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

bentoml / BentoML

The easiest way to serve AI apps and models - Build Model Inference APIs, Job queues, LLM apps, Multi-model pipelines, and more!

PythonApache-2.0★ 8.847 Sterne⑂ 1.032 Forksseit Apr. 2019Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekNetzwerkdienstwie das ermittelt wird
#model-serving#mlops#llmops#generative-ai#llm-inference#model-inference-service#inference-platform#deep-learning#llm-serving#machine-learning#python#multimodal#ml-engineering#llm#ai-inference

bentoml/BentoML erreicht einen Gesundheitsindex von 96 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Community & Adoption (93/100) ab, am schwächsten bei Security (68/100). Zuletzt vor 9 Tagen aktualisiert. 4 Mitwirkende tragen 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

BentoMLOrganisation · verifizierte Domain
1.471 Follower112 öffentliche Reposseit Apr. 2019

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIbentoml1.4.39256.155219vor 133 Tagenbentomlcompound-ai-systemsllmopsmlopsmodel-deploymentmodel-inferencemodel-serving

Metriken nach Kategorie

Vitalität

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

80Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

74Gut
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 9 Tagen
22.8/36Commit-Rhythmus — 33/52 Wochen mit Commits
17.8/18Commit-Volumen — 96 Commits im letzten Jahr
5/10OpenSSF Scorecard: Maintained — 6 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
Verwendete Eingangsdaten
commits_last_year96
human_commit_share0,8
days_since_last_push9
active_weeks_last_year33

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
27/36Release-Aktualität — letztes Release vor 133 Tagen
27/27Release-Rhythmus — ein Release etwa alle 17,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv1.4.39
releases_from_tagsnein
days_since_latest_release133
mean_days_between_releases17,9
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?

93Außergewöhnlich · 17 % des Gesamtindex

Popularität & Verbreitung

96Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 8.847 Stars
25/25Forks — 1.032 Forks
10.7/15Watcher — 85 Watcher
Verwendete Eingangsdaten
forks1.032
stars8.847
watchers85
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_badges4
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesbadgen.net, github.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

90Exzellent
Wie die Bewertung erfolgt
72.1/80Downloads pro Monat — 256.155 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesbentoml
dependents—
ecosystemspypi
total_downloads—
monthly_downloads256.155
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?

88Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

85Exzellent
Wie die Bewertung erfolgt
43.2/54Bus-Faktor — 4 Beitragende decken die Hälfte aller Commits ab
18.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 17 % der Commits
13.5/13.5Breite der Beitragenden — 97 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 40 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor4
contributors_sampled97
top_contributor_share0,167

Reaktionsfähigkeit bei Issues & PRs

70Gut
Wie die Bewertung erfolgt
36.7/42Issue-Lösungsquote — 87 % der Issues geschlossen
26.1/30PR-Annahme — 3.636/4.182 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/12 PRs von Erstbeitragenden in 30 Tagen gemergt
7.5/15OpenSSF Scorecard: Code-Review — Found 13/25 approved changesets -- score normalized to 5
Verwendete Eingangsdaten
merged_prs3.636
open_issues148
closed_issues1.023
prs_merged_7d0
prs_decided_7d1
prs_merged_30d6
prs_decided_30d18
issue_closed_ratio0,874
closed_unmerged_prs546
first_time_authors_30d5
first_time_prs_merged_30d0
first_time_prs_decided_30d12

Eigentümerschaft & Trägerschaft

98Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
22.8/25Reichweite des Inhabers — 1.471 Follower von bentoml
25/25Kontohistorie — 112 öffentliche Repos, Kontoalter ca. 7 Jahre
Verwendete Eingangsdaten
followers1.471
owner_typeOrganization
is_verifiedja
owner_loginbentoml
public_repos112
account_age_days2.725

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 133 Tagen
20/20Versionshistorie — 219 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesbentoml
ecosystemspypi
any_deprecatednein
min_days_since_publish133

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
18/20OpenSSF Scorecard: CI-Tests — 22 out of 24 merged PRs checked by a CI test -- score normalized to 9
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://bentoml.com
10/10Repository-Beschreibung
10/10Topics — 15 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsmodel-serving, mlops, llmops, generative-ai, llm-inference, model-inference-service, inference-platform, deep-learning, llm-serving, machine-learning, python, multimodal, ml-engineering, llm, ai-inference
has_wikinein
homepagehttps://bentoml.com
docs_sitehttps://bentoml.com
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

68Gut · 16 % des Gesamtindex

Sicherheitslage

60Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.2/2.5CI-Tests — 22 out of 24 merged PRs checked by a CI test -- score normalized to 9
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 13/25 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 40 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
2.5/2.5Lizenz — license file detected
3.8/7.5Maintained — 6 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
4.5/5SAST — SAST tool detected but not run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 124 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, 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_packages67
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:bentoml@1.4.39 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 67 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.

77Gut · 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://docs.docker.com/llms.txt)
40/40Lesbare Commit-Historie — 75 von 80 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.docker.com/llms.txt
legible_history_share0,938
agent_instruction_files—
agent_instruction_max_bytes—

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

90Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/Makefile, noxfile.py
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — src/bentoml/py.typed, src/bentoml_cli/py.typed
10/10Reproduzierbare Umgebung — devcontainer, Dockerfile, lockfile
10/10Belegte Agentenpraxis — 8 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 12 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespdm.lock
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile, docs/Makefile, noxfile.py
has_devcontainerja
has_linter_configja
typecheck_configssrc/bentoml/py.typed, src/bentoml_cli/py.typed
agent_commit_share0,08
toolchain_manifests—
dependency_bot_commit_share0,12

AI-Code-Lesbarkeit für Modelle

81Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/bentoml/py.typed, src/bentoml_cli/py.typed)
54.4/55Handhabbare Dateigrößen — 5/452 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes1.415.333
source_files_sampled452
oversized_source_files5

Maschinenlesbare AI-Schnittstellen

80Exzellent
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — src/bentoml/grpc/v1/service.proto, src/bentoml/grpc/v1alpha1/service.proto, tests/proto/service_test.proto
0/20MCP-Server
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalnein
api_schema_filessrc/bentoml/grpc/v1/service.proto, src/bentoml/grpc/v1alpha1/service.proto, tests/proto/service_test.proto
interfaces_expected_ofnetwork-service

Eckdaten

8.847GitHub-Sterne
97Mitwirkende
96Commits, letzte 12 Monate
9Tage seit letztem Push
100Releases
4Bus-Faktor
148offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'bentoml' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • pypi download figures for bentoml carried forward from the previous scan (stats endpoint unavailable this scan)

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 1.032 ⇿
0Sterne
1.032Forks
100Releases

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.

02004006008001.0001.2001.032112019-052023-012026-09
Major 0Minor 3Patch 81

Jeder Punkt umfasst 7 Tage.

OpenSSF Scorecard 6.0 / 10
6.0Gesamtwert

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 · 2026-09-17 17:08 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
9CI-Tests22 out of 24 merged PRs checked by a CI test -- score normalized to 9
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 13/25 approved changesets -- score normalized to 5
10Contributorsproject has 40 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
5Maintained6 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
9SASTSAST tool detected but not run on all commits
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities124 existing vulnerabilities detected
Direkte Abhängigkeiten 42
RegistryPaketVersionsvorgabeManifest
PyPIJinja2>=3.0.1pyproject.toml
PyPIPyYAML>=5.0pyproject.toml
PyPIaiohttp—pyproject.toml
PyPIattrs>=22.2.0pyproject.toml
PyPIcattrs>=22.1.0,<23.2.0pyproject.toml
PyPIkantoku>=0.18.3pyproject.toml
PyPIclick>=7.0pyproject.toml
PyPIclick-option-group—pyproject.toml
PyPIcloudpickle>=2.0.0pyproject.toml
PyPIhttpx—pyproject.toml
PyPInumpy—pyproject.toml
PyPInvidia-ml-py—pyproject.toml
PyPIopentelemetry-api~=1.20pyproject.toml
PyPIopentelemetry-sdk~=1.20pyproject.toml
PyPIopentelemetry-instrumentation~=0.41b0pyproject.toml
PyPIopentelemetry-instrumentation-aiohttp-client~=0.41b0pyproject.toml
PyPIopentelemetry-instrumentation-asgi~=0.41b0pyproject.toml
PyPIopentelemetry-semantic-conventions~=0.41b0pyproject.toml
PyPIopentelemetry-util-http~=0.41b0pyproject.toml
PyPIpackaging>=22.0pyproject.toml
PyPIpathspec—pyproject.toml
PyPIpip-requirements-parser>=31.2.0pyproject.toml
PyPIprometheus-client>=0.10.0pyproject.toml
PyPIpsutil—pyproject.toml
PyPIpydantic<3pyproject.toml
PyPIpython-dateutil—pyproject.toml
PyPIpython-multipart—pyproject.toml
PyPIpython-json-logger—pyproject.toml
PyPIrich>=11.2.0pyproject.toml
PyPIschema—pyproject.toml
PyPIsimple-di>=0.1.4pyproject.toml
PyPIstarlette>=0.24.0pyproject.toml
PyPIuvicorn>=0.22.0pyproject.toml
PyPIwatchfiles>=0.15.0pyproject.toml
PyPItomli>=1.1.0pyproject.toml
PyPItomli-w—pyproject.toml
PyPIhttpx-ws>=0.6.0pyproject.toml
PyPIaiosqlite>=0.20.0pyproject.toml
PyPIa2wsgi>=1.10.7pyproject.toml
PyPIfsspec>=2025.7.0pyproject.toml
PyPIrich-toolkit>=0.15.1pyproject.toml
PyPIaiohttp-asgi-connector>=1.1.2pyproject.toml
Alle Abhängigkeiten 55

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 42 direkte und 13 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIa2wsgi—direkt
PyPIaiohttp—direkt
PyPIaiohttp-asgi-connector—direkt
PyPIaiosqlite—direkt
PyPIattrs—direkt
PyPIcattrs—direkt
PyPIclick—direkt
PyPIclick-option-group—direkt
PyPIcloudpickle—direkt
PyPIfsspec—direkt
PyPIhttpx—direkt
PyPIhttpx-ws—direkt
PyPIjinja2—direkt
PyPIkantoku—direkt
PyPInumpy—direkt
PyPInvidia-ml-py—direkt
PyPIopentelemetry-api—direkt
PyPIopentelemetry-instrumentation—direkt
PyPIopentelemetry-instrumentation-aiohttp-client—direkt
PyPIopentelemetry-instrumentation-asgi—direkt
PyPIopentelemetry-sdk—direkt
PyPIopentelemetry-semantic-conventions—direkt
PyPIopentelemetry-util-http—direkt
PyPIpackaging—direkt
PyPIpathspec—direkt
PyPIpip-requirements-parser—direkt
PyPIprometheus-client—direkt
PyPIpsutil—direkt
PyPIpydantic—direkt
PyPIpython-dateutil—direkt
PyPIpython-json-logger—direkt
PyPIpython-multipart—direkt
PyPIpyyaml—direkt
PyPIrich—direkt
PyPIrich-toolkit—direkt
PyPIschema—direkt
PyPIsimple-di—direkt
PyPIstarlette—direkt
PyPItomli—direkt
PyPItomli-w—direkt
PyPIuvicorn—direkt
PyPIwatchfiles—direkt
PyPIaws-sam-cli0.33.1indirekt
PyPIazure-cli—indirekt
PyPIbentoml—indirekt
PyPIfastapi—indirekt
PyPImlflow—indirekt
PyPIpandas—indirekt
PyPIpillow—indirekt
PyPIpsycopg2-binary—indirekt
PyPIpyarrow—indirekt
PyPIscikit-learn—indirekt
PyPIscikit-learn0.20.3indirekt
PyPItorch—indirekt
PyPItransformers—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:bentoml@1.4.39 zieht 67 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 bentoml/BentoML teilen. Nebeneinander lesen →

99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsAußergewöhnlich98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Außergewöhnlich100huggingface/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. Außergewöhnlich98kserve/kserveStandardized Distributed Generative and Predictive AI Inference Platform for Scalable, Multi-Framework Deployment on KubernetesAußergewöhnlich98basetenlabs/trussThe simplest way to serve AI/ML models in productionAußergewöhnlich

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.