Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-17 07:40 UTC

NVIDIA / Model-Optimizer

A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.

PythonApache-2.0★ 3818 estrellas⑂ 600 forksdesde abr 2024Ver en GitHub ↗
TipoBibliotecacómo se determina

NVIDIA/Model-Optimizer tiene un índice de salud de 98 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (100/100) y la más baja, Security (52/100). Se actualizó por última vez hoy. 7 personas concentran la mayor parte del trabajo reciente.

98
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.

98
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 86 se calibra a 98 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

NVIDIA CorporationOrganización · dominio verificado
30.142 seguidores803 repositorios públicosdesde may 2012

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPInvidia-modelopt0.46.1326.56539hace 7 días

Métricas por categoría

Vitalidad

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

100Excepcional · 21% del índice global

Actividad de desarrollo

100Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
36/36Cadencia de commits — 52/52 semanas con commits
18/18Volumen de commits — 1131 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year1131
human_commit_share0,97
days_since_last_push0
active_weeks_last_year52

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 48 versiones publicadas
36/36Recencia de las versiones — última versión hace 7 días
27/27Cadencia de publicación — una versión cada ~7,8 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count48
latest_release_tag0.47.0rc1
releases_from_tagsno
days_since_latest_release7
mean_days_between_releases7,8

Comunidad y Adopción

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

91Excelente · 17% del índice global

Popularidad y adopción

90Excelente
Cómo se puntúa
58.1/60Estrellas — 3818 estrellas
23.1/25Forks — 600 forks
8.3/15Observadores — 32 observadores
Datos de entrada utilizados
forks600
stars3818
watchers32
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges3
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesshields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

92Excelente
Cómo se puntúa
73.5/80Descargas mensuales — 326.565 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesnvidia-modelopt
dependents—
ecosystemspypi
total_downloads—
monthly_downloads326.565
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?

93Excepcional · 23% del índice global

Resiliencia de mantenedores (factor bus)

91Excelente
Cómo se puntúa
51.3/54Factor bus — la mitad de los commits recae en 7 contribuyente(s)
17.1/22.5Distribución de commits — el principal contribuyente firma el 24% de los commits
13.5/13.5Amplitud de contribuyentes — 86 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor7
contributors_sampled86
top_contributor_share0,241

Capacidad de respuesta a issues y PR

82Excelente
Cómo se puntúa
33/42Resolución de issues — 78% de issues cerradas
23.5/30Aceptación de PR — 1335/1705 PR decididos fusionados
13/13Newcomer PR acceptance — 1/1 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs1335
open_issues94
closed_issues343
prs_merged_7d40
prs_decided_7d59
prs_merged_30d40
prs_decided_30d59
issue_closed_ratio0,785
closed_unmerged_prs370
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

Propiedad y custodia

100Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
20/20Dominio verificado
25/25Alcance del propietario — 30.142 seguidores de NVIDIA
25/25Trayectoria — 803 repos públicos, cuenta de ~14 años
Datos de entrada utilizados
followers30.142
owner_typeOrganization
is_verifiedsí
owner_loginNVIDIA
public_repos803
account_age_days5242

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 7 días
20/20Historial de versiones — 39 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesnvidia-modelopt
ecosystemspypi
any_deprecatedno
min_days_since_publish7

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

87Excelente · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 13 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — sin datos
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

80Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://nvidia.github.io/Model-Optimizer/
10/10Descripción del repositorio
0/10Topics
0/10Wiki
Datos de entrada utilizados
topics—
has_wikino
homepagehttps://nvidia.github.io/Model-Optimizer/
docs_sitehttps://nvidia.github.io/Model-Optimizer/
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?

52Moderado · 16% del índice global

Postura de seguridad

40Débil
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
0/25Lockfiles de dependencias — biblioteca publicada — los lockfiles son cosa de las aplicaciones, no se esperan aquí
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfilesuv.lock
manifestspyproject.toml
has_codeql_workflowno
has_security_policysí
has_dependabot_configno
Excluidos de la puntuación (sin datos o no aplicable): Lockfiles de dependencias. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
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_packages49
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:nvidia-modelopt@0.46.1 —lo que arrastra la instalación del paquete publicado—: 49 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.

85Excelente · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://docs.nvidia.com/llms.txt)
40/40Historial de commits legible — 97 de 97 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://docs.nvidia.com/llms.txt
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
agent_instruction_max_bytes3952

Bucle de verificación (compilación / pruebas / verificación de tipos)

79Bueno
Cómo se puntúa
18/18Arranque con un solo comando — noxfile.py
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile, lockfile
10/10Práctica demostrada con agentes — 40 de los últimos 100 commits con autoría o crédito de agente
0/8Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfilesí
typed_languageno
bootstrap_filesnoxfile.py
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,4
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
53.6/55Tamaños de archivo manejables — 33/1299 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes114.583
source_files_sampled1299
oversized_source_files33

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
20/20Servidor MCP
40/40Ejemplos ejecutables — examples, notebooks, recipes
Datos de entrada utilizados
example_dirsexamples, notebooks, recipes
has_mcp_signalsí
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto). Los pesos restantes se han renormalizado.

Datos clave

3818estrellas de GitHub
86contribuidores
1131commits en los últimos 12 meses
0días desde el último push
48versiones publicadas
7factor bus
94issues 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 16 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/17 07:39:00 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 600 ⇿
0Estrellas
600Forks
48Versiones

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.

0100200300400500600590132024-052025-072026-09
Mayor 0Menor 16Parche 6

Cada punto abarca 3 días.

Dependencias directas 15
RegistroPaqueteRestricción de versiónManifiesto
PyPIninja—pyproject.toml
PyPInumpy—pyproject.toml
PyPInvidia-ml-py>=12pyproject.toml
PyPIpackaging—pyproject.toml
PyPIsetuptools>=80pyproject.toml
PyPItorch>=2.8pyproject.toml
PyPItqdm—pyproject.toml
PyPIPyYAML>=6.0pyproject.toml
PyPIomegaconf>=2.3.0pyproject.toml
PyPIpulp<4.0pyproject.toml
PyPIpydantic>=2.0pyproject.toml
PyPIregex—pyproject.toml
PyPIrich—pyproject.toml
PyPIsafetensors—pyproject.toml
PyPIscipy—pyproject.toml
Todas las dependencias 303

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 32 paquetes directos y 271 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIninja1.13.2directa
PyPInumpy—directa
PyPInumpy1.23.5directa
PyPInumpy1.26.4directa
PyPInumpy2.2.6directa
PyPInumpy2.4.6directa
PyPInumpy2.5.3directa
PyPInvidia-ml-py13.610.43directa
PyPIomegaconf—directa
PyPIomegaconf2.3.1directa
PyPIpackaging26.3directa
PyPIpulp3.3.2directa
PyPIpydantic—directa
PyPIpydantic2.13.5directa
PyPIpyyaml6.0.3directa
PyPIregex2026.9.10directa
PyPIrich—directa
PyPIrich15.0.0directa
PyPIsafetensors—directa
PyPIsafetensors0.8.0directa
PyPIscipy—directa
PyPIscipy1.15.3directa
PyPIscipy1.17.1directa
PyPIscipy1.18.1directa
PyPIsetuptools—directa
PyPIsetuptools84.0.0directa
PyPItorch—directa
PyPItorch2.14.0directa
PyPItorch2.7.0+cu128directa
PyPItqdm—directa
PyPItqdm4.66.5directa
PyPItqdm4.70.1directa
PyPIaccelerate—indirecta
PyPIaccelerate1.15.0indirecta
PyPIaccelerate1.4.0indirecta
PyPIaiohappyeyeballs2.7.1indirecta
PyPIaiohttp3.14.3indirecta
PyPIaiosignal1.4.0indirecta
PyPIalabaster1.0.0indirecta
PyPIannotated-doc0.0.5indirecta
PyPIannotated-types0.8.0indirecta
PyPIantlr4-python3-runtime4.9.3indirecta
PyPIanyio4.15.1indirecta
PyPIargcomplete3.7.2indirecta
PyPIast-serialize0.11.2indirecta
PyPIasync-timeout5.0.1indirecta
PyPIattrs26.1.0indirecta
PyPIautodoc-pydantic2.2.0indirecta
PyPIav20.2.1indirecta
PyPIbabel2.18.0indirecta
PyPIbandit1.7.9indirecta
PyPIboto3—indirecta
PyPIbotocore—indirecta
PyPIcachetools7.1.8indirecta
PyPIcertifi2026.7.22indirecta
PyPIcffi2.1.1indirecta
PyPIcfgv3.5.0indirecta
PyPIcharset-normalizer3.5.1indirecta
PyPIclick8.5.0indirecta
PyPIcloudpickle3.1.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcoloredlogs15.0.1indirecta
PyPIcolorlog6.12.0indirecta
PyPIcompressed-tensors—indirecta
PyPIcoverage7.14.3indirecta
PyPIcppimport26.4.17indirecta
PyPIcryptography50.0.1indirecta
PyPIcuda-pathfinder1.8.1indirecta
PyPIcupy-cuda12x14.2.0indirecta
PyPIdatabricks-sdk0.139.0indirecta
PyPIdatasets—indirecta
PyPIdatasets2.19.0indirecta
PyPIdatasets4.4.2indirecta
PyPIdatasets5.0.1indirecta
PyPIdeepspeed0.19.6indirecta
PyPIdefusedxml0.7.1indirecta
PyPIdependency-groups1.3.2indirecta
PyPIdescartes1.1.0indirecta
PyPIdiffusers0.40.0indirecta
PyPIdill0.4.1indirecta
PyPIdistlib0.4.3indirecta
PyPIdocutils0.22.4indirecta
PyPIeinops0.8.1indirecta
PyPIeinops0.8.2indirecta
PyPIevaluate—indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIfastapi0.141.1indirecta
PyPIfilelock3.32.6indirecta
PyPIfire—indirecta
PyPIfire0.6.0indirecta
PyPIfire0.7.1indirecta
PyPIflash-attn—indirecta
PyPIflash-attn0.2.8indirecta
PyPIflatbuffers25.12.19indirecta
PyPIfrozenlist1.8.0indirecta
PyPIfsspec2026.6.0indirecta
PyPIgitdb4.0.12indirecta
PyPIgitpython3.1.62indirecta
PyPIgoogle-auth2.58.0indirecta
PyPIh110.16.0indirecta
PyPIhf-xet1.6.0indirecta
PyPIhjson3.1.0indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIhuggingface-hub1.31.0indirecta
PyPIhumanfriendly10.0indirecta
PyPIhumanize4.16.0indirecta
PyPIhydra-core1.3.6indirecta
PyPIidentify2.6.19indirecta
PyPIidna3.19indirecta
PyPIimagesize2.0.1indirecta
PyPIimmutabledict4.3.1indirecta
PyPIimportlib-metadata9.0.1indirecta
PyPIiniconfig2.3.0indirecta
PyPIipywidgets—indirecta
PyPIjinja23.1.6indirecta
PyPIjiwer—indirecta
PyPIjoblib1.6.0indirecta
PyPIkernels—indirecta
PyPIkornia0.6.12indirecta
PyPIlibrosa—indirecta
PyPIlibrt0.15.0indirecta
PyPIlief1.0.0indirecta
PyPIliger-kernel—indirecta
PyPIlm-eval—indirecta
PyPIlru-dict1.4.1indirecta
PyPIltx-core—indirecta
PyPIltx-pipelines—indirecta
PyPIltx-trainer—indirecta
PyPIlyft-dataset-sdk0.0.8indirecta
PyPImako1.4.1indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImath-verify—indirecta
PyPImcp—indirecta
PyPImdurl0.1.2indirecta
PyPIml-dtypes0.6.0indirecta
PyPImlflow-skinny—indirecta
PyPImlflow-skinny3.16.0indirecta
PyPImmcv-full1.7.0indirecta
PyPImmdet2.28.2indirecta
PyPImmdet3d1.0.0rc6indirecta
PyPImmsegmentation0.30.0indirecta
PyPImpmath1.3.0indirecta
PyPImsgpack1.2.2indirecta
PyPImultidict6.8.0indirecta
PyPImultiprocess0.70.19indirecta
PyPImypy2.1.0indirecta
PyPImypy-extensions1.1.0indirecta
PyPInemo-automodel—indirecta
PyPInemo-run—indirecta
PyPInetworkx3.4.2indirecta
PyPInetworkx3.6.1indirecta
PyPInltk3.10.3indirecta
PyPInodeenv1.10.0indirecta
PyPInox2026.8.17indirecta
PyPInuscenes-devkit1.1.11indirecta
PyPInvidia-modelopt—indirecta
PyPInvtx—indirecta
PyPIonnx1.17.0indirecta
PyPIonnx1.21.0indirecta
PyPIonnx-graphsurgeon0.6.1indirecta
PyPIonnx-ir1.0.0indirecta
PyPIonnxconverter-common1.16.0indirecta
PyPIonnxruntime1.19.2indirecta
PyPIonnxruntime1.22.1indirecta
PyPIonnxruntime1.24.4indirecta
PyPIonnxruntime-ep-nv-tensorrt-rtx-cu130.4.0indirecta
PyPIonnxruntime-genai—indirecta
PyPIonnxruntime-gpu1.20.1indirecta
PyPIonnxruntime-gpu1.22.0indirecta
PyPIonnxruntime-gpu1.23.2indirecta
PyPIonnxruntime-gpu1.24.4indirecta
PyPIonnxscript0.7.2indirecta
PyPIonnxsim0.5.0indirecta
PyPIonnxslim0.1.96indirecta
PyPIopenai—indirecta
PyPIopencv-python—indirecta
PyPIopencv-python4.5.5.64indirecta
PyPIopencv-python-headless—indirecta
PyPIopentelemetry-api1.44.0indirecta
PyPIopentelemetry-proto1.44.0indirecta
PyPIopentelemetry-sdk1.44.0indirecta
PyPIopentelemetry-semantic-conventions0.65b0indirecta
PyPIoptimum—indirecta
PyPIoptimum1.23.3indirecta
PyPIpandas—indirecta
PyPIpandas2.2.2indirecta
PyPIpandas2.3.3indirecta
PyPIpandas3.0.5indirecta
PyPIpathspec1.1.1indirecta
PyPIpeft—indirecta
PyPIpeft0.18.1indirecta
PyPIpeft0.20.0indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs4.11.8indirecta
PyPIpluggy1.6.0indirecta
PyPIpolygraphy0.53.4indirecta
PyPIpre-commit4.6.0indirecta
PyPIpropcache0.5.2indirecta
PyPIprotobuf6.33.6indirecta
PyPIpsutil—indirecta
PyPIpsutil7.2.2indirecta
PyPIpy-cpuinfo9.0.0indirecta
PyPIpy7zr—indirecta
PyPIpyarrow—indirecta
PyPIpyarrow25.0.1indirecta
PyPIpyasn10.6.4indirecta
PyPIpyasn1-modules0.4.2indirecta
PyPIpybind113.1.0indirecta
PyPIpycparser3.0indirecta
PyPIpydantic-core2.46.5indirecta
PyPIpydantic-settings2.15.0indirecta
PyPIpygments2.21.0indirecta
PyPIpygments-styles0.3.0indirecta
PyPIpyparsing3.3.2indirecta
PyPIpyquaternion0.9.9indirecta
PyPIpyreadline33.5.6indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpytest-instafail0.5.0indirecta
PyPIpytest-timeout2.4.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-discovery1.6.0indirecta
PyPIpython-dotenv1.2.3indirecta
PyPIpytz2026.3.post1indirecta
PyPIray—indirecta
PyPIrefile0.4.1indirecta
PyPIrequests2.34.2indirecta
PyPIroman-numerals4.1.0indirecta
PyPIruff0.15.20indirecta
PyPIrwkv—indirecta
PyPIseaborn—indirecta
PyPIsentencepiece—indirecta
PyPIsentencepiece0.2.2indirecta
PyPIshapely1.8.5.post1indirecta
PyPIshellingham1.5.4indirecta
PyPIshibuya2026.7.12indirecta
PyPIsix1.17.0indirecta
PyPIsmmap5.0.3indirecta
PyPIsnowballstemmer3.1.1indirecta
PyPIsoundfile—indirecta
PyPIsphinx9.1.0indirecta
PyPIsphinx-argparse0.6.1indirecta
PyPIsphinx-autobuild2025.8.25indirecta
PyPIsphinx-copybutton0.5.2indirecta
PyPIsphinx-inline-tabs2025.12.21.14indirecta
PyPIsphinx-togglebutton0.4.5indirecta
PyPIsphinxcontrib-applehelp2.0.0indirecta
PyPIsphinxcontrib-devhelp2.0.0indirecta
PyPIsphinxcontrib-htmlhelp2.1.0indirecta
PyPIsphinxcontrib-jsmath1.0.1indirecta
PyPIsphinxcontrib-qthelp2.0.0indirecta
PyPIsphinxcontrib-serializinghtml2.0.0indirecta
PyPIsqlparse0.6.0indirecta
PyPIstarlette1.6.0indirecta
PyPIstevedore5.8.0indirecta
PyPIstevedore5.9.1indirecta
PyPIsympy1.14.0indirecta
PyPItensorboard—indirecta
PyPItensorboardx—indirecta
PyPItermcolor3.3.0indirecta
PyPItiktoken—indirecta
PyPItiktoken0.14.0indirecta
PyPItiktoken0.7.0indirecta
PyPItimm—indirecta
PyPItimm1.0.29indirecta
PyPItokenizers—indirecta
PyPItokenizers0.22.2indirecta
PyPItomli2.4.1indirecta
PyPItorch-geometric2.8.0.post1indirecta
PyPItorch-tensorrt—indirecta
PyPItorchao—indirecta
PyPItorchaudio2.7.0+cu128indirecta
PyPItorchprofile0.0.4indirecta
PyPItorchvision—indirecta
PyPItorchvision0.29.0indirecta
PyPItrackio—indirecta
PyPItransformers—indirecta
PyPItransformers4.57.3indirecta
PyPItransformers5.14.1indirecta
PyPItransformers-stream-generator—indirecta
PyPItrimesh2.35.39indirecta
PyPItrl—indirecta
PyPItypeguard4.6.0indirecta
PyPItyper0.27.2indirecta
PyPItyping-extensions4.16.0indirecta
PyPItyping-inspection0.4.4indirecta
PyPItzdata2026.4indirecta
PyPIurllib32.7.0indirecta
PyPIuv0.12.13indirecta
PyPIuvicorn0.53.0indirecta
PyPIvirtualenv21.7.9indirecta
PyPIwandb—indirecta
PyPIwatchfiles1.2.0indirecta
PyPIwebsockets17.1indirecta
PyPIwheel0.48.0indirecta
PyPIwonderwords3.0.1indirecta
PyPIxxhash4.0.1indirecta
PyPIyapf0.32.0indirecta
PyPIyarl1.24.5indirecta
PyPIzipp4.1.0indirecta
PyPIzstandard—indirecta
Avisos de dependencias 0

Instalar pypi:nvidia-modelopt@0.46.1 arrastra 49 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.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con NVIDIA/Model-Optimizer. Leer en paralelo →

100zephyrproject-rtos/zephyrPrimary Git Repository for the Zephyr Project. Zephyr is a new generation, scalable, optimized, secure RTOS for multiple hardware architectures.Excepcional100envoyproxy/envoyCloud-native high-performance edge/middle/service proxyExcepcional100huggingface/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. Excepcional100NVIDIA-NeMo/SpeechA scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)Excepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMExcepcional

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.