml
PyPInvidia-ml-py>=12pyproject.toml
PyPIpackaging—pyproject.toml
PyPIsetuptools>=80pyproject.toml
PyPItorch>=2.8pyproject.toml
PyPItqdm—pyproject.toml
PyPIPyYAML>=6.0pyproject.toml
PyPIomegaconf>=2.3.0pyproject.toml
PyPIpulp<4.0pyproject.toml
PyPIpydantic>=2.0pyproject.toml
PyPIregex—pyproject.toml
PyPIrich—pyproject.toml
PyPIsafetensors—pyproject.toml
PyPIscipy—pyproject.toml
Alle Abhängigkeiten 303

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 32 direkte und 271 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIninja1.13.2direkt
PyPInumpy—direkt
PyPInumpy1.23.5direkt
PyPInumpy1.26.4direkt
PyPInumpy2.2.6direkt
PyPInumpy2.4.6direkt
PyPInumpy2.5.3direkt
PyPInvidia-ml-py13.610.43direkt
PyPIomegaconf—direkt
PyPIomegaconf2.3.1direkt
PyPIpackaging26.3direkt
PyPIpulp3.3.2direkt
PyPIpydantic—direkt
PyPIpydantic2.13.5direkt
PyPIpyyaml6.0.3direkt
PyPIregex2026.9.10direkt
PyPIrich—direkt
PyPIrich15.0.0direkt
PyPIsafetensors—direkt
PyPIsafetensors0.8.0direkt
PyPIscipy—direkt
PyPIscipy1.15.3direkt
PyPIscipy1.17.1direkt
PyPIscipy1.18.1direkt
PyPIsetuptools—direkt
PyPIsetuptools84.0.0direkt
PyPItorch—direkt
PyPItorch2.14.0direkt
PyPItorch2.7.0+cu128direkt
PyPItqdm—direkt
PyPItqdm4.66.5direkt
PyPItqdm4.70.1direkt
PyPIaccelerate—indirekt
PyPIaccelerate1.15.0indirekt
PyPIaccelerate1.4.0indirekt
PyPIaiohappyeyeballs2.7.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIalabaster1.0.0indirekt
PyPIannotated-doc0.0.5indirekt
PyPIannotated-types0.8.0indirekt
PyPIantlr4-python3-runtime4.9.3indirekt
PyPIanyio4.15.1indirekt
PyPIargcomplete3.7.2indirekt
PyPIast-serialize0.11.2indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs26.1.0indirekt
PyPIautodoc-pydantic2.2.0indirekt
PyPIav20.2.1indirekt
PyPIbabel2.18.0indirekt
PyPIbandit1.7.9indirekt
PyPIboto3—indirekt
PyPIbotocore—indirekt
PyPIcachetools7.1.8indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.1indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.5.1indirekt
PyPIclick8.5.0indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcoloredlogs15.0.1indirekt
PyPIcolorlog6.12.0indirekt
PyPIcompressed-tensors—indirekt
PyPIcoverage7.14.3indirekt
PyPIcppimport26.4.17indirekt
PyPIcryptography50.0.1indirekt
PyPIcuda-pathfinder1.8.1indirekt
PyPIcupy-cuda12x14.2.0indirekt
PyPIdatabricks-sdk0.139.0indirekt
PyPIdatasets—indirekt
PyPIdatasets2.19.0indirekt
PyPIdatasets4.4.2indirekt
PyPIdatasets5.0.1indirekt
PyPIdeepspeed0.19.6indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdependency-groups1.3.2indirekt
PyPIdescartes1.1.0indirekt
PyPIdiffusers0.40.0indirekt
PyPIdill0.4.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdocutils0.22.4indirekt
PyPIeinops0.8.1indirekt
PyPIeinops0.8.2indirekt
PyPIevaluate—indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIfastapi0.141.1indirekt
PyPIfilelock3.32.6indirekt
PyPIfire—indirekt
PyPIfire0.6.0indirekt
PyPIfire0.7.1indirekt
PyPIflash-attn—indirekt
PyPIflash-attn0.2.8indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2026.6.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.62indirekt
PyPIgoogle-auth2.58.0indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.6.0indirekt
PyPIhjson3.1.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhuggingface-hub1.31.0indirekt
PyPIhumanfriendly10.0indirekt
PyPIhumanize4.16.0indirekt
PyPIhydra-core1.3.6indirekt
PyPIidentify2.6.19indirekt
PyPIidna3.19indirekt
PyPIimagesize2.0.1indirekt
PyPIimmutabledict4.3.1indirekt
PyPIimportlib-metadata9.0.1indirekt
PyPIiniconfig2.3.0indirekt
PyPIipywidgets—indirekt
PyPIjinja23.1.6indirekt
PyPIjiwer—indirekt
PyPIjoblib1.6.0indirekt
PyPIkernels—indirekt
PyPIkornia0.6.12indirekt
PyPIlibrosa—indirekt
PyPIlibrt0.15.0indirekt
PyPIlief1.0.0indirekt
PyPIliger-kernel—indirekt
PyPIlm-eval—indirekt
PyPIlru-dict1.4.1indirekt
PyPIltx-core—indirekt
PyPIltx-pipelines—indirekt
PyPIltx-trainer—indirekt
PyPIlyft-dataset-sdk0.0.8indirekt
PyPImako1.4.1indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImath-verify—indirekt
PyPImcp—indirekt
PyPImdurl0.1.2indirekt
PyPIml-dtypes0.6.0indirekt
PyPImlflow-skinny—indirekt
PyPImlflow-skinny3.16.0indirekt
PyPImmcv-full1.7.0indirekt
PyPImmdet2.28.2indirekt
PyPImmdet3d1.0.0rc6indirekt
PyPImmsegmentation0.30.0indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.2.2indirekt
PyPImultidict6.8.0indirekt
PyPImultiprocess0.70.19indirekt
PyPImypy2.1.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInemo-automodel—indirekt
PyPInemo-run—indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.6.1indirekt
PyPInltk3.10.3indirekt
PyPInodeenv1.10.0indirekt
PyPInox2026.8.17indirekt
PyPInuscenes-devkit1.1.11indirekt
PyPInvidia-modelopt—indirekt
PyPInvtx—indirekt
PyPIonnx1.17.0indirekt
PyPIonnx1.21.0indirekt
PyPIonnx-graphsurgeon0.6.1indirekt
PyPIonnx-ir1.0.0indirekt
PyPIonnxconverter-common1.16.0indirekt
PyPIonnxruntime1.19.2indirekt
PyPIonnxruntime1.22.1indirekt
PyPIonnxruntime1.24.4indirekt
PyPIonnxruntime-ep-nv-tensorrt-rtx-cu130.4.0indirekt
PyPIonnxruntime-genai—indirekt
PyPIonnxruntime-gpu1.20.1indirekt
PyPIonnxruntime-gpu1.22.0indirekt
PyPIonnxruntime-gpu1.23.2indirekt
PyPIonnxruntime-gpu1.24.4indirekt
PyPIonnxscript0.7.2indirekt
PyPIonnxsim0.5.0indirekt
PyPIonnxslim0.1.96indirekt
PyPIopenai—indirekt
PyPIopencv-python—indirekt
PyPIopencv-python4.5.5.64indirekt
PyPIopencv-python-headless—indirekt
PyPIopentelemetry-api1.44.0indirekt
PyPIopentelemetry-proto1.44.0indirekt
PyPIopentelemetry-sdk1.44.0indirekt
PyPIopentelemetry-semantic-conventions0.65b0indirekt
PyPIoptimum—indirekt
PyPIoptimum1.23.3indirekt
PyPIpandas—indirekt
PyPIpandas2.2.2indirekt
PyPIpandas2.3.3indirekt
PyPIpandas3.0.5indirekt
PyPIpathspec1.1.1indirekt
PyPIpeft—indirekt
PyPIpeft0.18.1indirekt
PyPIpeft0.20.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.11.8indirekt
PyPIpluggy1.6.0indirekt
PyPIpolygraphy0.53.4indirekt
PyPIpre-commit4.6.0indirekt
PyPIpropcache0.5.2indirekt
PyPIprotobuf6.33.6indirekt
PyPIpsutil—indirekt
PyPIpsutil7.2.2indirekt
PyPIpy-cpuinfo9.0.0indirekt
PyPIpy7zr—indirekt
PyPIpyarrow—indirekt
PyPIpyarrow25.0.1indirekt
PyPIpyasn10.6.4indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpybind113.1.0indirekt
PyPIpycparser3.0indirekt
PyPIpydantic-core2.46.5indirekt
PyPIpydantic-settings2.15.0indirekt
PyPIpygments2.21.0indirekt
PyPIpygments-styles0.3.0indirekt
PyPIpyparsing3.3.2indirekt
PyPIpyquaternion0.9.9indirekt
PyPIpyreadline33.5.6indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-instafail0.5.0indirekt
PyPIpytest-timeout2.4.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.6.0indirekt
PyPIpython-dotenv1.2.3indirekt
PyPIpytz2026.3.post1indirekt
PyPIray—indirekt
PyPIrefile0.4.1indirekt
PyPIrequests2.34.2indirekt
PyPIroman-numerals4.1.0indirekt
PyPIruff0.15.20indirekt
PyPIrwkv—indirekt
PyPIseaborn—indirekt
PyPIsentencepiece—indirekt
PyPIsentencepiece0.2.2indirekt
PyPIshapely1.8.5.post1indirekt
PyPIshellingham1.5.4indirekt
PyPIshibuya2026.7.12indirekt
PyPIsix1.17.0indirekt
PyPIsmmap5.0.3indirekt
PyPIsnowballstemmer3.1.1indirekt
PyPIsoundfile—indirekt
PyPIsphinx9.1.0indirekt
PyPIsphinx-argparse0.6.1indirekt
PyPIsphinx-autobuild2025.8.25indirekt
PyPIsphinx-copybutton0.5.2indirekt
PyPIsphinx-inline-tabs2025.12.21.14indirekt
PyPIsphinx-togglebutton0.4.5indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIsqlparse0.6.0indirekt
PyPIstarlette1.6.0indirekt
PyPIstevedore5.8.0indirekt
PyPIstevedore5.9.1indirekt
PyPIsympy1.14.0indirekt
PyPItensorboard—indirekt
PyPItensorboardx—indirekt
PyPItermcolor3.3.0indirekt
PyPItiktoken—indirekt
PyPItiktoken0.14.0indirekt
PyPItiktoken0.7.0indirekt
PyPItimm—indirekt
PyPItimm1.0.29indirekt
PyPItokenizers—indirekt
PyPItokenizers0.22.2indirekt
PyPItomli2.4.1indirekt
PyPItorch-geometric2.8.0.post1indirekt
PyPItorch-tensorrt—indirekt
PyPItorchao—indirekt
PyPItorchaudio2.7.0+cu128indirekt
PyPItorchprofile0.0.4indirekt
PyPItorchvision—indirekt
PyPItorchvision0.29.0indirekt
PyPItrackio—indirekt
PyPItransformers—indirekt
PyPItransformers4.57.3indirekt
PyPItransformers5.14.1indirekt
PyPItransformers-stream-generator—indirekt
PyPItrimesh2.35.39indirekt
PyPItrl—indirekt
PyPItypeguard4.6.0indirekt
PyPItyper0.27.2indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.4indirekt
PyPItzdata2026.4indirekt
PyPIurllib32.7.0indirekt
PyPIuv0.12.13indirekt
PyPIuvicorn0.53.0indirekt
PyPIvirtualenv21.7.9indirekt
PyPIwandb—indirekt
PyPIwatchfiles1.2.0indirekt
PyPIwebsockets17.1indirekt
PyPIwheel0.48.0indirekt
PyPIwonderwords3.0.1indirekt
PyPIxxhash4.0.1indirekt
PyPIyapf0.32.0indirekt
PyPIyarl1.24.5indirekt
PyPIzipp4.1.0indirekt
PyPIzstandard—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:nvidia-modelopt@0.46.1 zieht 49 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit NVIDIA/Model-Optimizer teilen. Nebeneinander lesen →

100NVIDIA-NeMo/SpeechA scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)Außergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMAußergewöhnlich100run-llama/llama_indexLlamaIndex is the document processing platform for AIAußergewöhnlich100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Außergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.