Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-16 15:10 UTC

fixie-ai / ultravox

A fast multimodal LLM for real-time voice

PythonMIT★ 4.543 Sterne⑂ 385 Forksseit Mai 2024Auf GitHub ansehen ↗

fixie-ai/ultravox erreicht einen Gesundheitsindex von 34 von 100 und liegt damit im Bereich Gefährdet. Am stärksten schneidet es bei Community & Adoption (71/100) ab, am schwächsten bei Security (26/100). Zuletzt vor 246 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

gesamt / 100

Gefährdet

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.

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)

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 54 wird auf der veröffentlichten Indexskala auf 56 kalibriert (Register-Kalibrierung 2026-08-02). Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 75 % auf die gewichtete Gesamtgesundheit an und begrenzt sie auf die Obergrenze Gefährdet von 34.

Eigentümerschaft

Fixie.aiOrganisation

763 Follower68 öffentliche Reposseit Apr. 2022

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

Metriken nach Kategorie

Vitalität

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

32Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

7Kritisch

Hinweis auf Verwaisung

Arbeit ist eingegangen, und niemand hat sich darum gekümmert

seit 252 Tagen kein menschlicher Commitautomatisierte Commits ausgenommenunbeantwortete Issuesveröffentlichter Fix nicht eingespieltOpenSSF Scorecard meldet es als ungepflegt

Stille allein ist nie der Befund — eine kleine, fertige Bibliothek braucht womöglich jahrelang keinen Commit. Dieser Hinweis verlangt beides: lange keinen menschlichen Commit und Pflichten, denen das Projekt sichtbar nicht nachkommt. Automatisierte Commits gelten nicht als Pflege.

Wie Verwaisung bewertet wird

Wie die Bewertung erfolgt

3.6/36	Push-Aktualität — letzter Push vor 246 Tagen
0.7/36	Commit-Rhythmus — 1/52 Wochen mit Commits
2.7/18	Commit-Volumen — 1 Commits im letzten Jahr
0/10	OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0

Verwendete Eingangsdaten

commits_last_year	1
human_commit_share	1
days_since_last_push	246
active_weeks_last_year	1

Release-Disziplin

70Gut

Wie die Bewertung erfolgt

27/27	Liefert Releases aus — 5 Releases veröffentlicht
16.2/36	Release-Aktualität — letztes Release vor 362 Tagen
19.8/27	Release-Rhythmus — ein Release etwa alle 90,2 Tage
0/10	OpenSSF Scorecard: Signed-Releases — keine Daten

Verwendete Eingangsdaten

releases_count	5
latest_release_tag	v0.6
releases_from_tags	nein
days_since_latest_release	362
mean_days_between_releases	90,2

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?

71Gut · 17 % des Gesamtindex

Popularität & Verbreitung

90Exzellent

Wie die Bewertung erfolgt

59.3/60	Stars — 4.543 Stars
21.5/25	Forks — 385 Forks
9.6/15	Watcher — 55 Watcher

Verwendete Eingangsdaten

forks	385
stars	4.543
watchers	55
growth_state	unverified
growth_factor_pct	100
growth_unverified_reason	no_history

Community-Gesundheit

50Mittel

Wie die Bewertung erfolgt

22.5/22.5	README
22.5/22.5	Lizenz — anerkannte Lizenz (MIT)
0/18	CONTRIBUTING-Leitfaden
0/13.5	Verhaltenskodex
0/7.2	Issue-Vorlage
0/6.3	PR-Vorlage

Verwendete Eingangsdaten

has_readme	ja
has_license	ja
readme_badges	0
has_contributing	nein
has_issue_template	nein
has_code_of_conduct	nein
readme_badge_services	—
has_pull_request_template	nein

Nachhaltigkeit & Governance

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

69Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

64Mittel

Wie die Bewertung erfolgt

25.2/54	Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
14.8/22.5	Commit-Verteilung — wichtigste beitragende Person verfasste 34 % der Commits
13.5/13.5	Breite der Beitragenden — 16 Beitragende
10/10	OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10

Verwendete Eingangsdaten

bus_factor	2
contributors_sampled	16
top_contributor_share	0,344

Reaktionsfähigkeit bei Issues & PRs

54Mittel

Wie die Bewertung erfolgt

19.8/42	Issue-Lösungsquote — 47 % der Issues geschlossen
23.4/30	PR-Annahme — 96/123 entschiedene PRs gemergt
0/13	Newcomer PR acceptance — 0/1 PRs von Erstbeitragenden in 30 Tagen gemergt
10.5/15	OpenSSF Scorecard: Code-Review — Found 22/30 approved changesets -- score normalized to 7

Verwendete Eingangsdaten

merged_prs	96
open_issues	54
closed_issues	48
prs_merged_7d	0
prs_decided_7d	0
prs_merged_30d	0
prs_decided_30d	1
issue_closed_ratio	0,471
closed_unmerged_prs	27
first_time_authors_30d	1
first_time_prs_merged_30d	0
first_time_prs_decided_30d	1

Eigentümerschaft & Trägerschaft

90Exzellent

Wie die Bewertung erfolgt

30/30	Organisatorische Trägerschaft — im Besitz einer Organisation
0/20	Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
20.7/25	Reichweite des Inhabers — 763 Follower von fixie-ai
21.6/25	Kontohistorie — 68 öffentliche Repos, Kontoalter ca. 4 Jahre

Verwendete Eingangsdaten

followers	763
owner_type	Organization
is_verified	—
owner_login	fixie-ai
public_repos	68
account_age_days	1.573

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

70Gut · 19 % des Gesamtindex

Engineering-Praktiken

50Mittel

Wie die Bewertung erfolgt

24/24	CI-Workflows — 1 Workflow(s)
24/24	Tests vorhanden
0/16	Linter-Konfiguration
0/9.6	Pre-Commit-Hooks
0/6.4	.editorconfig
2/20	OpenSSF Scorecard: CI-Tests — 4 out of 23 merged PRs checked by a CI test -- score normalized to 1

Verwendete Eingangsdaten

has_ci	ja
has_tests	ja
has_editorconfig	nein
has_linter_config	nein
has_precommit_config	nein

Dokumentation

100Außergewöhnlich

Wie die Bewertung erfolgt

30/30	README
25/25	Dokumentationsverzeichnis
15/15	Dokumentations-/Homepage-Site — https://ultravox.ai
10/10	Repository-Beschreibung
10/10	Topics — 4 Topics
10/10	Wiki

Verwendete Eingangsdaten

topics	ai, llm, slm, speech
has_wiki	ja
homepage	https://ultravox.ai
docs_site	https://ultravox.ai
has_readme	ja
has_docs_dir	ja
has_description	ja

Sicherheit

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

26Gefährdet · 16 % des Gesamtindex

Sicherheitslage

25Gefährdet

Jurisdiktionsrisiko-Warnung

Exposition gegenüber einer Hochrisikojurisdiktion erkannt

1 Profile beitragender OrganisationenIran

Grundlage sind selbst veröffentlichte öffentliche Profilstandorte. Dieses Governance-Signal bestimmt weder Nationalität, Staatsangehörigkeit, Absicht, Sanktionsstatus noch persönliche Vertrauenswürdigkeit.

So wird Jurisdiktionsexposition bewertet

Wie die Bewertung erfolgt

7.5/7.5	Binary-Artifacts — no binaries found in the repo
0/7.5	Branch-Protection — keine Daten
0.2/2.5	CI-Tests — 4 out of 23 merged PRs checked by a CI test -- score normalized to 1
0/2.5	CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
5.2/7.5	Code-Review — Found 22/30 approved changesets -- score normalized to 7
2.5/2.5	Contributors — project has 3 contributing companies or organizations -- score normalized to 10
10/10	Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5	Dependency-Update-Tool — no update tool detected
0/5	Fuzzing — project is not fuzzed
2.5/2.5	Lizenz — license file detected
0/7.5	Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5	Packaging — keine Daten
0/5	Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5	SAST — SAST tool is not run on all commits -- score normalized to 0
0/5	Security-Policy — security policy file not detected
0/7.5	Signed-Releases — keine Daten
0/7.5	Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5	Vulnerabilities — 226 existing vulnerabilities detected

Verwendete Eingangsdaten

source	openssf_scorecard
checks_evaluated	15
scorecard_version	v5.5.0
checks_inconclusive	3
scorecard_aggregate	3,3
high_risk_jurisdiction_cap	34
high_risk_jurisdiction_multiplier	75
security_posture_after_multiplier	25
security_posture_before_jurisdiction	33

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert. Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 75 % an und begrenzt die Sicherheitslage auf die Obergrenze Gefährdet von 34.

Abhängigkeits-Advisories

29Gefährdet

Wie die Bewertung erfolgt

3.6/35	Direkte Abhängigkeiten ohne bekannte Advisories — 6 betroffen: nltk 3.8.1 (critical 10.0), transformers 4.51.3 (critical 9.6), protobuf 4.25.5 (high 7.5), +3 weitere
0/25	Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
18.1/40	Keine offenen Advisories — 6 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 779 Tagen veröffentlicht

Verwendete Eingangsdaten

source	osv
advisories	398
affected_packages	45
assessed_packages	299
unassessed_packages	0
affected_by_severity	critical 4, high 7, moderate 6, low 1, unknown 27
direct_affected_packages	6

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories. Die verbleibenden Gewichte wurden renormalisiert. 299 aufgelöste Abhängigkeiten wurden mit OSV abgeglichen. Dieses Repository veröffentlicht kein Paket, das der Index auflöst; bewertet wurde daher der Abhängigkeitsgraph des Repositorys. Dieser Graph vermischt Entwicklungs- und Test-Pins mit ausgelieferten Abhängigkeiten, daher werden nur die deklarierten Laufzeit-Abhängigkeiten bewertet; transitive Befunde werden als Kontext ausgewiesen und fließen nicht in die Bewertung ein. 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.

47Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach

Wie die Bewertung erfolgt

0/45	Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15	Maschinenlesbare Doku (llms.txt)
40/40	Lesbare Commit-Historie — 82 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)

Verwendete Eingangsdaten

has_llms_txt	nein
llms_txt_url	—
legible_history_share	0,82
agent_instruction_files	—
agent_instruction_max_bytes	—

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

50Mittel

Wie die Bewertung erfolgt

18/18	Bootstrap mit einem Befehl — Justfile
22/22	Automatisierte Tests
0/11	Lint-/Format-Konfiguration
0/11	Statische Typprüfung
10/10	Reproduzierbare Umgebung — Dockerfile, lockfile
0/10	Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8	Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10	OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0

Verwendete Eingangsdaten

has_nix	nein
has_tests	ja
lockfiles	poetry.lock
has_dockerfile	ja
typed_language	nein
bootstrap_files	Justfile
has_devcontainer	nein
has_linter_config	nein
typecheck_configs	—
agent_commit_share	0
toolchain_manifests	—
dependency_bot_commit_share	0

AI-Code-Lesbarkeit für Modelle

55Mittel

Wie die Bewertung erfolgt

0/45	Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55	Handhabbare Dateigrößen — 0/125 Quelldateien über 60 KB

Verwendete Eingangsdaten

primary_language	Python
largest_source_bytes	56.993
source_files_sampled	125
oversized_source_files	0

Eckdaten

4.543GitHub-Sterne

16Mitwirkende

1Commits, letzte 12 Monate

246Tage seit letztem Push

5Releases

2Bus-Faktor

54offene Issues

PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
Could not fetch pypi package 'ultravox' from its registry
Advisory severity resolved for 120 of 338 advisories (lookup cap); the remainder are reported as unknown severity

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 385 ⇿

0Sterne

385Forks

5Releases

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.

Major 0Minor 0Patch 1

Jeder Punkt umfasst 3 Tage.

OpenSSF Scorecard 3.3 / 10

3.3Gesamtwert

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 · 2026-08-16 15:10 UTC

10	Binary-Artifacts	no binaries found in the repo
k. A.	Branch-Protection	internal 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
1	CI-Tests	4 out of 23 merged PRs checked by a CI test -- score normalized to 1
0	CII-Best-Practices	no effort to earn an OpenSSF best practices badge detected
7	Code-Review	Found 22/30 approved changesets -- score normalized to 7
10	Contributors	project has 3 contributing companies or organizations -- score normalized to 10
10	Dangerous-Workflow	no dangerous workflow patterns detected
0	Dependency-Update-Tool	no update tool detected
0	Fuzzing	project is not fuzzed
10	License	license file detected
0	Maintained	0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
k. A.	Packaging	packaging workflow not detected
0	Pinned-Dependencies	dependency not pinned by hash detected -- score normalized to 0
0	SAST	SAST tool is not run on all commits -- score normalized to 0
0	Security-Policy	security policy file not detected
k. A.	Signed-Releases	no releases found
0	Token-Permissions	detected GitHub workflow tokens with excessive permissions
0	Vulnerabilities	226 existing vulnerabilities detected

Direkte Abhängigkeiten 39

Registry	Paket	Versionsvorgabe	Manifest
PyPI	torch	`>=2.6`	pyproject.toml
PyPI	transformers	`>=4.51.3`	pyproject.toml
PyPI	huggingface-hub	`>=0.27.0`	pyproject.toml
PyPI	peft	`~0.11.1`	pyproject.toml
PyPI	simple-parsing	`~0.1.5`	pyproject.toml
PyPI	librosa	`~0.10.2.post1`	pyproject.toml
PyPI	requests	`>=2.31.0`	pyproject.toml
PyPI	datasets	`>=3.5.0, <4.0`	pyproject.toml
PyPI	mosaicml-streaming	`~0.7.6`	pyproject.toml
PyPI	nltk	`~3.8.1`	pyproject.toml
PyPI	truecase	`~0.0.14`	pyproject.toml
PyPI	sentencepiece	`~0.2.0`	pyproject.toml
PyPI	protobuf	`~4.25.3`	pyproject.toml
PyPI	dataclasses-json	`~0.6.7`	pyproject.toml
PyPI	openai	`>=1.60.0`	pyproject.toml
PyPI	jiwer	`~3.0.4`	pyproject.toml
PyPI	tensorboardx	`~2.6.2.2`	pyproject.toml
PyPI	wandb	`>=0.19.10`	pyproject.toml
PyPI	sacrebleu	`^2.4.2`	pyproject.toml
PyPI	mecab-ko	`*`	pyproject.toml
PyPI	mecab-python3	`*`	pyproject.toml
PyPI	ipadic	`*`	pyproject.toml
PyPI	tenacity	`^9.0.0`	pyproject.toml
PyPI	evals	`—`	pyproject.toml
PyPI	torchaudio	`^2.6`	pyproject.toml
PyPI	scipy	`^1.14.1`	pyproject.toml
PyPI	einops	`^0.8.0`	pyproject.toml
PyPI	praatio	`^6.2.0`	pyproject.toml
PyPI	hf-transfer	`^0.1.8`	pyproject.toml
PyPI	annoy	`^1.17.3`	pyproject.toml
PyPI	coverage	`^7.6.10`	pyproject.toml
PyPI	whisper_normalizer	`>=0.1.0`	pyproject.toml
PyPI	evaluate	`^0.4.3`	pyproject.toml
PyPI	deepgram-sdk	`^3.10.1`	pyproject.toml
PyPI	vocos	`^0.1.0`	pyproject.toml
PyPI	torchdiffeq	`*`	pyproject.toml
PyPI	x-transformers	`*`	pyproject.toml
PyPI	rich	`<13.5.0`	pyproject.toml
PyPI	qa-metrics	`>=0.2.42`	pyproject.toml

Alle Abhängigkeiten 299

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 38 direkte und 261 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

Registry	Paket	Version	Beziehung
PyPI	annoy	`1.17.3`	direkt
PyPI	coverage	`7.6.10`	direkt
PyPI	dataclasses-json	`0.6.7`	direkt
PyPI	datasets	`3.5.0`	direkt
PyPI	deepgram-sdk	`3.10.1`	direkt
PyPI	einops	`0.8.0`	direkt
PyPI	evaluate	`0.4.3`	direkt
PyPI	hf-transfer	`0.1.9`	direkt
PyPI	huggingface-hub	`0.30.2`	direkt
PyPI	ipadic	`1.0.0`	direkt
PyPI	jiwer	`3.0.5`	direkt
PyPI	librosa	`0.10.2.post1`	direkt
PyPI	mecab-ko	`1.0.1`	direkt
PyPI	mecab-python3	`1.0.10`	direkt
PyPI	mosaicml-streaming	`0.7.6`	direkt
PyPI	nltk	`3.8.1`	direkt
PyPI	openai	`1.60.2`	direkt
PyPI	peft	`0.11.1`	direkt
PyPI	praatio	`6.2.0`	direkt
PyPI	protobuf	`4.25.5`	direkt
PyPI	qa-metrics	`0.2.42`	direkt
PyPI	requests	`2.32.4`	direkt
PyPI	rich	`13.4.2`	direkt
PyPI	sacrebleu	`2.5.1`	direkt
PyPI	scipy	`1.15.1`	direkt
PyPI	sentencepiece	`0.2.0`	direkt
PyPI	simple-parsing	`0.1.7`	direkt
PyPI	tenacity	`9.0.0`	direkt
PyPI	tensorboardx	`2.6.2.2`	direkt
PyPI	torch	`2.6.0`	direkt
PyPI	torchaudio	`2.6.0`	direkt
PyPI	torchdiffeq	`0.2.5`	direkt
PyPI	transformers	`4.51.3`	direkt
PyPI	truecase	`0.0.14`	direkt
PyPI	vocos	`0.1.0`	direkt
PyPI	wandb	`0.19.10`	direkt
PyPI	whisper-normalizer	`0.1.12`	direkt
PyPI	x-transformers	`2.2.8`	direkt
PyPI	accelerate	`1.3.0`	indirekt
PyPI	aenum	`3.1.15`	indirekt
PyPI	aiofiles	`23.2.1`	indirekt
PyPI	aiohappyeyeballs	`2.4.4`	indirekt
PyPI	aiohttp	`3.11.11`	indirekt
PyPI	aioice	`0.10.1`	indirekt
PyPI	aiolimiter	`1.2.1`	indirekt
PyPI	aiortc	`1.10.1`	indirekt
PyPI	aiosignal	`1.3.2`	indirekt
PyPI	annotated-types	`0.7.0`	indirekt
PyPI	ansicon	`1.89.0`	indirekt
PyPI	anthropic	`0.45.0`	indirekt
PyPI	anyascii	`0.3.3`	indirekt
PyPI	anyio	`4.8.0`	indirekt
PyPI	asn1crypto	`1.5.1`	indirekt
PyPI	async-timeout	`4.0.3`	indirekt
PyPI	attrs	`24.3.0`	indirekt
PyPI	audioop-lts	`0.2.1`	indirekt
PyPI	audioread	`3.0.1`	indirekt
PyPI	autoflake	`2.3.1`	indirekt
PyPI	av	`13.1.0`	indirekt
PyPI	azure-core	`1.32.0`	indirekt
PyPI	azure-identity	`1.19.0`	indirekt
PyPI	azure-storage-blob	`12.24.1`	indirekt
PyPI	azure-storage-file-datalake	`12.18.1`	indirekt
PyPI	backoff	`2.2.1`	indirekt
PyPI	bcrypt	`4.2.1`	indirekt
PyPI	beartype	`0.19.0`	indirekt
PyPI	black	`24.4.2`	indirekt
PyPI	blessed	`1.20.0`	indirekt
PyPI	blinker	`1.9.0`	indirekt
PyPI	blobfile	`3.0.0`	indirekt
PyPI	boto3	`1.36.5`	indirekt
PyPI	botocore	`1.36.5`	indirekt
PyPI	brotli	`1.1.0`	indirekt
PyPI	cachetools	`5.5.1`	indirekt
PyPI	certifi	`2024.12.14`	indirekt
PyPI	cffi	`1.17.1`	indirekt
PyPI	charset-normalizer	`3.4.1`	indirekt
PyPI	chess	`1.11.1`	indirekt
PyPI	circuitbreaker	`2.0.0`	indirekt
PyPI	click	`8.1.8`	indirekt
PyPI	cloudpickle	`3.1.1`	indirekt
PyPI	colorama	`0.4.6`	indirekt
PyPI	coloredlogs	`15.0.1`	indirekt
PyPI	contourpy	`1.3.1`	indirekt
PyPI	contractions	`0.1.73`	indirekt
PyPI	cramjam	`2.9.1`	indirekt
PyPI	cryptography	`44.0.0`	indirekt
PyPI	cycler	`0.12.1`	indirekt
PyPI	dacite	`1.8.1`	indirekt
PyPI	decorator	`5.1.1`	indirekt
PyPI	deprecation	`2.1.0`	indirekt
PyPI	dill	`0.3.8`	indirekt
PyPI	distro	`1.9.0`	indirekt
PyPI	dnspython	`2.7.0`	indirekt
PyPI	docker	`7.1.0`	indirekt
PyPI	docker-pycreds	`0.4.0`	indirekt
PyPI	docstring-parser	`0.16`	indirekt
PyPI	einx	`0.3.0`	indirekt
PyPI	encodec	`0.1.1`	indirekt
PyPI	exceptiongroup	`1.2.2`	indirekt
PyPI	farama-notifications	`0.0.4`	indirekt
PyPI	fastapi	`0.115.7`	indirekt
PyPI	ffmpy	`0.5.0`	indirekt
PyPI	filelock	`3.17.0`	indirekt
PyPI	fire	`0.7.0`	indirekt
PyPI	flask	`3.1.0`	indirekt
PyPI	flatbuffers	`25.2.10`	indirekt
PyPI	fonttools	`4.55.5`	indirekt
PyPI	frozendict	`2.4.6`	indirekt
PyPI	frozenlist	`1.5.0`	indirekt
PyPI	fsspec	`2024.3.1`	indirekt
PyPI	gcsfs	`2024.3.1`	indirekt
PyPI	gitdb	`4.0.12`	indirekt
PyPI	gitpython	`3.1.44`	indirekt
PyPI	google-ai-generativelanguage	`0.6.15`	indirekt
PyPI	google-api-core	`2.24.0`	indirekt
PyPI	google-api-python-client	`2.159.0`	indirekt
PyPI	google-auth	`2.38.0`	indirekt
PyPI	google-auth-httplib2	`0.2.0`	indirekt
PyPI	google-auth-oauthlib	`1.2.1`	indirekt
PyPI	google-cloud-core	`2.4.1`	indirekt
PyPI	google-cloud-storage	`2.10.0`	indirekt
PyPI	google-crc32c	`1.6.0`	indirekt
PyPI	google-generativeai	`0.8.4`	indirekt
PyPI	google-resumable-media	`2.7.2`	indirekt
PyPI	googleapis-common-protos	`1.66.0`	indirekt
PyPI	gpustat	`1.1.1`	indirekt
PyPI	gradio	`5.13.0`	indirekt
PyPI	gradio-client	`1.6.0`	indirekt
PyPI	gradio-webrtc	`0.0.31`	indirekt
PyPI	greenlet	`3.1.1`	indirekt
PyPI	grpcio	`1.70.0`	indirekt
PyPI	grpcio-status	`1.62.3`	indirekt
PyPI	gymnasium	`1.0.0`	indirekt
PyPI	h11	`0.14.0`	indirekt
PyPI	hf-xet	`1.1.0`	indirekt
PyPI	httpcore	`1.0.7`	indirekt
PyPI	httplib2	`0.22.0`	indirekt
PyPI	httpx	`0.28.1`	indirekt
PyPI	humanfriendly	`10.0`	indirekt
PyPI	idna	`3.10`	indirekt
PyPI	ifaddr	`0.2.0`	indirekt
PyPI	indic-numtowords	`1.0.2`	indirekt
PyPI	iniconfig	`2.0.0`	indirekt
PyPI	isodate	`0.7.2`	indirekt
PyPI	isort	`5.13.2`	indirekt
PyPI	itsdangerous	`2.2.0`	indirekt
PyPI	jinja2	`3.1.5`	indirekt
PyPI	jinxed	`1.3.0`	indirekt
PyPI	jiter	`0.8.2`	indirekt
PyPI	jmespath	`1.0.1`	indirekt
PyPI	joblib	`1.4.2`	indirekt
PyPI	jsonpatch	`1.33`	indirekt
PyPI	jsonpointer	`3.0.0`	indirekt
PyPI	kiwisolver	`1.4.8`	indirekt
PyPI	langchain	`0.3.27`	indirekt
PyPI	langchain-core	`0.3.72`	indirekt
PyPI	langchain-text-splitters	`0.3.9`	indirekt
PyPI	langdetect	`1.0.9`	indirekt
PyPI	langsmith	`0.4.8`	indirekt
PyPI	lazy-loader	`0.4`	indirekt
PyPI	llvmlite	`0.44.0`	indirekt
PyPI	loguru	`0.7.3`	indirekt
PyPI	lxml	`5.3.0`	indirekt
PyPI	lz4	`4.3.3`	indirekt
PyPI	markdown-it-py	`3.0.0`	indirekt
PyPI	markupsafe	`2.1.5`	indirekt
PyPI	marshmallow	`3.26.0`	indirekt
PyPI	matplotlib	`3.10.0`	indirekt
PyPI	mdurl	`0.1.2`	indirekt
PyPI	mecab-ko-dic	`1.0.0`	indirekt
PyPI	mock	`5.1.0`	indirekt
PyPI	more-itertools	`10.6.0`	indirekt
PyPI	mpmath	`1.3.0`	indirekt
PyPI	msal	`1.31.1`	indirekt
PyPI	msal-extensions	`1.2.0`	indirekt
PyPI	msgpack	`1.1.0`	indirekt
PyPI	multidict	`6.1.0`	indirekt
PyPI	multiprocess	`0.70.16`	indirekt
PyPI	mypy	`1.15.0`	indirekt
PyPI	mypy-extensions	`1.0.0`	indirekt
PyPI	networkx	`3.4.2`	indirekt
PyPI	numba	`0.61.0`	indirekt
PyPI	numexpr	`2.10.2`	indirekt
PyPI	numpy	`1.26.4`	indirekt
PyPI	nvidia-cublas-cu12	`12.4.5.8`	indirekt
PyPI	nvidia-cuda-cupti-cu12	`12.4.127`	indirekt
PyPI	nvidia-cuda-nvrtc-cu12	`12.4.127`	indirekt
PyPI	nvidia-cuda-runtime-cu12	`12.4.127`	indirekt
PyPI	nvidia-cudnn-cu12	`9.1.0.70`	indirekt
PyPI	nvidia-cufft-cu12	`11.2.1.3`	indirekt
PyPI	nvidia-curand-cu12	`10.3.5.147`	indirekt
PyPI	nvidia-cusolver-cu12	`11.6.1.9`	indirekt
PyPI	nvidia-cusparse-cu12	`12.3.1.170`	indirekt
PyPI	nvidia-cusparselt-cu12	`0.6.2`	indirekt
PyPI	nvidia-ml-py	`12.560.30`	indirekt
PyPI	nvidia-nccl-cu12	`2.21.5`	indirekt
PyPI	nvidia-nvjitlink-cu12	`12.4.127`	indirekt
PyPI	nvidia-nvtx-cu12	`12.4.127`	indirekt
PyPI	oauthlib	`3.2.2`	indirekt
PyPI	oci	`2.143.0`	indirekt
PyPI	onnxruntime	`1.22.1`	indirekt
PyPI	orjson	`3.10.15`	indirekt
PyPI	packaging	`24.2`	indirekt
PyPI	pandas	`2.2.3`	indirekt
PyPI	paramiko	`3.5.0`	indirekt
PyPI	pathspec	`0.12.1`	indirekt
PyPI	patsy	`1.0.1`	indirekt
PyPI	pillow	`11.1.0`	indirekt
PyPI	platformdirs	`4.3.6`	indirekt
PyPI	playwright	`1.49.1`	indirekt
PyPI	pluggy	`1.5.0`	indirekt
PyPI	pooch	`1.8.2`	indirekt
PyPI	portalocker	`2.10.1`	indirekt
PyPI	propcache	`0.2.1`	indirekt
PyPI	proto-plus	`1.25.0`	indirekt
PyPI	psutil	`6.1.1`	indirekt
PyPI	pyahocorasick	`2.2.0`	indirekt
PyPI	pyarrow	`19.0.0`	indirekt
PyPI	pyasn1	`0.6.1`	indirekt
PyPI	pyasn1-modules	`0.4.1`	indirekt
PyPI	pycparser	`2.22`	indirekt
PyPI	pycryptodomex	`3.21.0`	indirekt
PyPI	pydantic	`2.10.5`	indirekt
PyPI	pydantic-core	`2.27.2`	indirekt
PyPI	pydub	`0.25.1`	indirekt
PyPI	pyee	`12.0.0`	indirekt
PyPI	pyflakes	`3.2.0`	indirekt
PyPI	pygments	`2.19.1`	indirekt
PyPI	pyjwt	`2.10.1`	indirekt
PyPI	pylibsrtp	`0.12.0`	indirekt
PyPI	pynacl	`1.5.0`	indirekt
PyPI	pyopenssl	`24.3.0`	indirekt
PyPI	pyparsing	`3.2.1`	indirekt
PyPI	pyreadline3	`3.5.4`	indirekt
PyPI	pytest	`8.2.2`	indirekt
PyPI	python-dateutil	`2.9.0.post0`	indirekt
PyPI	python-multipart	`0.0.20`	indirekt
PyPI	python-snappy	`0.7.3`	indirekt
PyPI	pytz	`2024.2`	indirekt
PyPI	pywin32	`308`	indirekt
PyPI	pyyaml	`6.0.2`	indirekt
PyPI	rapidfuzz	`3.11.0`	indirekt
PyPI	regex	`2024.11.6`	indirekt
PyPI	requests-oauthlib	`2.0.0`	indirekt
PyPI	requests-toolbelt	`1.0.0`	indirekt
PyPI	rsa	`4.9`	indirekt
PyPI	ruff	`0.11.8`	indirekt
PyPI	s3transfer	`0.11.2`	indirekt
PyPI	safehttpx	`0.1.6`	indirekt
PyPI	safetensors	`0.5.2`	indirekt
PyPI	scikit-learn	`1.3.2`	indirekt
PyPI	seaborn	`0.13.2`	indirekt
PyPI	semantic-version	`2.10.0`	indirekt
PyPI	sentry-sdk	`2.20.0`	indirekt
PyPI	setproctitle	`1.3.4`	indirekt
PyPI	setuptools	`75.8.0`	indirekt
PyPI	shellingham	`1.5.4`	indirekt
PyPI	six	`1.17.0`	indirekt
PyPI	smmap	`5.0.2`	indirekt
PyPI	sniffio	`1.3.1`	indirekt
PyPI	snowflake-connector-python	`3.12.4`	indirekt
PyPI	sortedcontainers	`2.4.0`	indirekt
PyPI	sounddevice	`0.4.7`	indirekt
PyPI	soundfile	`0.13.0`	indirekt
PyPI	soxr	`0.5.0.post1`	indirekt
PyPI	sqlalchemy	`2.0.37`	indirekt
PyPI	starlette	`0.45.2`	indirekt
PyPI	statsmodels	`0.14.4`	indirekt
PyPI	sympy	`1.13.1`	indirekt
PyPI	tabulate	`0.9.0`	indirekt
PyPI	termcolor	`2.5.0`	indirekt
PyPI	textsearch	`0.0.24`	indirekt
PyPI	threadpoolctl	`3.5.0`	indirekt
PyPI	tiktoken	`0.8.0`	indirekt
PyPI	tokenizers	`0.21.0`	indirekt
PyPI	tomli	`2.2.1`	indirekt
PyPI	tomlkit	`0.13.2`	indirekt
PyPI	torchvision	`0.21.0`	indirekt
PyPI	tqdm	`4.67.1`	indirekt
PyPI	triton	`3.2.0`	indirekt
PyPI	typer	`0.15.1`	indirekt
PyPI	types-pyyaml	`6.0.12.20241230`	indirekt
PyPI	types-requests	`2.26.3`	indirekt
PyPI	types-tqdm	`4.67.0.20241221`	indirekt
PyPI	typing-extensions	`4.12.2`	indirekt
PyPI	typing-inspect	`0.9.0`	indirekt
PyPI	tzdata	`2025.1`	indirekt
PyPI	uritemplate	`4.1.1`	indirekt
PyPI	urllib3	`2.3.0`	indirekt
PyPI	uvicorn	`0.34.0`	indirekt
PyPI	wcwidth	`0.2.13`	indirekt
PyPI	websockets	`14.2`	indirekt
PyPI	werkzeug	`3.1.3`	indirekt
PyPI	win32-setctime	`1.2.0`	indirekt
PyPI	xxhash	`3.5.0`	indirekt
PyPI	yarl	`1.18.3`	indirekt
PyPI	zstandard	`0.23.0`	indirekt
PyPI	zstd	`1.5.6.2`	indirekt

Abhängigkeits-Advisories 45

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 299 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 45 tragen bekannte Advisories, davon 6 direkte.

Paket	Version	Beziehung	Schweregrad	Advisories	Behoben in
nltk	`3.8.1`	direkt	kritisch	31	`3.10.0`
transformers	`4.51.3`	direkt	kritisch	26	`5.5.0`
aiohttp	`3.11.11`	indirekt	kritisch	66	`3.14.3`
h11	`0.14.0`	indirekt	kritisch	2	`0.16.0`
protobuf	`4.25.5`	direkt	hoch	4	`6.33.5`
sentencepiece	`0.2.0`	direkt	hoch	2	`0.2.1`
torch	`2.6.0`	direkt	hoch	24	`2.13.0`
click	`8.1.8`	indirekt	hoch	1	`8.3.3`
cryptography	`44.0.0`	indirekt	hoch	13	`50.0.0`
pyarrow	`19.0.0`	indirekt	hoch	2	`23.0.1`
urllib3	`2.3.0`	indirekt	hoch	12	`2.7.0`
requests	`2.32.4`	direkt	mittel	2	`2.33.0`
filelock	`3.17.0`	indirekt	mittel	4	`3.20.3`
idna	`3.10`	indirekt	mittel	2	`3.15`
jinja2	`3.1.5`	indirekt	mittel	2	`3.1.6`
pytest	`8.2.2`	indirekt	mittel	2	`9.0.3`
setuptools	`75.8.0`	indirekt	mittel	4	`83.0.0`
pygments	`2.19.1`	indirekt	niedrig	2	`2.20.0`
azure-core	`1.32.0`	indirekt	unbekannt	2	—
black	`24.4.2`	indirekt	unbekannt	3	—
brotli	`1.1.0`	indirekt	unbekannt	2	—
flask	`3.1.0`	indirekt	unbekannt	4	—
fonttools	`4.55.5`	indirekt	unbekannt	2	—
gitpython	`3.1.44`	indirekt	unbekannt	26	—
gradio	`5.13.0`	indirekt	unbekannt	18	—
httplib2	`0.22.0`	indirekt	unbekannt	2	—
langchain	`0.3.27`	indirekt	unbekannt	4	—
langchain-core	`0.3.72`	indirekt	unbekannt	12	—
langchain-text-splitters	`0.3.9`	indirekt	unbekannt	2	—
langsmith	`0.4.8`	indirekt	unbekannt	5	—
lxml	`5.3.0`	indirekt	unbekannt	2	—
marshmallow	`3.26.0`	indirekt	unbekannt	2	—
msgpack	`1.1.0`	indirekt	unbekannt	2	—
orjson	`3.10.15`	indirekt	unbekannt	2	—
paramiko	`3.5.0`	indirekt	unbekannt	2	—
pillow	`11.1.0`	indirekt	unbekannt	34	—
pyasn1	`0.6.1`	indirekt	unbekannt	10	—
pyjwt	`2.10.1`	indirekt	unbekannt	13	—
pynacl	`1.5.0`	indirekt	unbekannt	2	—
pyopenssl	`24.3.0`	indirekt	unbekannt	4	—
python-multipart	`0.0.20`	indirekt	unbekannt	14	—
scikit-learn	`1.3.2`	indirekt	unbekannt	2	—
snowflake-connector-python	`3.12.4`	indirekt	unbekannt	6	—
starlette	`0.45.2`	indirekt	unbekannt	14	—
werkzeug	`3.1.3`	indirekt	unbekannt	6	—

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.

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.

Software-Gesundheitsindex

Bewertungsprofil

Eigentümerschaft

Metriken nach Kategorie

Eckdaten

Warnungen zur Datenerhebung

Weitere Details

Feedback

Verwandte Einträge