Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-20 01:22 UTC

hpcaitech / ColossalAI

Making large AI models cheaper, faster and more accessible

PythonApache-2.0★ 41.437 estrellas⑂ 4495 forksdesde oct 2021Ver en GitHub ↗
TipoHerramienta de línea de comandoscómo se determina
#deep-learning#hpc#large-scale#data-parallelism#pipeline-parallelism#model-parallelism#ai#big-model#distributed-computing#inference#heterogeneous-training#foundation-models

hpcaitech/ColossalAI tiene un índice de salud de 83 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Engineering Quality (95/100) y la más baja, Security (21/100). Se actualizó por última vez hoy. 7 personas concentran la mayor parte del trabajo reciente.

83
global / 100
Excelente

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.

83
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 70 se calibra a 83 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

HPC-AI TechOrganización
1962 seguidores33 repositorios públicosdesde ago 2021

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

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIcoatiapunta a otro repositorio; no se puntúa0.1.0-0—powerpointautomatic-reports

Métricas por categoría

Vitalidad

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

60Moderado · 21% del índice global

Actividad de desarrollo

55Moderado
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
2.8/36Cadencia de commits — 4/52 semanas con commits
10.3/18Volumen de commits — 13 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year13
human_commit_share0,95
days_since_last_push0
active_weeks_last_year4

Disciplina de publicación

68Bueno
Cómo se puntúa
27/27Publica versiones — 50 versiones publicadas
7.2/36Recencia de las versiones — última versión hace 472 días
27/27Cadencia de publicación — una versión cada ~35,8 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count50
latest_release_tagv0.5.0
releases_from_tagsno
days_since_latest_release472
mean_days_between_releases35,8

Comunidad y Adopción

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

89Excelente · 17% del índice global

Popularidad y adopción

99Excepcional
Cómo se puntúa
60/60Estrellas — 41.437 estrellas
25/25Forks — 4495 forks
14.3/15Observadores — 381 observadores
Datos de entrada utilizados
forks4495
stars41.437
watchers381
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

77Bueno
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges6
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_servicesgithub.com, readthedocs.org, shields.io
has_pull_request_templatesí

Sostenibilidad y Gobernanza

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

80Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

94Excepcional
Cómo se puntúa
51.3/54Factor bus — la mitad de los commits recae en 7 contribuyente(s)
19.6/22.5Distribución de commits — el principal contribuyente firma el 13% de los commits
13.5/13.5Amplitud de contribuyentes — 98 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor7
contributors_sampled98
top_contributor_share0,13

Capacidad de respuesta a issues y PR

67Bueno
Cómo se puntúa
31.3/42Resolución de issues — 74% de issues cerradas
25.5/30Aceptación de PR — 3708/4370 PR decididos fusionados
0/13Newcomer PR acceptance — 0/1 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs3708
open_issues444
closed_issues1297
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,745
closed_unmerged_prs662
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Propiedad y custodia

75Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
23.7/25Alcance del propietario — 1962 seguidores de hpcaitech
21.4/25Trayectoria — 33 repos públicos, cuenta de ~5 años
Datos de entrada utilizados
followers1962
owner_typeOrganization
is_verifiedno
owner_loginhpcaitech
public_repos33
account_age_days1866

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

95Excepcional · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 26 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

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://www.colossalai.org
10/10Descripción del repositorio
10/10Topics — 12 topics
10/10Wiki
Datos de entrada utilizados
topicsdeep-learning, hpc, large-scale, data-parallelism, pipeline-parallelism, model-parallelism, ai, big-model, distributed-computing, inference, heterogeneous-training, foundation-models
has_wikisí
homepagehttps://www.colossalai.org
docs_sitehttps://www.colossalai.org
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?

21En riesgo · 16% del índice global

Postura de seguridad

1Crítico
Cómo se puntúa
0/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
0/25Lockfiles de dependencias
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestsdocs/requirements-doc-test.txt, requirements/requirements-test.txt, requirements/requirements.txt, setup.py
has_codeql_workflowno
has_security_policyno
has_dependabot_configno

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
0/25Dependencias indirectas libres de avisos conocidos — el conjunto transitivo no es separable de las dependencias de desarrollo y prueba en este alcance
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories674
affected_packages30
assessed_packages63
unassessed_packages74
affected_by_severitycritical 15, high 8, moderate 4, low 1, unknown 2
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Dependencias indirectas libres de avisos conocidos, Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejaron 63 dependencias resueltas con OSV. 74 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido o fuera de la lista de paquetes informada. Este repositorio no publica ningún paquete que el índice resuelva, por lo que se evaluó en su lugar el grafo de dependencias del repositorio. Ese grafo mezcla fijaciones de desarrollo y prueba con las dependencias distribuidas, de modo que solo se puntúan las dependencias declaradas en tiempo de ejecución; los hallazgos transitivos se informan como contexto y quedan excluidos de la puntuación. 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.

56Moderado · 4% del índice global

Contexto y guía para agentes

18Crítico
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
18.5/40Historial de commits legible — 33 de 95 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,347
agent_instruction_files—
agent_instruction_max_bytes—

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

68Bueno
Cómo se puntúa
18/18Arranque con un solo comando — examples/community/roberta/preprocessing/Makefile, examples/tutorial/sequence_parallel/data/datasets/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile
0/10Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100
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
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_filesexamples/community/roberta/preprocessing/Makefile, examples/tutorial/sequence_parallel/data/datasets/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0
toolchain_manifests—
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
54.8/55Tamaños de archivo manejables — 6/1736 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes88.055
source_files_sampled1736
oversized_source_files6

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 — examples
Datos de entrada utilizados
example_dirsexamples
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

41.437estrellas de GitHub
98contribuidores
13commits en los últimos 12 meses
0días desde el último push
50versiones publicadas
7factor bus
444issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'colossalqa' from its registry
  • Could not fetch pypi package 'colossal_moe' from its registry
  • pypi package 'coati' points at a different repository (https://github.com/Intelimetrica/coati); excluded from ecosystem scoring
  • Could not fetch pypi package 'colossal_eval' from its registry
  • Could not fetch pypi package 'colossal_llama' from its registry
  • deps.dev does not index pypi:coati@0.1.0; advisories assessed against the repository dependency graph instead
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/20 01:20:21 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 ★ / 4495 ⇿
0Estrellas
4495Forks
17Versiones

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.

Solo se muestra el historial más reciente: este repositorio supera la ventana de recopilación, por lo que no se captura el historial más antiguo.

350037504000425045004495682023-092025-032026-09
Mayor 0Menor 2Parche 15

Cada punto abarca 3 días.

Todas las dependencias 137

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 137 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIaccelerate—indirecta
PyPIalbumentations1.3.0indirecta
PyPIautoflake2.2.1indirecta
PyPIbitsandbytes—indirecta
PyPIblack23.9.1indirecta
PyPIchromadb0.4.9indirecta
PyPIcleanfid—indirecta
PyPIclick—indirecta
PyPIcolossalai—indirecta
PyPIcolossalai0.2.0+torch1.12cu11.3indirecta
PyPIcontexttimer—indirecta
PyPIcoverage7.2.3indirecta
PyPIdatasets—indirecta
PyPIdatasets2.13.0indirecta
PyPIdatasets2.14.7indirecta
PyPIdiffusers—indirecta
PyPIdiffusers0.29.0indirecta
PyPIeinops—indirecta
PyPIeinops0.3.0indirecta
PyPIevaluate—indirecta
PyPIfabric—indirecta
PyPIfastapi—indirecta
PyPIfastapi0.85.1indirecta
PyPIfastapi0.99.1indirecta
PyPIflash-attn—indirecta
PyPIftfy—indirecta
PyPIfuzzywuzzy—indirecta
PyPIgalore-torch—indirecta
PyPIgoogle—indirecta
PyPIgpustat—indirecta
PyPIgpustat1.1.1indirecta
PyPIgradio3.34.0indirecta
PyPIgradio3.44.4indirecta
PyPIh5py—indirecta
PyPIhuggingface-hub—indirecta
PyPIimageio2.9.0indirecta
PyPIimageio-ffmpeg0.4.2indirecta
PyPIjieba—indirecta
PyPIjq1.6.0indirecta
PyPIjsonlines—indirecta
PyPIlangchain—indirecta
PyPIlangchain0.0.330indirecta
PyPIlangchain-experimental0.0.37indirecta
PyPIlatex2sympy2-extended—indirecta
PyPIlightning1.9.0indirecta
PyPIlocust—indirecta
PyPIlocust2.11.0indirecta
PyPIloralib—indirecta
PyPImath-verify—indirecta
PyPImatplotlib—indirecta
PyPImodelcards—indirecta
PyPImodelscope1.9.0indirecta
PyPIninja—indirecta
PyPIninja1.11.1indirecta
PyPInumpy—indirecta
PyPIomegaconf2.1.1indirecta
PyPIopen-clip-torch2.7.0indirecta
PyPIopenai—indirecta
PyPIopenai0.28.0indirecta
PyPIopencv-python4.6.0.66indirecta
PyPIpackaging—indirecta
PyPIpackaging24.0indirecta
PyPIpandas—indirecta
PyPIpeft—indirecta
PyPIpre-commit—indirecta
PyPIprefetch-generator—indirecta
PyPIprompt-toolkit—indirecta
PyPIprotobuf—indirecta
PyPIpsutil—indirecta
PyPIptflops—indirecta
PyPIpudb2019.2indirecta
PyPIpulp—indirecta
PyPIpydantic—indirecta
PyPIpydantic1.10.13indirecta
PyPIpydantic1.10.2indirecta
PyPIpyext—indirecta
PyPIpypdf3.16.0indirecta
PyPIpytest—indirecta
PyPIpytest7.4.2indirecta
PyPIray—indirecta
PyPIray2.49.2indirecta
PyPIrequests2.31.0indirecta
PyPIrich—indirecta
PyPIrouge—indirecta
PyPIrpyc6.0.0indirecta
PyPIsafetensors—indirecta
PyPIsanic22.9.0indirecta
PyPIsanic-ext22.9.0indirecta
PyPIscikit-learn—indirecta
PyPIscipy—indirecta
PyPIseaborn—indirecta
PyPIsentence-transformers2.2.2indirecta
PyPIsentencepiece—indirecta
PyPIsentencepiece0.1.99indirecta
PyPIsix—indirecta
PyPIsix1.16.0indirecta
PyPIslowapi—indirecta
PyPIsqlalchemy2.0.20indirecta
PyPIsse-starlette—indirecta
PyPIstreamlit—indirecta
PyPItabulate—indirecta
PyPItensorboard—indirecta
PyPItensorboard2.14.0indirecta
PyPItensornvme—indirecta
PyPItest-tube—indirecta
PyPItiktoken—indirecta
PyPItiktoken0.5.1indirecta
PyPItimm—indirecta
PyPItitans—indirecta
PyPItitans0.0.7indirecta
PyPItokenizers—indirecta
PyPItokenizers0.13.3indirecta
PyPItorch—indirecta
PyPItorch1.12.1indirecta
PyPItorch2.1.2indirecta
PyPItorchaudio—indirecta
PyPItorchmetrics—indirecta
PyPItorchmetrics0.7indirecta
PyPItorchrec0.2.0indirecta
PyPItorchvision—indirecta
PyPItorchx-nightly2022.6.29indirecta
PyPItqdm—indirecta
PyPItqdm4.66.1indirecta
PyPItransformers—indirecta
PyPItransformers4.22.1indirecta
PyPItransformers4.23.1indirecta
PyPItransformers4.35.0indirecta
PyPItransformers4.36.0indirecta
PyPItransformers4.51.3indirecta
PyPItriton—indirecta
PyPIunstructured0.10.14indirecta
PyPIuvicorn—indirecta
PyPIuvicorn0.19.0indirecta
PyPIuvicorn0.29.0indirecta
PyPIvllm0.5.5indirecta
PyPIwandb—indirecta
PyPIwebdataset0.2.5indirecta
Avisos de dependencias 30

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 63 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 30 tienen avisos conocidos, de los cuales 0 son directas. 74 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido, o fuera de la lista de paquetes informada.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
black23.9.1indirectacrítica426.3.1
gradio3.34.0indirectacrítica766.16.0
gradio3.44.4indirectacrítica766.16.0
langchain-experimental0.0.37indirectacrítica40.0.61
lightning1.9.0indirectacrítica92022.6.15
ray2.49.2indirectacrítica122.56.0
torch1.12.1indirectacrítica302.13.0
torch2.1.2indirectacrítica282.13.0
transformers4.22.1indirectacrítica525.10.0
transformers4.23.1indirectacrítica525.10.0
transformers4.35.0indirectacrítica505.10.0
transformers4.36.0indirectacrítica465.10.0
transformers4.51.3indirectacrítica285.10.0
unstructured0.10.14indirectacrítica60.24.0
vllm0.5.5indirectacrítica750.28.0
diffusers0.29.0indirectaalta50.38.0
fastapi0.85.1indirectaalta10.109.1
fastapi0.99.1indirectaalta10.109.1
langchain0.0.330indirectaalta151.4.6
modelscope1.9.0indirectaalta21.27.0
opencv-python4.6.0.66indirectaalta24.8.1.78
pypdf3.16.0indirectaalta836.16.1
sentencepiece0.1.99indirectaalta20.2.1
pydantic1.10.2indirectamoderada22.4.0
pytest7.4.2indirectamoderada29.0.3
requests2.31.0indirectamoderada62.33.0
sanic22.9.0indirectamoderada125.12.1
tqdm4.66.1indirectabaja24.66.3
datasets2.13.0indirectadesconocida15.0.1
datasets2.14.7indirectadesconocida15.0.1

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 hpcaitech/ColossalAI. Leer en paralelo →

96deepspeedai/DeepSpeedDeepSpeed is a deep learning optimization library that makes distributed training and inference easy, efficient, and effective.Excepcional100huggingface/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. Excepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.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.