Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-15 21:32 UTC

raullenchai / Rapid-MLX

The fastest local AI engine for Apple Silicon. 4.2x faster than Ollama, 0.08s cached TTFT, 100% tool calling. 17 tool parsers, prompt cache, reasoning separation, cloud routing. Drop-in OpenAI replacement. Works with Claude Code, Cursor, Aider.

Python · SwiftEigene Lizenz★ 3.753 Sterne⑂ 416 Forksseit Feb. 2026Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugMCP-ServerBibliothekNetzwerkdienstwie das ermittelt wird
#apple-silicon#fastapi#inference#llm#local-llm#macos#mlx#openai-api#python#tool-calling#hacktoberfest#ollama-alternative#m1#m2#m3#qwen#deepseek#claude-code#cursor

raullenchai/Rapid-MLX erreicht einen Gesundheitsindex von 94 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Engineering Quality (96/100) ab, am schwächsten bei Security (59/100). 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 80 wird auf der veröffentlichten Indexskala auf 94 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Raullen ChaiPersönliches Konto
1.107 Follower193 öffentliche Reposseit Aug. 2011

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIrapid-mlx0.14.2-208vor 0 Tagenllmmlxapple-siliconinferencetransformers

Metriken nach Kategorie

Vitalität

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

92Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

91Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
27/36Commit-Rhythmus — 39/52 Wochen mit Commits
18/18Commit-Volumen — 2.473 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 26 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year2.473
human_commit_share1
days_since_last_push0
active_weeks_last_year39

Release-Disziplin

94Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 1,6 Tage
4/10OpenSSF Scorecard: Signed-Releases — 3 out of the last 5 releases have a total of 3 signed artifacts.
Verwendete Eingangsdaten
releases_count100
latest_release_tagv0.14.2
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases1,6

Community & Verbreitung

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

81Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

90Exzellent
Wie die Bewertung erfolgt
58/60Stars — 3.753 Stars
21.8/25Forks — 416 Forks
9.9/15Watcher — 62 Watcher
Verwendete Eingangsdaten
forks416
stars3.753
watchers62
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

71Gut
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges26
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

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

70Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

35Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
2.3/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 90 % der Commits
13.5/13.5Breite der Beitragenden — 47 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 12 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled47
top_contributor_share0,898

Reaktionsfähigkeit bei Issues & PRs

86Exzellent
Wie die Bewertung erfolgt
40.1/42Issue-Lösungsquote — 95 % der Issues geschlossen
22.9/30PR-Annahme — 2.048/2.681 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
12/15OpenSSF Scorecard: Code-Review — Found 24/30 approved changesets -- score normalized to 8
Verwendete Eingangsdaten
merged_prs2.048
open_issues34
closed_issues701
prs_merged_7d38
prs_decided_7d38
prs_merged_30d38
prs_decided_30d38
issue_closed_ratio0,954
closed_unmerged_prs633
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

71Gut
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
21.9/25Reichweite des Inhabers — 1.107 Follower von raullenchai
25/25Kontohistorie — 193 öffentliche Repos, Kontoalter ca. 15 Jahre
Verwendete Eingangsdaten
followers1.107
owner_typeUser
is_verified—
owner_loginraullenchai
public_repos193
account_age_days5.506
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 0 Tagen
20/20Versionshistorie — 208 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesrapid-mlx
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 17 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 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://pypi.org/project/rapid-mlx
10/10Repository-Beschreibung
10/10Topics — 19 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsapple-silicon, fastapi, inference, llm, local-llm, macos, mlx, openai-api, python, tool-calling, hacktoberfest, ollama-alternative, m1, m2, m3, qwen, deepseek, claude-code, cursor
has_wikija
homepagehttps://pypi.org/project/rapid-mlx
docs_sitehttps://pypi.org/project/rapid-mlx
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

59Mittel · 16 % des Gesamtindex

Sicherheitslage

59Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 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
6/7.5Code-Review — Found 24/30 approved changesets -- score normalized to 8
2.5/2.5Contributors — project has 12 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 26 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
1.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
3/7.5Signed-Releases — 3 out of the last 5 releases have a total of 3 signed artifacts.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate6

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.

72Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://rapidmlx.com/llms.txt)
40/40Lesbare Commit-Historie — 100 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://rapidmlx.com/llms.txt
legible_history_share1
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes3.730

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

64Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, mise.toml
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 12 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
3/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile, mise.toml
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,12
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

52Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
51.9/55Handhabbare Dateigrößen — 116/2.084 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes3.572.296
source_files_sampled2.084
oversized_source_files116

Maschinenlesbare AI-Schnittstellen

60Mittel
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto)
20/20MCP-Server
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalja
api_schema_files—
interfaces_expected_ofnetwork-service

Eckdaten

3.753GitHub-Sterne
47Mitwirkende
2.473Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
1Bus-Faktor
34offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'rapid-mlx' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
  • deps.dev does not index pypi:rapid-mlx@0.14.2; advisories assessed against the repository dependency graph instead

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 416 ⇿
0Sterne
416Forks
98Releases

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.

0100200300400500402632026-032026-062026-09
Major 0Minor 5Patch 67
OpenSSF Scorecard 6.0 / 10
6.0Gesamtwert

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 · 2026-09-15 21:31 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 24/30 approved changesets -- score normalized to 8
10Contributorsproject has 12 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 26 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
3Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 3
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
4Signed-Releases3 out of the last 5 releases have a total of 3 signed artifacts.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 23
RegistryPaketVersionsvorgabeManifest
PyPImlx>=0.32.1,<0.33pyproject.toml
PyPImlx-lm>=0.31.3,<0.32pyproject.toml
PyPItransformers>=5.0.0,!=5.13.0,<5.16pyproject.toml
PyPItokenizers>=0.19.0pyproject.toml
PyPIhuggingface-hub>=0.23.0pyproject.toml
PyPInumpy>=1.24.0pyproject.toml
PyPItqdm>=4.66.0pyproject.toml
PyPIpyyaml>=6.0pyproject.toml
PyPItomli-w>=1.0.0pyproject.toml
PyPItomli>=2.0.1pyproject.toml
PyPIrequests>=2.28.0pyproject.toml
PyPIrich>=13.8.0pyproject.toml
PyPItabulate>=0.9.0pyproject.toml
PyPIpsutil>=5.9.0pyproject.toml
PyPIfastapi>=0.100.0pyproject.toml
PyPIuvicorn>=0.23.0pyproject.toml
PyPImcp>=1.9.3pyproject.toml
PyPIjsonschema>=4.18.0pyproject.toml
PyPIreferencing>=0.28.4pyproject.toml
PyPIargcomplete>=3.6pyproject.toml
PyPIwebsockets>=12.0pyproject.toml
PyPIopenai-harmony>=0.0.8pyproject.toml
PyPIllguidance>=1.7.6pyproject.toml
Alle Abhängigkeiten nicht erhoben

Der aufgelöste Abhängigkeitssatz konnte für diesen Bericht nicht erhoben werden: GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

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 raullenchai/Rapid-MLX teilen. Nebeneinander lesen →

100huggingface/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. Außergewöhnlich99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMsAußergewöhnlich98huggingface/peft🤗 PEFT: State-of-the-art Parameter-Efficient Fine-Tuning.Außergewöhnlich100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Außergewöhnlich100psf/blackThe uncompromising Python code formatterAußergewöhnlich99kedro-org/kedroKedro is a toolbox for production-ready data science. It uses software engineering best practices to help you create data engineering and data science pipelines that are reproducible, maintainable, and modular.Außergewöhnlich

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.