Öffentliches Register
Software-GesundheitsberichtSchema 0.12.0 · Metriken 2.10.0 · 2026-07-18 05:53 UTC

google / jetstream

JetStream is a throughput and memory optimized engine for LLM inference on XLA devices, starting with TPUs (and GPUs in future -- PRs welcome).

PythonApache-2.0★ 451 Sterne⑂ 67 Forksseit März 2024Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#gemma#gpt#gpu#inference#jax#large-language-models#llama#llama2#llm#model-serving#pytorch#tpu#llm-inference#llmops#mlops#transformer

google/jetstream erreicht einen Gesundheitsindex von 57 von 100 und liegt damit im Bereich Mittel. Am stärksten schneidet es bei Sustainability & Governance (77/100) ab, am schwächsten bei Vitality (28/100). Zuletzt vor 193 Tagen aktualisiert. 6 Mitwirkende tragen den Großteil der jüngsten Arbeit.

57
gesamt / 100
Mittel

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.

57
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 55 wird auf der veröffentlichten Indexskala auf 57 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

AI HypercomputerOrganisation
512 Follower22 öffentliche Reposseit Sept. 2024

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIgoogle-jetstream0.2.2-4vor 777 Tagen

Metriken nach Kategorie

Vitalität

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

28Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

7Kritisch
Wie die Bewertung erfolgt
3.6/36Push-Aktualität — letzter Push vor 193 Tagen
0.7/36Commit-Rhythmus — 1/52 Wochen mit Commits
2.7/18Commit-Volumen — 1 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Verwendete Eingangsdaten
commits_last_year1
human_commit_share—
days_since_last_push193
active_weeks_last_year1

Release-Disziplin

60Mittel
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 4 Releases veröffentlicht
7.2/36Release-Aktualität — letztes Release vor 576 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 85,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count4
latest_release_tagv0.3
releases_from_tagsnein
days_since_latest_release576
mean_days_between_releases85,7
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?

68Gut · 17 % des Gesamtindex

Popularität & Verbreitung

66Gut
Wie die Bewertung erfolgt
43/60Stars — 451 Stars
15.2/25Forks — 67 Forks
7.4/15Watcher — 22 Watcher
Verwendete Eingangsdaten
forks67
stars451
watchers22
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_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templatenein

Nachhaltigkeit & Governance

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

77Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

90Exzellent
Wie die Bewertung erfolgt
48.6/54Bus-Faktor — 6 Beitragende decken die Hälfte aller Commits ab
18.1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 20 % der Commits
13.5/13.5Breite der Beitragenden — 36 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor6
contributors_sampled36
top_contributor_share0,195

Reaktionsfähigkeit bei Issues & PRs

73Gut
Wie die Bewertung erfolgt
22.4/42Issue-Lösungsquote — 53 % der Issues geschlossen
26.2/30PR-Annahme — 209/239 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs209
open_issues14
closed_issues16
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,533
closed_unmerged_prs30
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

79Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
19.5/25Reichweite des Inhabers — 512 Follower von AI-Hypercomputer
13.6/25Kontohistorie — 22 öffentliche Repos, Kontoalter ca. 1 Jahre
Verwendete Eingangsdaten
followers512
owner_typeOrganization
is_verified—
owner_loginAI-Hypercomputer
public_repos22
account_age_days676
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

61Mittel
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
4/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 777 Tagen
12/20Versionshistorie — 4 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesgoogle-jetstream
ecosystemspypi
any_deprecatednein
min_days_since_publish777

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

59Mittel · 19 % des Gesamtindex

Engineering-Praktiken

48Schwach
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 1 out of 16 merged PRs checked by a CI test -- score normalized to 0
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
10/10Topics — 16 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsgemma, gpt, gpu, inference, jax, large-language-models, llama, llama2, llm, model-serving, pytorch, tpu, llm-inference, llmops, mlops, transformer
has_wikinein
homepage—
docs_site—
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

44Schwach · 16 % des Gesamtindex

Sicherheitslage

44Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
0/2.5CI-Tests — 1 out of 16 merged PRs checked by a CI test -- score normalized to 0
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 4 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
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5Packaging — keine Daten
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
0/7.5Vulnerabilities — 20 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate4,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

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.

40Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

1Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

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

61Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile
0/10Belegte Agentenpraxis — keine Daten
0/8Automatisierte Wartung — keine Daten
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis, Automatisierte Wartung. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.6/55Handhabbare Dateigrößen — 1/136 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes68.226
source_files_sampled136
oversized_source_files1

Maschinenlesbare AI-Schnittstellen

50Mittel
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — jetstream/core/proto/jetstream.proto, jetstream/core/proto/multi_lora_decoding.proto, jetstream/engine/tokenizer.proto
0/20MCP-Server — für diese Art von Software nicht anwendbar
0/40Lauffähige Beispiele
Verwendete Eingangsdaten
example_dirs—
has_mcp_signalnein
api_schema_filesjetstream/core/proto/jetstream.proto, jetstream/core/proto/multi_lora_decoding.proto, jetstream/engine/tokenizer.proto
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

451GitHub-Sterne
36Mitwirkende
1Commits, letzte 12 Monate
193Tage seit letztem Push
4Releases
6Bus-Faktor
14offene Issues
PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 4.4 / 10
4.4Gesamtwert

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 · 2026-07-18 05:53 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
0CI-Tests1 out of 16 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 4 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
k. A.Packagingpackaging workflow not 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
0Vulnerabilities20 existing vulnerabilities detected
Alle Abhängigkeiten 27

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 27 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIabsl-py—indirekt
PyPIblobfile—indirekt
PyPIcoverage—indirekt
PyPIevaluate—indirekt
PyPIfastapi—indirekt
PyPIflax—indirekt
PyPIgrpcio—indirekt
PyPIhuggingface-hub—indirekt
PyPIjax—indirekt
PyPIjax0.4.33indirekt
PyPIjaxlib—indirekt
PyPInltk—indirekt
PyPInumpy—indirekt
PyPIpandas—indirekt
PyPIparameterized—indirekt
PyPIportpicker—indirekt
PyPIprometheus-client—indirekt
PyPIpytest—indirekt
PyPIseqio—indirekt
PyPIshortuuid—indirekt
PyPIsympy—indirekt
PyPItensorboard-plugin-profile—indirekt
PyPItiktoken—indirekt
PyPItorch2.3.0+cpuindirekt
PyPItorchvision0.18.0+cpuindirekt
PyPItransformers—indirekt
PyPIuvicorn—indirekt
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 google/jetstream teilen. Nebeneinander lesen →

99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMsAußergewöhnlich99huggingface/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. Außergewöhnlich96bentoml/BentoMLThe easiest way to serve AI apps and models - Build Model Inference APIs, Job queues, LLM apps, Multi-model pipelines, and more!Außergewöhnlich100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich98sgl-project/sglangSGLang is a high-performance serving framework for large language models and multimodal models.Außergewöhnlich98NVIDIA/Megatron-LMOngoing research training transformer models at scaleAußergewöhnlich

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 v0.12.0 — vollständige Methodik · Metriken-Wiki.

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