Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-08-27 21:55 UTC

modelscope / ms-swift

Use PEFT or Full-parameter to CPT/SFT/DPO/GRPO 600+ LLMs (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) and 300+ MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025).

PythonApache-2.0★ 15.386 Sterne⑂ 1.636 Forksseit Aug. 2023Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#llm#lora#llama#sft#multimodal#peft#internvl#liger#deepseek-r1#embedding#grpo#open-r1#megatron#llama4#qwen3#reranker#moe#qwen3-vl#qwen3-omni#qwen3-6

modelscope/ms-swift erreicht einen Gesundheitsindex von 94 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (100/100) ab, am schwächsten bei Security (44/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

94
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.

94
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 81 wird auf der veröffentlichten Indexskala auf 94 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

ModelScopeOrganisation
6.540 Follower52 öffentliche Reposseit Juli 2022

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIms_swift4.5.2110.965135vor 11 Tagentransformersllmloramegatrongrposft

Metriken nach Kategorie

Vitalität

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

100Außergewöhnlich · 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 — 1.282 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 11 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year1.282
human_commit_share1
days_since_last_push0
active_weeks_last_year52

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 11 Tagen
27/27Release-Rhythmus — ein Release etwa alle 8,5 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv4.5.2
releases_from_tagsnein
days_since_latest_release11
mean_days_between_releases8,5
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?

91Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

94Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 15.386 Stars
25/25Forks — 1.636 Forks
9.4/15Watcher — 51 Watcher
Verwendete Eingangsdaten
forks1.636
stars15.386
watchers51
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_badges6
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesbadge.fury.io, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

84Exzellent
Wie die Bewertung erfolgt
67.3/80Downloads pro Monat — 110.965 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesms_swift
dependents—
ecosystemspypi
total_downloads—
monthly_downloads110.965
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?

74Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

42Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
9.8/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 56 % der Commits
13.5/13.5Breite der Beitragenden — 100 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 9 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled100
top_contributor_share0,563

Reaktionsfähigkeit bei Issues & PRs

89Exzellent
Wie die Bewertung erfolgt
37.6/42Issue-Lösungsquote — 90 % der Issues geschlossen
27.6/30PR-Annahme — 3.523/3.825 entschiedene PRs gemergt
10.7/13Newcomer PR acceptance — 14/17 PRs von Erstbeitragenden in 30 Tagen gemergt
13.5/15OpenSSF Scorecard: Code-Review — Found 28/30 approved changesets -- score normalized to 9
Verwendete Eingangsdaten
merged_prs3.523
open_issues537
closed_issues4.592
prs_merged_7d36
prs_decided_7d36
prs_merged_30d47
prs_decided_30d60
issue_closed_ratio0,895
closed_unmerged_prs302
first_time_authors_30d11
first_time_prs_merged_30d14
first_time_prs_decided_30d17

Eigentümerschaft & Trägerschaft

76Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
25/25Reichweite des Inhabers — 6.540 Follower von modelscope
20.7/25Kontohistorie — 52 öffentliche Repos, Kontoalter ca. 4 Jahre
Verwendete Eingangsdaten
followers6.540
owner_typeOrganization
is_verifiednein
owner_loginmodelscope
public_repos52
account_age_days1.494

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 11 Tagen
20/20Versionshistorie — 135 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesms_swift
ecosystemspypi
any_deprecatednein
min_days_since_publish11

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 6 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — setup.cfg ([flake8], [isort], [yapf])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 29 out of 29 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://swift.readthedocs.io/zh-cn/latest/
10/10Repository-Beschreibung
10/10Topics — 20 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsllm, lora, llama, sft, multimodal, peft, internvl, liger, deepseek-r1, embedding, grpo, open-r1, megatron, llama4, qwen3, reranker, moe, qwen3-vl, qwen3-omni, qwen3-6
has_wikija
homepagehttps://swift.readthedocs.io/zh-cn/latest/
docs_sitehttps://swift.readthedocs.io/zh-cn/latest/
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
2.5/2.5CI-Tests — 29 out of 29 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6.8/7.5Code-Review — Found 28/30 approved changesets -- score normalized to 9
2.5/2.5Contributors — project has 9 contributing companies or organizations
0/10Dangerous-Workflow — dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 11 issue activity found in the last 90 days -- score normalized to 10
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
1.5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6.8/7.5Vulnerabilities — 1 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.

Abhängigkeits-Advisories

42Schwach
Wie die Bewertung erfolgt
7.4/35Direkte Abhängigkeiten ohne bekannte Advisories — 3 betroffen: pillow 11.3.0 (critical 9.1), gradio 5.50.0 (high 8.6), datasets 4.8.4 (unknown)
10/25Indirekte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: starlette 0.52.1 (high 7.5)
24.5/40Keine offenen Advisories — 3 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 197 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories60
affected_packages4
assessed_packages129
unassessed_packages0
affected_by_severitycritical 1, high 2, unknown 1
direct_affected_packages3
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:ms_swift@4.5.2 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 129 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.

57Mittel · 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 — 94 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,94
agent_instruction_files—
agent_instruction_max_bytes—

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

55Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — setup.cfg ([flake8], [isort], [yapf])
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
4/10Belegte Agentenpraxis — 2 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile, docs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,02
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 — 9/706 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes136.370
source_files_sampled706
oversized_source_files9

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, sample
Verwendete Eingangsdaten
example_dirsexamples, notebooks, sample
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

15.386GitHub-Sterne
100Mitwirkende
1.282Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
1Bus-Faktor
537offene 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 28 authors (cap 12)

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 1.636 ⇿
0Sterne
1.636Forks
58Releases

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.

5007501.0001.2501.5001.7501.636132025-062026-012026-08
Major 1Minor 13Patch 44

Jeder Punkt umfasst 2 Tage.

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 · 2026-08-27 21:54 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
10CI-Tests29 out of 29 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
9Code-ReviewFound 28/30 approved changesets -- score normalized to 9
10Contributorsproject has 9 contributing companies or organizations
0Dangerous-Workflowdangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 11 issue activity found in the last 90 days -- score normalized to 10
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
3Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
9Vulnerabilities1 existing vulnerabilities detected
Alle Abhängigkeiten 62

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 62 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaccelerate—indirekt
PyPIaddict—indirekt
PyPIaiohttp—indirekt
PyPIattrdict—indirekt
PyPIbinpacking—indirekt
PyPIcharset-normalizer—indirekt
PyPIcpm-kernels—indirekt
PyPIdacite—indirekt
PyPIdatasets—indirekt
PyPIdecorator—indirekt
PyPIdocutils—indirekt
PyPIeinops—indirekt
PyPIevalscope—indirekt
PyPIexpecttest—indirekt
PyPIfastapi—indirekt
PyPIflake8—indirekt
PyPIgradio—indirekt
PyPIimportlib-metadata—indirekt
PyPIisort—indirekt
PyPIjson-repair—indirekt
PyPImatplotlib—indirekt
PyPImcore-bridge—indirekt
PyPImegatron-core—indirekt
PyPImodelscope—indirekt
PyPImyst-parser—indirekt
PyPInltk—indirekt
PyPInumpy—indirekt
PyPIopenai—indirekt
PyPIoss2—indirekt
PyPIpandas—indirekt
PyPIpeft—indirekt
PyPIpillow—indirekt
PyPIpre-commit—indirekt
PyPIpytest—indirekt
PyPIpyyaml—indirekt
PyPIray—indirekt
PyPIrecommonmark—indirekt
PyPIrequests—indirekt
PyPIrouge—indirekt
PyPIsafetensors—indirekt
PyPIscipy—indirekt
PyPIsentencepiece—indirekt
PyPIsimplejson—indirekt
PyPIsortedcontainers—indirekt
PyPIsphinx—indirekt
PyPIsphinx-book-theme—indirekt
PyPIsphinx-copybutton—indirekt
PyPIsphinx-markdown-tables—indirekt
PyPIsphinx-rtd-theme—indirekt
PyPIsphinxcontrib-mermaid—indirekt
PyPIswanlab—indirekt
PyPItensorboard—indirekt
PyPItiktoken—indirekt
PyPItorchaudio2.7.1indirekt
PyPItorchvision0.22.1indirekt
PyPItqdm—indirekt
PyPItransformers—indirekt
PyPItransformers-stream-generator—indirekt
PyPItrl—indirekt
PyPIuvicorn—indirekt
PyPIyapf0.30.0indirekt
PyPIzstandard—indirekt
Abhängigkeits-Advisories 4

Die Installation von pypi:ms_swift@4.5.2 zieht 129 Pakete nach sich, direkt und transitiv: 4 tragen bekannte Advisories, davon 3 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
pillow11.3.0direktkritisch3612.3.0
gradio5.50.0direkthoch136.16.0
starlette0.52.1indirekthoch101.3.1
datasets4.8.4direktunbekannt15.0.1

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 modelscope/ms-swift teilen. Nebeneinander lesen →

99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMsAußergewöhnlich98huggingface/peft🤗 PEFT: State-of-the-art Parameter-Efficient Fine-Tuning.Außergewöhnlich96NVIDIA-NeMo/Automodel🚀 Pytorch Distributed native training library for LLMs/VLMs with OOTB Hugging Face supportAußergewöhnlich99huggingface/trlTrain transformer language models with reinforcement learning.Außergewöhnlich98sgl-project/sglangSGLang is a high-performance serving framework for large language models and multimodal models.Außergewöhnlich99openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inferenceAußergewöhnlich

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 v0.34.0 — vollständige Methodik · Metriken-Wiki.

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