Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-08-28 03:42 UTC

algorithmicsuperintelligence / openevolve

Open-source implementation of AlphaEvolve

Python · JavaScriptApache-2.0★ 7.278 Sterne⑂ 1.142 Forksseit Mai 2025Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekNetzwerkdienstwie das ermittelt wird
#alphacode#coding-agent#deepmind#deepmind-lab#discovery#distributed-evolutionary-algorithms#evolutionary-algorithms#evolutionary-computation#genetic-algorithm#genetic-algorithms#iterative-methods#iterative-refinement#llm-engineering#llm-ensemble#llm-inference#optimize#alpha-evolve#alphaevolve#openevolve

algorithmicsuperintelligence/openevolve erreicht einen Gesundheitsindex von 86 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Community & Adoption (83/100) ab, am schwächsten bei Security (62/100). Zuletzt vor 40 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

86
gesamt / 100
Exzellent

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.

86
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 72 wird auf der veröffentlichten Indexskala auf 86 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Algorithmic SuperIntelligence LabsOrganisation
164 Follower3 öffentliche Reposseit Okt. 2025

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIopenevolve0.3.223.24454vor 40 Tagen

Metriken nach Kategorie

Vitalität

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

77Gut · 21 % des Gesamtindex

Entwicklungsaktivität

62Mittel
Wie die Bewertung erfolgt
18/36Push-Aktualität — letzter Push vor 40 Tagen
15.9/36Commit-Rhythmus — 23/52 Wochen mit Commits
18/18Commit-Volumen — 215 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 9 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year215
human_commit_share1
days_since_last_push40
active_weeks_last_year23

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 55 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 40 Tagen
27/27Release-Rhythmus — ein Release etwa alle 26,1 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count55
latest_release_tagv0.3.2
releases_from_tagsnein
days_since_latest_release40
mean_days_between_releases26,1
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

95Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 7.278 Stars
25/25Forks — 1.142 Forks
9.7/15Watcher — 57 Watcher
Verwendete Eingangsdaten
forks1.142
stars7.278
watchers57
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

70Gut
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
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges2
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Nachhaltigkeit & Governance

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

62Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

38Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
5.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 77 % der Commits
13.5/13.5Breite der Beitragenden — 52 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 12 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled52
top_contributor_share0,768

Reaktionsfähigkeit bei Issues & PRs

70Gut
Wie die Bewertung erfolgt
25.8/42Issue-Lösungsquote — 61 % der Issues geschlossen
24.6/30PR-Annahme — 169/206 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
10.5/15OpenSSF Scorecard: Code-Review — Found 16/21 approved changesets -- score normalized to 7
Verwendete Eingangsdaten
merged_prs169
open_issues73
closed_issues116
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,614
closed_unmerged_prs37
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

52Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
15.9/25Reichweite des Inhabers — 164 Follower von algorithmicsuperintelligence
6.1/25Kontohistorie — 3 öffentliche Repos, Kontoalter ca. 0 Jahre
Verwendete Eingangsdaten
followers164
owner_typeOrganization
is_verifiednein
owner_loginalgorithmicsuperintelligence
public_repos3
account_age_days314

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 40 Tagen
20/20Versionshistorie — 54 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesopenevolve
ecosystemspypi
any_deprecatednein
min_days_since_publish40

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

76Gut · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.black], [tool.isort])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 21 out of 21 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

50Mittel
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
10/10Topics — 19 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsalphacode, coding-agent, deepmind, deepmind-lab, discovery, distributed-evolutionary-algorithms, evolutionary-algorithms, evolutionary-computation, genetic-algorithm, genetic-algorithms, iterative-methods, iterative-refinement, llm-engineering, llm-ensemble, llm-inference, optimize, alpha-evolve, alphaevolve, openevolve
has_wikinein
homepage—
docs_site—
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

62Mittel · 16 % des Gesamtindex

Sicherheitslage

53Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 21 out of 21 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
5.2/7.5Code-Review — Found 16/21 approved changesets -- score normalized to 7
2.5/2.5Contributors — project has 12 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 9 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6.8/7.5Vulnerabilities — 1 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,3
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_packages25
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:openevolve@0.3.2 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 25 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.

71Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

94Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .github/instructions/sidebar-node-logic.instructions.md, CLAUDE.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://docs.anthropic.com/llms.txt)
33.6/40Lesbare Commit-Historie — 63 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.anthropic.com/llms.txt
legible_history_share0,63
agent_instruction_files.github/instructions/sidebar-node-logic.instructions.md, CLAUDE.md
agent_instruction_max_bytes4.112

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

71Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.black], [tool.isort])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 6 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesCargo.lock
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,06
toolchain_manifestsexamples/rust_adaptive_sort/sort_test/Cargo.toml
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53.9/55Handhabbare Dateigrößen — 5/258 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes919.975
source_files_sampled258
oversized_source_files5

Maschinenlesbare AI-Schnittstellen

40Schwach
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto)
0/20MCP-Server
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalnein
api_schema_files—
interfaces_expected_ofnetwork-service

Eckdaten

7.278GitHub-Sterne
52Mitwirkende
215Commits, letzte 12 Monate
40Tage seit letztem Push
55Releases
1Bus-Faktor
73offene 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 ★ / 1.142 ⇿
0Sterne
1.142Forks
55Releases

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.

Es wird nur die jüngste Historie angezeigt — dieses Repository überschreitet das Erfassungsfenster, sodass die früheste Historie nicht erfasst wird.

02004006008001.0001.2001.142282025-052026-012026-08
Major 0Minor 3Patch 51

Jeder Punkt umfasst 2 Tage.

OpenSSF Scorecard 5.3 / 10
5.3Gesamtwert

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 · 2026-08-28 03:41 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests21 out of 21 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
7Code-ReviewFound 16/21 approved changesets -- score normalized to 7
10Contributorsproject has 12 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained9 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
9Vulnerabilities1 existing vulnerabilities detected
Direkte Abhängigkeiten 6
RegistryPaketVersionsvorgabeManifest
PyPIopenai>=1.0.0pyproject.toml
PyPIpyyaml>=6.0pyproject.toml
PyPInumpy>=1.22.0pyproject.toml
PyPItqdm>=4.64.0pyproject.toml
PyPIflask—pyproject.toml
PyPIdacite>=1.9.2pyproject.toml
Alle Abhängigkeiten 70

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 6 direkte und 64 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIdacite—direkt
PyPIflask—direkt
PyPInumpy—direkt
PyPIopenai—direkt
PyPIpyyaml—direkt
PyPItqdm—direkt
crates.iocfg-if1.0.4indirekt
crates.iogetrandom0.3.4indirekt
crates.iolibc0.2.177indirekt
crates.ioppv-lite860.2.21indirekt
crates.ioproc-macro21.0.102indirekt
crates.ioquote1.0.41indirekt
crates.ior-efi5.3.0indirekt
crates.iorand0.9.2indirekt
crates.iorand_chacha0.9.0indirekt
crates.iorand_core0.9.3indirekt
crates.iosyn2.0.108indirekt
crates.iounicode-ident1.0.20indirekt
crates.iowasip21.0.1+wasi-0.2.4indirekt
crates.iowit-bindgen0.46.0indirekt
crates.iozerocopy0.8.27indirekt
crates.iozerocopy-derive0.8.27indirekt
PyPIbeautifulsoup4—indirekt
PyPIbotorch—indirekt
PyPIclick—indirekt
PyPIcryptography—indirekt
PyPIcvxopt—indirekt
PyPIcvxpy—indirekt
PyPIcython—indirekt
PyPIdace—indirekt
PyPIdask—indirekt
PyPIdatasets—indirekt
PyPIdiffrax—indirekt
PyPIecos—indirekt
PyPIfaiss-cpu—indirekt
PyPIgoogle-generativeai—indirekt
PyPIhdbscan—indirekt
PyPIhighspy—indirekt
PyPIjax—indirekt
PyPIjaxlib—indirekt
PyPIline-profiler—indirekt
PyPIlitellm—indirekt
PyPIlm-eval—indirekt
PyPIlxml—indirekt
PyPImatplotlib—indirekt
PyPImlx—indirekt
PyPImlx-lm—indirekt
PyPInetworkx—indirekt
PyPInumba—indirekt
PyPIoptax—indirekt
PyPIorjson—indirekt
PyPIortools—indirekt
PyPIpandas—indirekt
PyPIpillow—indirekt
PyPIpot—indirekt
PyPIpsutil—indirekt
PyPIpulp—indirekt
PyPIpyaml—indirekt
PyPIpykalman—indirekt
PyPIpylint—indirekt
PyPIpyomo—indirekt
PyPIpython-sat—indirekt
PyPIpythran—indirekt
PyPIpywavelets—indirekt
PyPIrequests—indirekt
PyPIscikit-learn—indirekt
PyPIscipy—indirekt
PyPIsympy—indirekt
PyPItoml—indirekt
PyPItorch—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:openevolve@0.3.2 zieht 25 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 algorithmicsuperintelligence/openevolve teilen. Nebeneinander lesen →

81ahmedfgad/GeneticAlgorithmPythonSource code of PyGAD, a Python 3 library for building the genetic algorithm and training machine learning algorithms (Keras & PyTorch).Exzellent89everruns/everrunsHeadless durable agentic harness engine. Run durable AI agents reliably and scalably.Exzellent88astroautomata/SymbolicRegression.jlDistributed High-Performance Symbolic Regression in JuliaExzellent78cicirello/Chips-n-SalsaA Java library of Customizable, Hybridizable, Iterative, Parallel, Stochastic, and Self-Adaptive Local Search AlgorithmsGut99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich99ai-dynamo/dynamoA Datacenter Scale Distributed Inference Serving FrameworkAußergewöhnlich

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.