Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-13 20:10 UTC

deepspeedai / DeepSpeed

DeepSpeed is a deep learning optimization library that makes distributed training and inference easy, efficient, and effective.

Python · C++Apache-2.0★ 42.927 Sterne⑂ 4.929 Forksseit Jan. 2020Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#deep-learning#pytorch#gpu#machine-learning#billion-parameters#data-parallelism#model-parallelism#inference#pipeline-parallelism#compression#mixture-of-experts#trillion-parameters#zero

deepspeedai/DeepSpeed erreicht einen Gesundheitsindex von 97 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (99/100) ab, am schwächsten bei Security (52/100). Zuletzt heute aktualisiert. 6 Mitwirkende tragen den Großteil der jüngsten Arbeit.

97
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.

97
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 85 wird auf der veröffentlichten Indexskala auf 97 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

deepspeedaiOrganisation
406 Follower6 öffentliche Reposseit Nov. 2020

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIdeepspeed0.19.51.112.723130vor 3 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 — 424 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year424
human_commit_share1
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 3 Tagen
27/27Release-Rhythmus — ein Release etwa alle 19,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv0.19.5
releases_from_tagsnein
days_since_latest_release3
mean_days_between_releases19,9

Community & Verbreitung

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

94Außergewöhnlich · 17 % des Gesamtindex

Popularität & Verbreitung

99Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 42.927 Stars
25/25Forks — 4.929 Forks
14.2/15Watcher — 357 Watcher
Verwendete Eingangsdaten
forks4.929
stars42.927
watchers357
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

85Exzellent
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
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges20
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesbadge.fury.io, badgen.net, github.com, readthedocs.org, shields.io, www.bestpractices.dev
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 1.112.723 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesdeepspeed
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1.112.723
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?

86Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

90Exzellent
Wie die Bewertung erfolgt
48.6/54Bus-Faktor — 6 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 — 99 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor6
contributors_sampled99
top_contributor_share0,167

Reaktionsfähigkeit bei Issues & PRs

75Gut
Wie die Bewertung erfolgt
27.5/42Issue-Lösungsquote — 65 % der Issues geschlossen
25.1/30PR-Annahme — 3.161/3.785 entschiedene PRs gemergt
10.8/13Newcomer PR acceptance — 5/6 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs3.161
open_issues1.163
closed_issues2.201
prs_merged_7d16
prs_decided_7d19
prs_merged_30d54
prs_decided_30d60
issue_closed_ratio0,654
closed_unmerged_prs624
first_time_authors_30d6
first_time_prs_merged_30d5
first_time_prs_decided_30d6

Eigentümerschaft & Trägerschaft

83Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
18.8/25Reichweite des Inhabers — 406 Follower von deepspeedai
17.7/25Kontohistorie — 6 öffentliche Repos, Kontoalter ca. 5 Jahre
Verwendete Eingangsdaten
followers406
owner_typeOrganization
is_verified—
owner_logindeepspeedai
public_repos6
account_age_days2.106
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 3 Tagen
20/20Versionshistorie — 130 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesdeepspeed
ecosystemspypi
any_deprecatednein
min_days_since_publish3

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 30 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — .flake8, .pylintrc
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

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://www.deepspeed.ai/
10/10Repository-Beschreibung
10/10Topics — 13 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsdeep-learning, pytorch, gpu, machine-learning, billion-parameters, data-parallelism, model-parallelism, inference, pipeline-parallelism, compression, mixture-of-experts, trillion-parameters, zero
has_wikinein
homepagehttps://www.deepspeed.ai/
docs_sitehttps://www.deepspeed.ai/
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
lockfiles—
manifestsdocs/Gemfile, requirements/requirements-1bit-mpi.txt, requirements/requirements-autotuning-ml.txt, requirements/requirements-autotuning.txt, requirements/requirements-cpu.txt, requirements/requirements-deepcompile.txt, requirements/requirements-dev.txt, requirements/requirements-inf.txt, requirements/requirements-readthedocs.txt, requirements/requirements-sd.txt, requirements/requirements-sparse_attn.txt, requirements/requirements-sparse_pruning.txt, requirements/requirements-torchembed.txt, requirements/requirements-triton.txt, requirements/requirements.txt, setup.cfg, setup.py
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_packages15
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:deepspeed@0.19.5 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 15 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.

80Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 100 von 100 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
agent_instruction_max_bytes2.041

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

79Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/code-docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — .flake8, .pylintrc
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile
10/10Belegte Agentenpraxis — 16 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
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile, docs/code-docs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,16
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.3/55Handhabbare Dateigrößen — 16/1.286 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes289.592
source_files_sampled1.286
oversized_source_files16

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
Verwendete Eingangsdaten
example_dirsexamples
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

42.927GitHub-Sterne
99Mitwirkende
424Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
6Bus-Faktor
1.163offene Issues
PyPI, RubyGemsPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 21 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (2026/08/13 20:09:18 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 ★ / 4.929 ⇿
0Sterne
4.929Forks
33Releases

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.

3.5004.0004.5005.0004.929122024-112025-102026-08
Major 0Minor 4Patch 29

Jeder Punkt umfasst 2 Tage.

Alle Abhängigkeiten 58

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 58 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaccelerate—indirekt
PyPIautodoc-pydantic—indirekt
PyPIclang-format18.1.3indirekt
PyPIcomet-ml—indirekt
PyPIdeepspeed-kernels—indirekt
PyPIdiffusers—indirekt
PyPIdocutils—indirekt
PyPIeinops—indirekt
PyPIfuture—indirekt
PyPIgoogle—indirekt
PyPIhjson—indirekt
PyPIimportlib-metadata—indirekt
PyPIlm-eval0.3.0indirekt
PyPImpi4py—indirekt
PyPImsgpack—indirekt
PyPImup—indirekt
PyPIneural-compressor2.1.0indirekt
PyPIninja—indirekt
PyPInumpy—indirekt
PyPIpackaging—indirekt
PyPIpre-commit—indirekt
PyPIprotobuf—indirekt
PyPIpsutil—indirekt
PyPIpy-cpuinfo—indirekt
PyPIpydantic—indirekt
PyPIpytest—indirekt
PyPIpytest-forked—indirekt
PyPIpytest-randomly—indirekt
PyPIpytest-xdist—indirekt
PyPIqtorch—indirekt
PyPIqtorch0.3.0indirekt
PyPIrecommonmark—indirekt
PyPIsafetensors—indirekt
PyPIscipy—indirekt
PyPIsentencepiece—indirekt
PyPIsphinx—indirekt
PyPIsphinx-rtd-theme—indirekt
PyPItabulate—indirekt
PyPItensorboard—indirekt
PyPItorch—indirekt
PyPItorchembed—indirekt
PyPItorchvision—indirekt
PyPItqdm—indirekt
PyPItransformers—indirekt
PyPItriton—indirekt
PyPItriton1.0.0indirekt
PyPItriton2.1.0indirekt
PyPIwandb—indirekt
PyPIxgboost—indirekt
RubyGemsgithub-pages—indirekt
RubyGemsjekyll-feed—indirekt
RubyGemsjekyll-include-cache—indirekt
RubyGemsjekyll-paginate—indirekt
RubyGemsjekyll-remote-theme—indirekt
RubyGemsminimal-mistakes-jekyll—indirekt
RubyGemstzinfo—indirekt
RubyGemstzinfo-data—indirekt
RubyGemswebrick—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:deepspeed@0.19.5 zieht 15 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 deepspeedai/DeepSpeed teilen. Nebeneinander lesen →

99huggingface/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. Außergewöhnlich98pytorch/executorchOn-device AI across mobile, embedded and edge for PyTorchAußergewöhnlich98pytorch/pytorchTensors and Dynamic neural networks in Python with strong GPU accelerationAußergewöhnlich98triton-inference-server/serverThe Triton Inference Server provides an optimized cloud and edge inferencing solution. Außergewöhnlich96bitsandbytes-foundation/bitsandbytesAccessible large language models via k-bit quantization for PyTorch.Außergewöhnlich95sktime/pytorch-forecastingTime series forecasting with PyTorchAußergewöhnlich

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 v0.31.0 — vollständige Methodik · Metriken-Wiki.

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