Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-08-28 06:02 UTC

Blaizzy / mlx-vlm

MLX-VLM is a package for inference and fine-tuning of Vision Language Models (VLMs) on your Mac using MLX.

PythonMIT★ 5431 estrellas⑂ 748 forksdesde abr 2024Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina

Blaizzy/mlx-vlm tiene un índice de salud de 95 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (98/100) y la más baja, Security (60/100). Se actualizó por última vez hoy. 2 personas concentran la mayor parte del trabajo reciente.

95
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

95
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 82 se calibra a 95 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Prince CanumaCuenta personal
1494 seguidores106 repositorios públicosdesde nov 2016kulissiwa.com

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPImlx-vlm0.6.17881.22280hace 1 día

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

98Excepcional · 21% del índice global
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
31.8/36Cadencia de commits — 46/52 semanas con commits
18/18Volumen de commits — 1039 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 8 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year1039
human_commit_share1
days_since_last_push0
active_weeks_last_year46
Cómo se puntúa
27/27Publica versiones — 80 versiones publicadas
36/36Recencia de las versiones — última versión hace 1 días
27/27Cadencia de publicación — una versión cada ~3,8 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count80
latest_release_tagv0.6.17
releases_from_tagsno
days_since_latest_release1
mean_days_between_releases3,8
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

86Excelente · 17% del índice global
Cómo se puntúa
60/60Estrellas — 5431 estrellas
23.9/25Forks — 748 forks
8.5/15Observadores — 35 observadores
Datos de entrada utilizados
forks748
stars5431
watchers35
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges1
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_servicesgithub.com
has_pull_request_templateno
Cómo se puntúa
79.3/80Descargas mensuales — 881.222 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesmlx-vlm
dependents—
ecosystemspypi
total_downloads—
monthly_downloads881.222
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

76Bueno · 23% del índice global
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
12.8/22.5Distribución de commits — el principal contribuyente firma el 43% de los commits
13.5/13.5Amplitud de contribuyentes — 100 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 7 contributing companies or organizations
Datos de entrada utilizados
bus_factor2
contributors_sampled100
top_contributor_share0,43
Cómo se puntúa
36.3/42Resolución de issues — 86% de issues cerradas
22/30Aceptación de PR — 867/1181 PR decididos fusionados
5.2/13Newcomer PR acceptance — 2/5 PR de contribuyentes primerizos fusionados en 30 d
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Datos de entrada utilizados
merged_prs867
open_issues106
closed_issues681
prs_merged_7d43
prs_decided_7d57
prs_merged_30d46
prs_decided_30d60
issue_closed_ratio0,865
closed_unmerged_prs314
first_time_authors_30d5
first_time_prs_merged_30d2
first_time_prs_decided_30d5
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
22.8/25Alcance del propietario — 1494 seguidores de Blaizzy
25/25Trayectoria — 106 repos públicos, cuenta de ~9 años
Datos de entrada utilizados
followers1494
owner_typeUser
is_verified—
owner_loginBlaizzy
public_repos106
account_age_days3574
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 1 días
20/20Historial de versiones — 80 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesmlx-vlm
ecosystemspypi
any_deprecatedno
min_days_since_publish1

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

88Excelente · 19% del índice global
Cómo se puntúa
24/24Flujos de trabajo de CI — 2 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 14 out of 16 merged PRs checked by a CI test -- score normalized to 8
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

85Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
0/15Sitio de documentación / página del proyecto
10/10Descripción del repositorio
10/10Topics — 13 topics
10/10Wiki
Datos de entrada utilizados
topicsllava, llm, mlx, vision-transformer, apple-silicon, idefics, local-ai, paligemma, vision-framework, vision-language-model, florence2, molmo, pixtral
has_wikisí
homepage—
docs_site—
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

60Moderado · 16% del índice global
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2/2.5CI-Tests — 14 out of 16 merged PRs checked by a CI test -- score normalized to 8
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 7 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
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 8 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
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 — sin datos
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 62 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection, Signed-Releases. Los pesos restantes se han renormalizado.
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages50
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:mlx-vlm@0.6.17 —lo que arrastra la instalación del paquete publicado—: 50 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

64Moderado · 4% del índice global
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
35.2/40Historial de commits legible — 66 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,66
agent_instruction_files—
agent_instruction_max_bytes—
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato
11/11Verificación estática de tipos — mlx_vlm/py.typed
10/10Entorno reproducible — lockfile
10/10Práctica demostrada con agentes — 18 de los últimos 100 commits con autoría o crédito de agente
0/8Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias
1/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configsmlx_vlm/py.typed
agent_commit_share0,18
toolchain_manifests—
dependency_bot_commit_share0
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (mlx_vlm/py.typed)
54.2/55Tamaños de archivo manejables — 20/1371 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes597.993
source_files_sampled1371
oversized_source_files20
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — examples, notebooks
Datos de entrada utilizados
example_dirsexamples, notebooks
has_mcp_signalno
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto), Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

5431estrellas de GitHub
100contribuidores
1039commits en los últimos 12 meses
0días desde el último push
80versiones publicadas
2factor bus
106issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 15 authors (cap 12)

Más detalle

Historial de estrellas y forks 0 ★ / 748 ⇿
0Estrellas
748Forks
80Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

0125250375500625750699642024-042025-062026-08
Mayor 0Menor 6Parche 74

Cada punto abarca 3 días.

OpenSSF Scorecard 5.0 / 10
5.0agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-08-28 06:01 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-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
8CI-Tests14 out of 16 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 7 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 8 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
1Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 1
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities62 existing vulnerabilities detected
Todas las dependencias 113

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 113 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIaiohappyeyeballs2.6.1indirecta
PyPIaiohttp3.13.3indirecta
PyPIaiosignal1.4.0indirecta
PyPIannotated-doc0.0.4indirecta
PyPIannotated-types0.7.0indirecta
PyPIanyio4.12.1indirecta
PyPIasync-timeout5.0.1indirecta
PyPIattrs25.4.0indirecta
PyPIaudioop-lts0.2.2indirecta
PyPIbrotli1.2.0indirecta
PyPIcertifi2026.1.4indirecta
PyPIcffi2.0.0indirecta
PyPIcharset-normalizer3.4.4indirecta
PyPIclick8.3.1indirecta
PyPIcolorama0.4.6indirecta
PyPIdatasets4.5.0indirecta
PyPIdill0.4.0indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIfastapi—indirecta
PyPIfastapi0.136.3indirecta
PyPIfilelock3.20.3indirecta
PyPIfrozenlist1.8.0indirecta
PyPIfsspec2025.10.0indirecta
PyPIgradio6.15.2indirecta
PyPIgradio-client2.5.0indirecta
PyPIgroovy0.1.2indirecta
PyPIh110.16.0indirecta
PyPIhf-gradio0.4.1indirecta
PyPIhf-xet1.4.3indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIhuggingface-hub1.10.2indirecta
PyPIidna3.11indirecta
PyPIjinja23.1.6indirecta
PyPIllguidance—indirecta
PyPIllguidance1.7.5indirecta
PyPImarkdown-it-py4.0.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImdurl0.1.2indirecta
PyPIminiaudio—indirecta
PyPIminiaudio1.61indirecta
PyPImlx—indirecta
PyPImlx0.32.0indirecta
PyPImlx-audio—indirecta
PyPImlx-audio0.4.3indirecta
PyPImlx-cpu0.30.4indirecta
PyPImlx-cuda0.30.0indirecta
PyPImlx-lm0.31.3indirecta
PyPImlx-metal0.32.0indirecta
PyPImlx-whisper—indirecta
PyPImultidict6.7.1indirecta
PyPImultiprocess0.70.18indirecta
PyPInumpy—indirecta
PyPInumpy2.2.6indirecta
PyPInumpy2.4.1indirecta
PyPInvidia-cublas-cu1212.9.1.4indirecta
PyPInvidia-cuda-nvrtc-cu1212.9.86indirecta
PyPInvidia-cudnn-cu129.18.1.3indirecta
PyPInvidia-nccl-cu122.29.2indirecta
PyPIopencv-python—indirecta
PyPIopencv-python4.13.0.90indirecta
PyPIorjson3.11.5indirecta
PyPIpackaging26.0indirecta
PyPIpandas2.3.3indirecta
PyPIpandas3.0.0indirecta
PyPIpillow—indirecta
PyPIpillow12.1.0indirecta
PyPIpropcache0.4.1indirecta
PyPIprotobuf6.33.4indirecta
PyPIpyarrow23.0.0indirecta
PyPIpycparser3.0indirecta
PyPIpydantic2.12.5indirecta
PyPIpydantic-core2.41.5indirecta
PyPIpydub0.25.1indirecta
PyPIpygments2.19.2indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-multipart—indirecta
PyPIpython-multipart0.0.22indirecta
PyPIpytz2025.2indirecta
PyPIpyyaml6.0.3indirecta
PyPIregex2026.1.15indirecta
PyPIrequests—indirecta
PyPIrequests2.32.5indirecta
PyPIrich14.3.1indirecta
PyPIsafehttpx0.1.7indirecta
PyPIsafetensors0.8.0indirecta
PyPIscipy1.15.3indirecta
PyPIscipy1.17.1indirecta
PyPIsemantic-version2.10.0indirecta
PyPIsentencepiece—indirecta
PyPIsentencepiece0.2.1indirecta
PyPIshellingham1.5.4indirecta
PyPIsix1.17.0indirecta
PyPIsounddevice0.5.5indirecta
PyPIspeechrecognition—indirecta
PyPIstarlette—indirecta
PyPIstarlette1.2.0indirecta
PyPItokenizers0.22.2indirecta
PyPItomlkit0.13.3indirecta
PyPItqdm—indirecta
PyPItqdm4.67.1indirecta
PyPItransformers—indirecta
PyPItransformers5.14.0indirecta
PyPItyper0.21.1indirecta
PyPItyping-extensions4.15.0indirecta
PyPItyping-inspection0.4.2indirecta
PyPItzdata2025.3indirecta
PyPIurllib32.6.3indirecta
PyPIuvicorn—indirecta
PyPIuvicorn0.40.0indirecta
PyPIwebsockets—indirecta
PyPIxxhash3.6.0indirecta
PyPIyarl1.22.0indirecta
Avisos de dependencias 0

Instalar pypi:mlx-vlm@0.6.17 arrastra 50 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.