Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-23 10:57 UTC

NVIDIA / cuda-python

CUDA Python: Performance meets Productivity

Cython · PythonApache-2.0★ 3.402 Sterne⑂ 337 Forksseit Juni 2021Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird

NVIDIA/cuda-python erreicht einen Gesundheitsindex von 98 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (99/100) ab, am schwächsten bei Security (78/100). Zuletzt heute aktualisiert. 4 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 87 wird auf der veröffentlichten Indexskala auf 98 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

NVIDIA CorporationOrganisation · verifizierte Domain
31.684 Follower827 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
PyPIcuda-core1.2.24.050.87019vor 6 Tagen
PyPIcuda-python13.4.44.665.39246vor 8 Tagen
PyPIcuda-pathfinder1.8.431.165.82933vor 0 Tagen
PyPIcuda-bindings13.4.432.255.87729vor 8 Tagen

Metriken nach Kategorie

Vitalität

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

99Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

99Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
35.3/36Commit-Rhythmus — 51/52 Wochen mit Commits
18/18Commit-Volumen — 1.034 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year1.034
human_commit_share0,93
days_since_last_push0
active_weeks_last_year51

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 4,1 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagcuda-pathfinder-v1.8.4
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases4,1

Community & Verbreitung

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

87Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

88Exzellent
Wie die Bewertung erfolgt
57.3/60Stars — 3.402 Stars
21.1/25Forks — 337 Forks
9.2/15Watcher — 47 Watcher
Verwendete Eingangsdaten
forks337
stars3.402
watchers47
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges0
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 72.137.968 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagescuda-core, cuda-python, cuda-pathfinder, cuda-bindings
dependents—
ecosystemspypi
total_downloads—
monthly_downloads72.137.968
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?

87Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

82Exzellent
Wie die Bewertung erfolgt
43.2/54Bus-Faktor — 4 Beitragende decken die Hälfte aller Commits ab
17/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 24 % der Commits
13.5/13.5Breite der Beitragenden — 77 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor4
contributors_sampled77
top_contributor_share0,243

Reaktionsfähigkeit bei Issues & PRs

69Gut
Wie die Bewertung erfolgt
33.9/42Issue-Lösungsquote — 81 % der Issues geschlossen
24.6/30PR-Annahme — 1.563/1.907 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/1 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs1.563
open_issues219
closed_issues920
prs_merged_7d28
prs_decided_7d35
prs_merged_30d46
prs_decided_30d54
issue_closed_ratio0,808
closed_unmerged_prs344
first_time_authors_30d1
first_time_prs_merged_30d0
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 — 31.684 Follower von NVIDIA
25/25Kontohistorie — 827 öffentliche Repos, Kontoalter ca. 14 Jahre
Verwendete Eingangsdaten
followers31.684
owner_typeOrganization
is_verifiedja
owner_loginNVIDIA
public_repos827
account_age_days5.278

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 4 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 46 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagescuda-core, cuda-python, cuda-pathfinder, cuda-bindings
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

81Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 27 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — cuda_bindings_12/pyproject.toml ([tool.ruff]), ruff.toml
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

65Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://nvidia.github.io/cuda-python/
10/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepagehttps://nvidia.github.io/cuda-python/
docs_sitehttps://nvidia.github.io/cuda-python/
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

78Gut · 16 % des Gesamtindex

Sicherheitslage

73Gut
Wie die Bewertung erfolgt
30/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestscuda_bindings_12/pyproject.toml, cuda_bindings_12/setup.py, cuda_bindings_13/pyproject.toml, cuda_bindings_13/setup.py, cuda_core/pyproject.toml, cuda_core/setup.py, cuda_pathfinder/pyproject.toml, cuda_pathfinder/setup.py, cuda_python/pyproject.toml, cuda_python/setup.py, cuda_python_test_helpers/pyproject.toml
has_codeql_workflownein
has_security_policyja
has_dependabot_configja
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_packages4
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:cuda-python@13.4.4 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 4 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.

88Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md, benchmarks/cuda_bindings/AGENTS.md, benchmarks/cuda_core/AGENTS.md, cuda_bindings_13/AGENTS.md, cuda_bindings_13/CLAUDE.md, cuda_core/AGENTS.md, cuda_core/CLAUDE.md, cuda_core/tests/AGENTS.md, cuda_pathfinder/AGENTS.md, cuda_pathfinder/CLAUDE.md, cuda_python/AGENTS.md, cuda_python/CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 93 von 93 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md, benchmarks/cuda_bindings/AGENTS.md, benchmarks/cuda_core/AGENTS.md, cuda_bindings_13/AGENTS.md, cuda_bindings_13/CLAUDE.md, cuda_core/AGENTS.md, cuda_core/CLAUDE.md, cuda_core/tests/AGENTS.md, cuda_pathfinder/AGENTS.md, cuda_pathfinder/CLAUDE.md, cuda_python/AGENTS.md, cuda_python/CLAUDE.md
agent_instruction_max_bytes19.174

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

89Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — cuda_bindings_12/docs/Makefile, cuda_bindings_13/docs/Makefile, cuda_core/docs/Makefile, cuda_pathfinder/docs/Makefile, cuda_python/docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — cuda_bindings_12/pyproject.toml ([tool.ruff]), ruff.toml
11/11Statische Typprüfung — cuda_core/cuda/core/py.typed
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 16 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 4 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filescuda_bindings_12/docs/Makefile, cuda_bindings_13/docs/Makefile, cuda_core/docs/Makefile, cuda_pathfinder/docs/Makefile, cuda_python/docs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configscuda_core/cuda/core/py.typed
agent_commit_share0,16
toolchain_manifests—
dependency_bot_commit_share0,04

AI-Code-Lesbarkeit für Modelle

81Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Cython mit Typprüfungs-Konfiguration (cuda_core/cuda/core/py.typed)
54.2/55Handhabbare Dateigrößen — 7/494 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageCython
largest_source_bytes127.048
source_files_sampled494
oversized_source_files7

Maschinenlesbare AI-Schnittstellen

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

Eckdaten

3.402GitHub-Sterne
77Mitwirkende
1.034Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
4Bus-Faktor
219offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'cuda-python-test-helpers' from its registry
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 337 ⇿
0Sterne
337Forks
99Releases

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.

0125250375336232021-082024-032026-10
Major 2Minor 14Patch 30

Jeder Punkt umfasst 5 Tage.

Direkte Abhängigkeiten 5
RegistryPaketVersionsvorgabeManifest
PyPIcuda-pathfinder~=1.1cuda_bindings_12/pyproject.toml
PyPIcuda-pathfinder>=1.4.2cuda_bindings_13/pyproject.toml
PyPIcuda-pathfinder>=1.4.2cuda_core/pyproject.toml
PyPInumpy—cuda_core/pyproject.toml
PyPIpackaging>=24cuda_python_test_helpers/pyproject.toml
Alle Abhängigkeiten 55

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 3 direkte und 52 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIcuda-pathfinder—direkt
PyPInumpy—direkt
PyPIpackaging—direkt
PyPIcffi—indirekt
PyPIcffi2.1.1indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcuda-bindings—indirekt
PyPIcuda-cccl—indirekt
PyPIcuda-core—indirekt
PyPIcuda-python—indirekt
PyPIcuda-toolkit—indirekt
PyPIcudf-cu13—indirekt
PyPIcugraph-cu13—indirekt
PyPIcupy-cuda13x—indirekt
PyPIcython—indirekt
PyPIdask-cuda—indirekt
PyPIdocutils0.23indirekt
PyPImatplotlib—indirekt
PyPIml-dtypes—indirekt
PyPImpi4py—indirekt
PyPInumba-cuda—indirekt
PyPInumba-cuda-mlir—indirekt
PyPInvidia-cublas—indirekt
PyPInvidia-cuda-cccl-cu12—indirekt
PyPInvidia-cudla—indirekt
PyPInvidia-cudnn-cu12—indirekt
PyPInvidia-cudnn-cu13—indirekt
PyPInvidia-cufft—indirekt
PyPInvidia-curand—indirekt
PyPInvidia-nvjitlink—indirekt
PyPInvidia-nvjitlink-cu12—indirekt
PyPInvidia-nvshmem-cu12—indirekt
PyPInvidia-nvshmem-cu13—indirekt
PyPInvmath-python—indirekt
PyPInvtx—indirekt
PyPIpillow—indirekt
PyPIpyclibrary—indirekt
PyPIpyglet—indirekt
PyPIpyglet2.1.14indirekt
PyPIpytest—indirekt
PyPIpytest9.1.0indirekt
PyPIpytest-benchmark—indirekt
PyPIpytest-benchmark5.2.3indirekt
PyPIpytest-github-actions-annotate-failures0.4.2indirekt
PyPIpytest-mock3.15.1indirekt
PyPIpytest-randomly4.1.0indirekt
PyPIpytest-repeat0.9.4indirekt
PyPIpytest-rerunfailures16.3indirekt
PyPIpytest-run-parallel0.10.0indirekt
PyPIpytest-subtests—indirekt
PyPIpytest-timeout2.4.0indirekt
PyPIsetuptools—indirekt
PyPIsetuptools-scm—indirekt
PyPItensorflow—indirekt
PyPItorch—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:cuda-python@13.4.4 zieht 4 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/cuda-python teilen. Nebeneinander lesen →

100open-telemetry/opentelemetry-pythonOpenTelemetry Python API and SDK Außergewöhnlich100python/cpythonThe Python programming languageAußergewöhnlich100uxlfoundation/oneDNNOpen-source library of optimized deep learning operations (matmul, convolution, attention) for CPUs (x64, AArch64, RISC-V) and Intel GPUs. Used by PyTorch, TensorFlow, OpenVINO, and ONNX Runtime.Außergewöhnlich100zephyrproject-rtos/zephyrPrimary Git Repository for the Zephyr Project. Zephyr is a new generation, scalable, optimized, secure RTOS for multiple hardware architectures.Außergewöhnlich100NVIDIA-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)Außergewöhnlich100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMAußergewöhnlich

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.