Öffentliches Register
Software-GesundheitsberichtSchema 0.27.0 · Metriken 2.5.0 · 2026-07-31 04:55 UTC

iree-org / iree-turbine

IREE's PyTorch Frontend, based on Torch Dynamo.

PythonApache-2.0★ 110 Sterne⑂ 83 Forksseit Apr. 2024Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#compiler#machine-learning#mlir#pytorch#runtime

iree-org/iree-turbine erreicht einen Gesundheitsindex von 87 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (91/100) ab, am schwächsten bei Security (46/100). Zuletzt vor 10 Tagen aktualisiert. 4 Mitwirkende tragen den Großteil der jüngsten Arbeit.

87
gesamt / 100
Exzellent

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.

87
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 73 wird auf der veröffentlichten Indexskala auf 87 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

IREEOrganisation
204 Follower33 öffentliche Reposseit Juni 2022

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIiree-turbine3.9.024.57517vor 247 Tagen

Metriken nach Kategorie

Vitalität

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

82Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

85Exzellent
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 10 Tagen
29.8/36Commit-Rhythmus — 43/52 Wochen mit Commits
18/18Commit-Volumen — 190 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year190
human_commit_share0,44
days_since_last_push10
active_weeks_last_year43

Release-Disziplin

78Gut
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 14 Releases veröffentlicht
16.2/36Release-Aktualität — letztes Release vor 247 Tagen
27/27Release-Rhythmus — ein Release etwa alle 39,5 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count14
latest_release_tagv3.9.0
releases_from_tagsnein
days_since_latest_release247
mean_days_between_releases39,5

Community & Verbreitung

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

65Gut · 17 % des Gesamtindex

Popularität & Verbreitung

56Mittel
Wie die Bewertung erfolgt
33/60Stars — 110 Stars
16/25Forks — 83 Forks
7.1/15Watcher — 20 Watcher
Verwendete Eingangsdaten
forks83
stars110
watchers20
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

Ökosystem-Verbreitung (Downloads)

73Gut
Wie die Bewertung erfolgt
58.5/80Downloads pro Monat — 24.575 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesiree-turbine
dependents—
ecosystemspypi
total_downloads—
monthly_downloads24.575
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?

76Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

84Exzellent
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 — 63 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor4
contributors_sampled63
top_contributor_share0,167

Reaktionsfähigkeit bei Issues & PRs

64Mittel
Wie die Bewertung erfolgt
21/42Issue-Lösungsquote — 50 % der Issues geschlossen
25.4/30PR-Annahme — 954/1.128 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs954
open_issues95
closed_issues95
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,5
closed_unmerged_prs174
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

66Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
16.6/25Reichweite des Inhabers — 204 Follower von iree-org
19.4/25Kontohistorie — 33 öffentliche Repos, Kontoalter ca. 4 Jahre
Verwendete Eingangsdaten
followers204
owner_typeOrganization
is_verified—
owner_loginiree-org
public_repos33
account_age_days1.500

Paketpflege

91Exzellent
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
26/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 247 Tagen
20/20Versionshistorie — 17 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesiree-turbine
ecosystemspypi
any_deprecatednein
min_days_since_publish247

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 6 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
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://iree.dev/guides/ml-frameworks/pytorch/
10/10Repository-Beschreibung
10/10Topics — 5 Topics
0/10Wiki
Verwendete Eingangsdaten
topicscompiler, machine-learning, mlir, pytorch, runtime
has_wikinein
homepagehttps://iree.dev/guides/ml-frameworks/pytorch/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

46Schwach · 16 % des Gesamtindex

Sicherheitslage

33Gefährdet
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestsbuild_tools/requirements-packaging.txt, docs/requirements.txt, pyproject.toml, requirements-iree-pinned.txt, requirements-iree-unpinned.txt, requirements-wave-runtime.txt, requirements.txt, setup.cfg, setup.py
has_codeql_workflownein
has_security_policynein
has_dependabot_configja
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_packages8
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:iree-turbine@3.9.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 8 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.

58Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 44 von 44 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

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

69Gut
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — iree/turbine/py.typed, mypy.ini
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 14 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 8 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configsiree/turbine/py.typed, mypy.ini
agent_commit_share0,14
toolchain_manifests—
dependency_bot_commit_share0,08

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (iree/turbine/py.typed, mypy.ini)
55/55Handhabbare Dateigrößen — 0/219 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes40.633
source_files_sampled219
oversized_source_files0

Maschinenlesbare AI-Schnittstellen

40Schwach
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto)
0/20MCP-Server
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalnein
api_schema_files—

Eckdaten

110GitHub-Sterne
63Mitwirkende
190Commits, letzte 12 Monate
10Tage seit letztem Push
14Releases
4Bus-Faktor
95offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (2026/07/31 04:54:54 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 ★ / 83 ⇿
0Sterne
83Forks
14Releases

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.

0204060801008332024-042025-052026-07
Major 1Minor 12Patch 0

Jeder Punkt umfasst 3 Tage.

Alle Abhängigkeiten 38

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 38 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIchange-wheel-version—indirekt
PyPIcmake3.31.6indirekt
PyPIdecorator5.2.1indirekt
PyPIfilecheck1.0.0indirekt
PyPIiree-base-compiler—indirekt
PyPIiree-base-compiler3.12.0rc20260629indirekt
PyPIiree-base-runtime—indirekt
PyPIiree-base-runtime3.12.0rc20260629indirekt
PyPIiree-turbine—indirekt
PyPIjinja23.1.4indirekt
PyPIlit18.1.7indirekt
PyPImaturin1.8.6indirekt
PyPIml-dtypes0.5.0indirekt
PyPImypy1.8.0indirekt
PyPImyst-parser4.0.0indirekt
PyPInanobind2.5.0indirekt
PyPInumpy—indirekt
PyPIpackaging—indirekt
PyPIparameterized0.9.0indirekt
PyPIpkginfo—indirekt
PyPIpre-commit—indirekt
PyPIpytest8.0.0indirekt
PyPIpytest-timeout2.4.0indirekt
PyPIpytest-xdist3.5.0indirekt
PyPIsetuptools—indirekt
PyPIshibuya—indirekt
PyPIsphinx8.1.3indirekt
PyPIsphinx-autobuild2024.10.3indirekt
PyPIsphinx-rtd-theme3.0.2indirekt
PyPIsphinxcontrib-mermaid1.0.0indirekt
PyPItorch—indirekt
PyPItorchaudio—indirekt
PyPItorchvision—indirekt
PyPItransformers—indirekt
PyPItwine—indirekt
PyPItypes-decorator5.2.0.20251101indirekt
PyPItyping-extensions—indirekt
PyPIwheel—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:iree-turbine@3.9.0 zieht 8 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

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit iree-org/iree-turbine teilen. Nebeneinander lesen →

92pytorch/TensorRTPyTorch/TorchScript/FX compiler for NVIDIA GPUs using TensorRTExzellent100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorAußergewöhnlich98kubeflow/kfservingStandardized Distributed Generative and Predictive AI Inference Platform for Scalable, Multi-Framework Deployment on KubernetesAußergewöhnlich

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 v2.5.0, Schema v0.27.0 — vollständige Methodik · Metriken-Wiki.

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