Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-18 01:04 UTC

Nixtla / nixtla

TimeGPT-2.1: production ready pre-trained Time Series Foundation Model for forecasting and anomaly detection. Generative pretrained transformer for time series trained on over 100B data points. It's capable of accurately predicting various domains such as retail, electricity, finance, and IoT with just a few lines of code 🚀.

Jupyter NotebookEigene Lizenz★ 4.008 Sterne⑂ 336 Forksseit Sept. 2021Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#time-series#time-series-forecasting#deep-learning#forecasting#gpt#generative-ai-time-series#timegpt#anomaly-detection#artificial-intelligence#gpts#llm#foundation-models#llms#agentic-ai#agent

Nixtla/nixtla erreicht einen Gesundheitsindex von 96 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei Sustainability & Governance (76/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

96
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.

96
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 84 wird auf der veröffentlichten Indexskala auf 96 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

NixtlaOrganisation · verifizierte Domain
2.852 Follower41 öffentliche Reposseit März 2021

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPInixtla0.8.057.30531vor 58 Tagentime-seriesforecastinggpt

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

94Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
30.5/36Commit-Rhythmus — 44/52 Wochen mit Commits
18/18Commit-Volumen — 159 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 6 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year159
human_commit_share0,71
days_since_last_push0
active_weeks_last_year44

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 52 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 24 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count52
latest_release_tagv0.9.0.dev2
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases24
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

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

83Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

88Exzellent
Wie die Bewertung erfolgt
58.4/60Stars — 4.008 Stars
21/25Forks — 336 Forks
8.7/15Watcher — 37 Watcher
Verwendete Eingangsdaten
forks336
stars4.008
watchers37
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

79Gut
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges6
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

79Gut
Wie die Bewertung erfolgt
63.4/80Downloads pro Monat — 57.305 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesnixtla
dependents—
ecosystemspypi
total_downloads—
monthly_downloads57.305
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?

76Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

41Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
8.9/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 60 % der Commits
13.5/13.5Breite der Beitragenden — 25 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 11 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled25
top_contributor_share0,604

Reaktionsfähigkeit bei Issues & PRs

76Gut
Wie die Bewertung erfolgt
32.9/42Issue-Lösungsquote — 78 % der Issues geschlossen
24.3/30PR-Annahme — 500/618 entschiedene PRs gemergt
4.3/13Newcomer PR acceptance — 1/3 PRs von Erstbeitragenden in 30 Tagen gemergt
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs500
open_issues44
closed_issues159
prs_merged_7d11
prs_decided_7d13
prs_merged_30d26
prs_decided_30d30
issue_closed_ratio0,783
closed_unmerged_prs118
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d3

Eigentümerschaft & Trägerschaft

98Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
24.8/25Reichweite des Inhabers — 2.852 Follower von Nixtla
22.9/25Kontohistorie — 41 öffentliche Repos, Kontoalter ca. 5 Jahre
Verwendete Eingangsdaten
followers2.852
owner_typeOrganization
is_verifiedja
owner_loginNixtla
public_repos41
account_age_days2.025

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 58 Tagen
20/20Versionshistorie — 31 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesnixtla
ecosystemspypi
any_deprecatednein
min_days_since_publish58

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

86Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://www.nixtla.io/docs
10/10Repository-Beschreibung
10/10Topics — 15 Topics
10/10Wiki
Verwendete Eingangsdaten
topicstime-series, time-series-forecasting, deep-learning, forecasting, gpt, generative-ai-time-series, timegpt, anomaly-detection, artificial-intelligence, gpts, llm, foundation-models, llms, agentic-ai, agent
has_wikija
homepagehttps://www.nixtla.io/docs
docs_sitehttps://www.nixtla.io/docs
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

77Gut · 16 % des Gesamtindex

Sicherheitslage

71Gut
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 11 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 6 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
2/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
5/5SAST — SAST tool is run on all commits
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
6/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 34 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Signed-Releases. 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_packages22
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:nixtla@0.8.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 22 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.

81Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

55Mittel
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://www.nixtla.io/llms.txt)
40/40Lesbare Commit-Historie — 57 von 71 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://www.nixtla.io/llms.txt
legible_history_share0,803
agent_instruction_files—
agent_instruction_max_bytes—

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

94Außergewöhnlich
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, experiments/azure-automl-forecasting/Makefile, experiments/foundation-time-series-arena/Makefile, experiments/lag-llama/Makefile, experiments/prophet/Makefile, experiments/vn1-competition/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — nixtla/py.typed
10/10Reproduzierbare Umgebung — devcontainer, lockfile
10/10Belegte Agentenpraxis — 9 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 29 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
4/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile, experiments/azure-automl-forecasting/Makefile, experiments/foundation-time-series-arena/Makefile, experiments/lag-llama/Makefile, experiments/prophet/Makefile, experiments/vn1-competition/Makefile
has_devcontainerja
has_linter_configja
typecheck_configsnixtla/py.typed
agent_commit_share0,09
toolchain_manifests—
dependency_bot_commit_share0,29

AI-Code-Lesbarkeit für Modelle

81Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Jupyter Notebook mit Typprüfungs-Konfiguration (nixtla/py.typed)
53.7/55Handhabbare Dateigrößen — 3/130 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageJupyter Notebook
largest_source_bytes205.114
source_files_sampled130
oversized_source_files3

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — timegpt-docs/openapi.json
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — notebooks
Verwendete Eingangsdaten
example_dirsnotebooks
has_mcp_signalnein
api_schema_filestimegpt-docs/openapi.json
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

4.008GitHub-Sterne
25Mitwirkende
159Commits, letzte 12 Monate
0Tage seit letztem Push
52Releases
1Bus-Faktor
44offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 336 ⇿
0Sterne
336Forks
51Releases

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.

0125250375333302021-102024-042026-09
Major 0Minor 8Patch 32

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 7.1 / 10
7.1Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-18 01:01 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 11 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 6 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
4Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 4
10SASTSAST tool is run on all commits
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
8Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities34 existing vulnerabilities detected
Direkte Abhängigkeiten 10
RegistryPaketVersionsvorgabeManifest
PyPIannotated-types—pyproject.toml
PyPIhttpx—pyproject.toml
PyPInarwhals>=2.11.0pyproject.toml
PyPIorjson—pyproject.toml
PyPIpandas<3.0.0pyproject.toml
PyPIpyarrow>=14.0.0,<24.0.0pyproject.toml
PyPIpydantic>=1.10pyproject.toml
PyPItenacity—pyproject.toml
PyPItqdm—pyproject.toml
PyPIutilsforecast>=0.2.15pyproject.toml
Alle Abhängigkeiten 295

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 15 direkte und 280 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIannotated-types0.7.0direkt
PyPIhttpx0.28.1direkt
PyPInarwhals2.16.0direkt
PyPIorjson3.11.6direkt
PyPIpandas—direkt
PyPIpandas2.2.3direkt
PyPIpyarrow—direkt
PyPIpyarrow23.0.1direkt
PyPIpydantic2.12.3direkt
PyPIpydantic2.13.4direkt
PyPItenacity9.1.2direkt
PyPItqdm—direkt
PyPItqdm4.67.1direkt
PyPIutilsforecast—direkt
PyPIutilsforecast0.2.15direkt
PyPIadagio0.2.6indirekt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIalembic1.17.0indirekt
PyPIanyio4.11.0indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings25.1.0indirekt
PyPIarrow1.4.0indirekt
PyPIasn1crypto1.5.1indirekt
PyPIasttokens3.0.0indirekt
PyPIasync-lru2.0.5indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs25.4.0indirekt
PyPIazure-ai-ml—indirekt
PyPIazure-identity—indirekt
PyPIazureml-core—indirekt
PyPIbabel2.17.0indirekt
PyPIbeautifulsoup44.14.2indirekt
PyPIbleach6.4.0indirekt
PyPIblinker1.9.0indirekt
PyPIboto3—indirekt
PyPIboto31.42.41indirekt
PyPIbotocore1.42.41indirekt
PyPIcertifi2025.10.5indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.4.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIclarabel0.11.1indirekt
PyPIclick8.1.8indirekt
PyPIcloudpickle3.1.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.10.1indirekt
PyPIcomm0.2.3indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoreforecast0.0.16indirekt
PyPIcoverage7.11.0indirekt
PyPIcryptography50.0.0indirekt
PyPIcuda-bindings13.3.1indirekt
PyPIcuda-pathfinder1.5.5indirekt
PyPIcuda-toolkit13.0.3.0indirekt
PyPIcycler0.12.1indirekt
PyPIdash3.2.0indirekt
PyPIdask2026.1.2indirekt
PyPIdatasetsforecast1.0.0indirekt
PyPIdebugpy1.8.17indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.4.0indirekt
PyPIdistributed2026.1.2indirekt
PyPIduckdb1.4.1indirekt
PyPIeinshape—indirekt
PyPIexceptiongroup1.3.0indirekt
PyPIexchange-calendars4.11.2indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock3.20.3indirekt
PyPIfire—indirekt
PyPIfire0.7.1indirekt
PyPIflask3.1.3indirekt
PyPIfonttools4.60.2indirekt
PyPIfqdn1.5.1indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2025.9.0indirekt
PyPIfugue0.9.6indirekt
PyPIgluonts—indirekt
PyPIgreenlet3.2.4indirekt
PyPIh110.16.0indirekt
PyPIhierarchicalforecast1.3.0indirekt
PyPIholidays0.83indirekt
PyPIhttpcore1.0.9indirekt
PyPIhuggingface-hub—indirekt
PyPIidentify2.6.15indirekt
PyPIidna3.15indirekt
PyPIimportlib-metadata8.7.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIintel-cmplr-lib-rt2025.2.1indirekt
PyPIipykernel7.0.1indirekt
PyPIipython8.32.0indirekt
PyPIipywidgets8.1.7indirekt
PyPIisoduration20.11.0indirekt
PyPIitsdangerous2.2.0indirekt
PyPIjax—indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjmespath1.1.0indirekt
PyPIjoblib1.5.2indirekt
PyPIjson50.12.1indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.25.1indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-builder1.0.2indirekt
PyPIjupyter-client8.6.3indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyter-events0.12.0indirekt
PyPIjupyter-lsp2.3.0indirekt
PyPIjupyter-server2.20.0indirekt
PyPIjupyter-server-terminals0.5.3indirekt
PyPIjupyterlab4.6.2indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIjupyterlab-widgets3.0.15indirekt
PyPIkiwisolver1.4.9indirekt
PyPIkorean-lunar-calendar0.3.1indirekt
PyPIlark1.3.0indirekt
PyPIlightgbm—indirekt
PyPIlightgbm4.6.0indirekt
PyPIlightning-utilities0.15.2indirekt
PyPIllvmlite0.45.1indirekt
PyPIlocket1.0.0indirekt
PyPImako1.3.12indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib3.10.7indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImdurl0.1.2indirekt
PyPImistune3.3.3indirekt
PyPImlforecast—indirekt
PyPImlforecast1.0.2indirekt
PyPImltable—indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.2.1indirekt
PyPImultidict6.7.0indirekt
PyPInbclient0.10.2indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.5indirekt
PyPIneuralforecast—indirekt
PyPIneuralforecast3.1.2indirekt
PyPInixtla—indirekt
PyPInixtla0.9.0.dev2indirekt
PyPInixtlats0.5.2indirekt
PyPInodeenv1.9.1indirekt
PyPInotebook-shim0.2.4indirekt
PyPInumba0.62.1indirekt
PyPInumpy—indirekt
PyPInumpy1.26.4indirekt
PyPInvidia-cublas13.1.1.3indirekt
PyPInvidia-cuda-cupti13.0.85indirekt
PyPInvidia-cuda-nvrtc13.0.88indirekt
PyPInvidia-cuda-runtime13.0.96indirekt
PyPInvidia-cudnn-cu139.20.0.48indirekt
PyPInvidia-cufft12.0.0.61indirekt
PyPInvidia-cufile1.15.1.6indirekt
PyPInvidia-curand10.4.0.35indirekt
PyPInvidia-cusolver12.0.4.66indirekt
PyPInvidia-cusparse12.6.3.3indirekt
PyPInvidia-cusparselt-cu130.8.1indirekt
PyPInvidia-nccl-cu132.29.7indirekt
PyPInvidia-nvjitlink13.0.88indirekt
PyPInvidia-nvshmem-cu133.4.5indirekt
PyPInvidia-nvtx13.0.85indirekt
PyPIoptuna4.5.0indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging25.0indirekt
PyPIpandas-market-calendars5.1.1indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.5indirekt
PyPIpartd1.4.2indirekt
PyPIpatsy1.0.2indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIpip-licenses5.5.0indirekt
PyPIplatformdirs4.5.0indirekt
PyPIplotly5.24.1indirekt
PyPIplotly6.3.1indirekt
PyPIplotly-resampler0.10.0indirekt
PyPIplotly-resampler0.11.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpolars1.34.0indirekt
PyPIpolars-runtime-321.34.0indirekt
PyPIpre-commit4.3.0indirekt
PyPIprettytable3.17.0indirekt
PyPIprometheus-client0.23.1indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpropcache0.4.1indirekt
PyPIprophet—indirekt
PyPIprotobuf6.33.5indirekt
PyPIpsutil7.1.1indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpy4j0.10.9.9indirekt
PyPIpycparser2.23indirekt
PyPIpydantic-core2.41.4indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpygments2.20.0indirekt
PyPIpyjwt2.13.0indirekt
PyPIpyluach2.3.0indirekt
PyPIpyopenssl26.4.0indirekt
PyPIpyparsing3.2.5indirekt
PyPIpyreadr0.5.2indirekt
PyPIpyspark4.0.1indirekt
PyPIpytest—indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov7.0.0indirekt
PyPIpytest-rerunfailures16.1indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv—indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-json-logger4.0.0indirekt
PyPIpytorch-lightning2.6.5indirekt
PyPIpytz2025.2indirekt
PyPIpywinpty3.0.2indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIquadprog0.1.13indirekt
PyPIray2.56.1indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.33.0indirekt
PyPIretrying1.4.2indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIrich—indirekt
PyPIrich14.3.2indirekt
PyPIrpds-py0.27.1indirekt
PyPIruff0.15.1indirekt
PyPIs3fs—indirekt
PyPIs3transfer0.16.0indirekt
PyPIscikit-learn1.7.2indirekt
PyPIscipy—indirekt
PyPIscipy1.15.3indirekt
PyPIsend2trash1.8.3indirekt
PyPIsetuptools83.0.0indirekt
PyPIshap0.49.1indirekt
PyPIsix1.17.0indirekt
PyPIslicer0.0.8indirekt
PyPIsniffio1.3.1indirekt
PyPIsnowflake-connector-python4.7.1indirekt
PyPIsnowflake-snowpark-python1.45.0indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.8.4indirekt
PyPIsqlalchemy2.0.44indirekt
PyPIstack-data0.6.3indirekt
PyPIstatsforecast—indirekt
PyPIstatsforecast2.0.2indirekt
PyPIstatsmodels0.14.5indirekt
PyPIsympy1.14.0indirekt
PyPItabulate0.9.0indirekt
PyPItblib3.2.2indirekt
PyPItensorboardx2.6.4indirekt
PyPItermcolor3.1.0indirekt
PyPIterminado0.18.1indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItinycss21.4.0indirekt
PyPItomli2.3.0indirekt
PyPItomlkit0.14.0indirekt
PyPItoolz1.1.0indirekt
PyPItorch—indirekt
PyPItorch2.13.0indirekt
PyPItorchmetrics1.8.2indirekt
PyPItornado6.5.8indirekt
PyPItraitlets5.14.3indirekt
PyPItriad1.0.1indirekt
PyPItriton3.7.1indirekt
PyPItsdownsample0.1.4.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.2indirekt
PyPItzlocal5.3.1indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv20.36.1indirekt
PyPIwandb—indirekt
PyPIwcwidth0.2.14indirekt
PyPIwebcolors24.11.1indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwerkzeug3.1.6indirekt
PyPIwheel0.46.3indirekt
PyPIwidgetsnbextension4.0.14indirekt
PyPIxlrd2.0.2indirekt
PyPIyarl1.22.0indirekt
PyPIzict3.0.0indirekt
PyPIzipp3.23.0indirekt
PyPIzstandard0.25.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:nixtla@0.8.0 zieht 22 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 Nixtla/nixtla teilen. Nebeneinander lesen →

99ag2ai/ag2AG2 (formerly AutoGen): The Open-Source AgentOS.Join us at: https://discord.gg/sNGSwQME3xAußergewöhnlich99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Außergewöhnlich98sktime/sktimeA unified framework for machine learning with time seriesAußergewöhnlich97langgenius/difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.Außergewöhnlich97Significant-Gravitas/AutoGPTAutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mission is to provide the tools, so that you can focus on what matters.Außergewöhnlich96unit8co/dartsA python library for user-friendly forecasting and anomaly detection on time series.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.