Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-12 20:23 UTC

huggingface / diffusers

🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.

PythonApache-2.0★ 34.293 Sterne⑂ 7.236 Forksseit Mai 2022Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#deep-learning#diffusion#image-generation#pytorch#score-based-generative-modeling#image2image#text2image#stable-diffusion#stable-diffusion-diffusers#latent-diffusion-models#flux#image2video#text2video#video2video#qwen-image

huggingface/diffusers erreicht einen Gesundheitsindex von 98 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (97/100) ab, am schwächsten bei Engineering Quality (76/100). Zuletzt heute aktualisiert. 4 Mitwirkende tragen den Großteil der jüngsten Arbeit.

98
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.

98
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 88 wird auf der veröffentlichten Indexskala auf 98 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Hugging FaceOrganisation
67.009 Follower467 öffentliche Reposseit Feb. 2017

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIdiffusers0.39.08.253.00398vor 40 Tagendeeplearningdiffusionjaxpytorchstableaudioldm

Metriken nach Kategorie

Vitalität

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

97Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

100Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
36/36Commit-Rhythmus — 52/52 Wochen mit Commits
18/18Commit-Volumen — 1.030 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year1.030
human_commit_share1
days_since_last_push0
active_weeks_last_year52

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 92 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 40 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 49,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count92
latest_release_tagv0.39.0
releases_from_tagsnein
days_since_latest_release40
mean_days_between_releases49,9

Community & Verbreitung

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

96Außergewöhnlich · 17 % des Gesamtindex

Popularität & Verbreitung

98Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 34.293 Stars
25/25Forks — 7.236 Forks
13/15Watcher — 219 Watcher
Verwendete Eingangsdaten
forks7.236
stars34.293
watchers219
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_badges5
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesshields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 8.253.003 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesdiffusers
dependents—
ecosystemspypi
total_downloads—
monthly_downloads8.253.003
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)

83Exzellent
Wie die Bewertung erfolgt
43.2/54Bus-Faktor — 4 Beitragende decken die Hälfte aller Commits ab
18.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 19 % der Commits
13.5/13.5Breite der Beitragenden — 99 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor4
contributors_sampled99
top_contributor_share0,191

Reaktionsfähigkeit bei Issues & PRs

74Gut
Wie die Bewertung erfolgt
36/42Issue-Lösungsquote — 86 % der Issues geschlossen
24.5/30PR-Annahme — 5.997/7.332 entschiedene PRs gemergt
2/13Newcomer PR acceptance — 2/13 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs5.997
open_issues794
closed_issues4.722
prs_merged_7d15
prs_decided_7d24
prs_merged_30d37
prs_decided_30d57
issue_closed_ratio0,856
closed_unmerged_prs1.335
first_time_authors_30d7
first_time_prs_merged_30d2
first_time_prs_decided_30d13

Eigentümerschaft & Trägerschaft

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
25/25Reichweite des Inhabers — 67.009 Follower von huggingface
25/25Kontohistorie — 467 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers67.009
owner_typeOrganization
is_verified—
owner_loginhuggingface
public_repos467
account_age_days3.468
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 40 Tagen
20/20Versionshistorie — 98 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesdiffusers
ecosystemspypi
any_deprecatednein
min_days_since_publish40

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

76Gut · 19 % des Gesamtindex

Engineering-Praktiken

60Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 34 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://huggingface.co/docs/diffusers
10/10Repository-Beschreibung
10/10Topics — 15 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsdeep-learning, diffusion, image-generation, pytorch, score-based-generative-modeling, image2image, text2image, stable-diffusion, stable-diffusion-diffusers, latent-diffusion-models, flux, image2video, text2video, video2video, qwen-image
has_wikija
homepagehttps://huggingface.co/docs/diffusers
docs_sitehttps://huggingface.co/docs/diffusers
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

80Exzellent · 16 % des Gesamtindex

Sicherheitslage

75Gut
Wie die Bewertung erfolgt
30/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten
20/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestsbenchmarks/requirements.txt, pyproject.toml, setup.py
has_codeql_workflowja
has_security_policyja
has_dependabot_configja

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_packages24
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:diffusers@0.39.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 24 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.

86Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .ai/AGENTS.md, AGENTS.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 89 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,89
agent_instruction_files.ai/AGENTS.md, AGENTS.md, CLAUDE.md
agent_instruction_max_bytes3.112

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

84Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — src/diffusers/py.typed
10/10Reproduzierbare Umgebung — Dockerfile
10/10Belegte Agentenpraxis — 15 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_confignein
typecheck_configssrc/diffusers/py.typed
agent_commit_share0,15
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

78Gut
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/diffusers/py.typed)
50.8/55Handhabbare Dateigrößen — 155/2.051 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes300.298
source_files_sampled2.051
oversized_source_files155

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, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
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

34.293GitHub-Sterne
99Mitwirkende
1.030Commits, letzte 12 Monate
0Tage seit letztem Push
92Releases
4Bus-Faktor
794offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 27 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (2026/08/12 20:21:49 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 ★ / 7.236 ⇿
0Sterne
7.236Forks
6Releases

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.

6.0006.2506.5006.7507.0007.2507.236122025-102026-032026-08
Major 0Minor 4Patch 2
Alle Abhängigkeiten 124

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 124 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaccelerate—indirekt
PyPIaccelerate0.23.0indirekt
PyPIaccelerate1.2.0indirekt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.12.14indirekt
PyPIaiosignal1.4.0indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.6.2.post1indirekt
PyPIasync-timeout4.0.3indirekt
PyPIattrs24.2.0indirekt
PyPIav—indirekt
PyPIbitsandbytes—indirekt
PyPIcertifi2024.8.30indirekt
PyPIcharset-normalizer3.4.0indirekt
PyPIclick8.1.7indirekt
PyPIcontrolnet-aux—indirekt
PyPIdatasets—indirekt
PyPIdecord—indirekt
PyPIdeepspeed—indirekt
PyPIdiffusers—indirekt
PyPIdiffusers0.38.0indirekt
PyPIdiffusers0.9.0indirekt
PyPIeinops—indirekt
PyPIexceptiongroup1.3.0indirekt
PyPIfairscale—indirekt
PyPIfastapi—indirekt
PyPIfastapi0.115.3indirekt
PyPIfilelock3.16.1indirekt
PyPIflax—indirekt
PyPIfrozenlist1.5.0indirekt
PyPIfsspec2024.10.0indirekt
PyPIftfy—indirekt
PyPIftfy6.1.1indirekt
PyPIgpustat—indirekt
PyPIh110.14.0indirekt
PyPIhuggingface-hub—indirekt
PyPIhuggingface-hub0.35.0indirekt
PyPIidna3.10indirekt
PyPIimageio—indirekt
PyPIimageio-ffmpeg—indirekt
PyPIintel-extension-for-pytorch—indirekt
PyPIip-adapter—indirekt
PyPIjinja2—indirekt
PyPIjinja23.1.4indirekt
PyPIjinja23.1.6indirekt
PyPIlpips—indirekt
PyPImarkupsafe3.0.2indirekt
PyPImodelcards—indirekt
PyPImpmath1.3.0indirekt
PyPImultidict6.1.0indirekt
PyPInetworkx3.2.1indirekt
PyPIneural-compressor—indirekt
PyPInumpy—indirekt
PyPInumpy2.0.2indirekt
PyPInvidia-cublas-cu1212.6.4.1indirekt
PyPInvidia-cuda-cupti-cu1212.6.80indirekt
PyPInvidia-cuda-nvrtc-cu1212.6.77indirekt
PyPInvidia-cuda-runtime-cu1212.6.77indirekt
PyPInvidia-cudnn-cu129.5.1.17indirekt
PyPInvidia-cufft-cu1211.3.0.4indirekt
PyPInvidia-cufile-cu121.11.1.6indirekt
PyPInvidia-curand-cu1210.3.7.77indirekt
PyPInvidia-cusolver-cu1211.7.1.2indirekt
PyPInvidia-cusparse-cu1212.5.4.2indirekt
PyPInvidia-cusparselt-cu120.6.3indirekt
PyPInvidia-nccl-cu122.26.2indirekt
PyPInvidia-nvjitlink-cu1212.6.85indirekt
PyPInvidia-nvtx-cu1212.6.77indirekt
PyPIoptax—indirekt
PyPIpackaging—indirekt
PyPIpackaging24.1indirekt
PyPIpandas—indirekt
PyPIpeft—indirekt
PyPIpeft0.11.1indirekt
PyPIpeft0.5.0indirekt
PyPIpeft0.7.0indirekt
PyPIpillow—indirekt
PyPIprodigyopt—indirekt
PyPIprometheus-client0.21.0indirekt
PyPIprometheus-fastapi-instrumentator7.0.0indirekt
PyPIpropcache0.2.0indirekt
PyPIprotobuf—indirekt
PyPIpsutil—indirekt
PyPIpsycopg22.9.9indirekt
PyPIpy-consul1.5.3indirekt
PyPIpydantic2.9.2indirekt
PyPIpydantic-core2.23.4indirekt
PyPIpyyaml6.0.2indirekt
PyPIregex2024.9.11indirekt
PyPIrequests2.32.3indirekt
PyPIsafetensors—indirekt
PyPIsafetensors0.4.5indirekt
PyPIscipy—indirekt
PyPIsentencepiece—indirekt
PyPIsentencepiece0.2.0indirekt
PyPIsniffio1.3.1indirekt
PyPIstarlette0.41.0indirekt
PyPIsympy1.13.3indirekt
PyPItaming-transformers—indirekt
PyPItensorboard—indirekt
PyPItensorboard2.14.0indirekt
PyPItimm—indirekt
PyPItokenizers0.20.1indirekt
PyPItorch—indirekt
PyPItorch2.2.0indirekt
PyPItorch2.7.0indirekt
PyPItorchprofile—indirekt
PyPItorchvision—indirekt
PyPItqdm—indirekt
PyPItqdm4.66.5indirekt
PyPItransformers—indirekt
PyPItransformers4.38.0indirekt
PyPItransformers4.46.1indirekt
PyPItransformers4.47.0indirekt
PyPItransformers5.3.0indirekt
PyPItriton3.3.0indirekt
PyPItyping-extensions4.12.2indirekt
PyPIurllib32.5.0indirekt
PyPIuvicorn—indirekt
PyPIuvicorn0.32.0indirekt
PyPIwandb—indirekt
PyPIwebdataset—indirekt
PyPIxformers—indirekt
PyPIyarl1.18.3indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:diffusers@0.39.0 zieht 24 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 huggingface/diffusers teilen. Nebeneinander lesen →

98huggingface/peft🤗 PEFT: State-of-the-art Parameter-Efficient Fine-Tuning.Außergewöhnlich96ludwig-ai/ludwigLow-code framework for building custom LLMs, neural networks, and other AI modelsAußergewöhnlich89fastai/fastaiThe fastai deep learning libraryExzellent100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich98keras-team/kerasDeep Learning for humansAußergewöhnlich98NVIDIA/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 v0.31.0 — vollständige Methodik · Metriken-Wiki.

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