Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-14 12:25 UTC

flagos-ai / FlagGems

FlagGems is an operator library for large language models implemented in the Triton Language.

PythonApache-2.0★ 1120 estrellas⑂ 528 forksdesde mar 2024Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina
#pytorch#triton#triton-kernels

flagos-ai/FlagGems tiene un índice de salud de 95 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (100/100) y la más baja, Security (64/100). Se actualizó por última vez hoy. 8 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

FlagOSOrganización
288 seguidores53 repositorios públicosdesde nov 2025

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
PyPIflag_gems5.0.215897hace 143 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 — 2817 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year2817
human_commit_share1
days_since_last_push0
active_weeks_last_year52

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 6 versiones publicadas
36/36Recencia de las versiones — última versión hace 82 días
27/27Cadencia de publicación — una versión cada ~34,1 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count6
latest_release_tagv5.3.0
releases_from_tagsno
days_since_latest_release82
mean_days_between_releases34,1

Comunidad y Adopción

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

77Bueno · 17% del índice global

Popularidad y adopción

79Bueno
Cómo se puntúa
49.5/60Estrellas — 1120 estrellas
22.7/25Forks — 528 forks
6.5/15Observadores — 16 observadores
Datos de entrada utilizados
forks528
stars1120
watchers16
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_badges0
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

53Moderado
Cómo se puntúa
42.7/80Descargas mensuales — 1589 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesflag_gems
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1589
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?

78Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

93Excepcional
Cómo se puntúa
54/54Factor bus — la mitad de los commits recae en 8 contribuyente(s)
16.5/22.5Distribución de commits — el principal contribuyente firma el 27% de los commits
13.5/13.5Amplitud de contribuyentes — 99 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor8
contributors_sampled99
top_contributor_share0,268

Capacidad de respuesta a issues y PR

58Moderado
Cómo se puntúa
20.2/42Resolución de issues — 48% de issues cerradas
21.6/30Aceptación de PR — 3460/4811 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs3460
open_issues422
closed_issues392
prs_merged_7d46
prs_decided_7d58
prs_merged_30d46
prs_decided_30d58
issue_closed_ratio0,482
closed_unmerged_prs1351
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

62Moderado
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
17.7/25Alcance del propietario — 288 seguidores de flagos-ai
14.3/25Trayectoria — 53 repos públicos, cuenta de ~0 años
Datos de entrada utilizados
followers288
owner_typeOrganization
is_verifiedno
owner_loginflagos-ai
public_repos53
account_age_days310

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 143 días
20/20Historial de versiones — 7 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesflag_gems
ecosystemspypi
any_deprecatedno
min_days_since_publish143

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

91Excelente · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 19 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter
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

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://flagos-ai.github.io/FlagGems
10/10Descripción del repositorio
10/10Topics — 3 topics
0/10Wiki
Datos de entrada utilizados
topicspytorch, triton, triton-kernels
has_wikino
homepage—
docs_sitehttps://flagos-ai.github.io/FlagGems
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?

64Moderado · 16% del índice global

Postura de seguridad

55Moderado
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
25/25Configuración de Dependabot
0/25Lockfiles de dependencias
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestscpp/pyproject.toml, pyproject.toml, setup.py
has_codeql_workflowno
has_security_policysí
has_dependabot_configsí

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_packages6
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:flag_gems@5.0.2 —lo que arrastra la instalación del paquete publicado—: 6 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.

66Bueno · 4% del índice global

Contexto y guía para agentes

40Débil
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 89 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,89
agent_instruction_files—
agent_instruction_max_bytes—

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

78Bueno
Cómo se puntúa
12.6/18Arranque con un solo comando — docs/themes/hugo-book/go.mod (convención del toolchain, sin ejecutor de tareas)
22/22Pruebas automatizadas
11/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — devcontainer, Dockerfile
10/10Práctica demostrada con agentes — 17 de los últimos 100 commits con autoría o crédito de agente
5/8Mantenimiento automatizado — automatización de dependencias configurada, no observada en los commits muestreados
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_files—
has_devcontainersí
has_linter_configsí
typecheck_configs—
agent_commit_share0,17
toolchain_manifestsdocs/themes/hugo-book/go.mod
dependency_bot_commit_share0

Legibilidad del código para modelos

55Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.6/55Tamaños de archivo manejables — 38/4752 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes2.707.645
source_files_sampled4752
oversized_source_files38

Interfaces legibles por máquina

100Excepcional
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 — example, examples
Datos de entrada utilizados
example_dirsexample, examples
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

1120estrellas de GitHub
99contribuidores
2817commits en los últimos 12 meses
0días desde el último push
6versiones publicadas
8factor bus
422issues 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 30 authors (cap 12)
  • Could not fetch pypi package 'flag-gems-cpp-__VENDOR__' from its registry
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/14 12:24:32 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 ★ / 528 ⇿
0Estrellas
528Forks
6Versiones

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.

0100200300400500600502102024-062025-072026-09
Mayor 1Menor 2Parche 1

Cada punto abarca 3 días.

Dependencias directas 5
RegistroPaqueteRestricción de versiónManifiesto
PyPIflag-gems—cpp/pyproject.toml
PyPIpackaging>=26.0pyproject.toml
PyPIPyYAML==6.0.1pyproject.toml
PyPIsqlalchemy==2.0.48pyproject.toml
PyPInumpy—pyproject.toml
Todas las dependencias 59

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 4 paquetes directos y 55 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPInumpy2.2.6directa
PyPIpackaging—directa
PyPIpyyaml6.0.1directa
PyPIsqlalchemy2.0.48directa
PyPIapex0.1indirecta
PyPIattrs24.2.0indirecta
PyPIbenchflow1.0.0indirecta
PyPIcambricon-dali0.13.0indirecta
PyPIcmake—indirecta
PyPIcolorama0.4.6indirecta
PyPIcoverage7.13.5indirecta
PyPIdatasets—indirecta
PyPIdecorator5.1.1indirecta
PyPIdistro1.9.0indirecta
PyPIenflame-modelopt3.6.20260615+torch.2.11.0indirecta
PyPIflash-attn2.4.2+7e2dd4dindirecta
PyPIflash-linear-attention0.5.0+metax3.8.1.0torch2.10indirecta
PyPIflash-mla1.0.1+metax3.8.1.0torch2.10indirecta
PyPIflashinfer0.2.6+metax3.8.1.0torch2.10indirecta
PyPIhydrax0.1.0indirecta
PyPIhyperparameter0.5.6indirecta
PyPImkl2024.0.0indirecta
PyPIninja—indirecta
PyPIopenpyxl3.1.5indirecta
PyPIpandas—indirecta
PyPIpandas2.3.3indirecta
PyPIpsutil6.0.0indirecta
PyPIpybind11—indirecta
PyPIpybind113.0.3indirecta
PyPIpyefml1.9.10indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-md-report0.8.0indirecta
PyPIregex2026.4.4indirecta
PyPIscikit-build-core—indirecta
PyPIscikit-build-core0.12.2indirecta
PyPIscipy—indirecta
PyPIsetuptools—indirecta
PyPIsetuptools-scm—indirecta
PyPItops-extension3.6.20260529+torch.2.11.0indirecta
PyPItopstx1.10.6indirecta
PyPItorch2.7.0+cpuindirecta
PyPItorch-gcu2.10.0+3.7.20260408indirecta
PyPItorch-mlu1.29.2+torch2.7.1indirecta
PyPItorch-mlu-ops1.8.0+torch2.7.1indirecta
PyPItorch-musa2.9.0indirecta
PyPItorch-npu2.9.0indirecta
PyPItorch-plugin0.1.0indirecta
PyPItorch-ptpu0.2.3+torch2.11indirecta
PyPItorch-txda0.1.0+20260615.37ba6bbdindirecta
PyPItorch-xray2.0.4indirecta
PyPItorchaudio2.4.1+metax3.8.1.0indirecta
PyPItorchcodec0.6.0+metax3.8.1.0indirecta
PyPItorchvision0.22.0+cpuindirecta
PyPItransformers—indirecta
PyPItxops0.1.0+20260508.60287151indirecta
PyPIvllm—indirecta
PyPIwheel0.46.2indirecta
PyPIxformers0.0.29+1e7a8ec.d20260114indirecta
PyPIxmlir1.0.0.1indirecta
Avisos de dependencias 0

Instalar pypi:flag_gems@5.0.2 arrastra 6 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 flagos-ai/FlagGems. Leer en paralelo →

98linkedin/Liger-KernelEfficient Triton Kernels for LLM TrainingExcepcional91meta-pytorch/tritonparseTritonParse: A Compiler Tracer, Visualizer, and Reproducer for Triton KernelsExcelente77ahb-sjsu/turboquant-proConsumer-aware compression for embedding indexes and LLM KV caches — compress by the metric the downstream consumer actually uses. PCA-Matryoshka + TurboQuant (27x @ 99.8% recall@10), asymmetric K/V, CUDA/Triton kernels, vLLM plugin, replayable CI-gated claims. MIT.Bueno71pjordanandrsn/experts4bit-qloraTrain and serve MoE models that do not fit in VRAM: fused 4-bit experts, QLoRA, CPU/NVMe offload, and fast inference on consumer NVIDIA GPUs.Bueno22nactttch/g2nA torch.compile backend that pays attention: custom FX fusion passes, a Triton LayerNorm kernel, and a persistent compile cache. Apache-2.0 free core of the g2n platform.En riesgo100huggingface/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. Excepcional

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.