Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-28 01:55 UTC

intel / neural-compressor

SOTA low-bit LLM quantization (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) & sparsity; leading model compression techniques on PyTorch, TensorFlow, and ONNX Runtime

PythonApache-2.0★ 2712 estrellas⑂ 325 forksdesde jul 2020Ver en GitHub ↗
#low-precision#pruning#sparsity#auto-tuning#knowledge-distillation#quantization#quantization-aware-training#post-training-quantization#smoothquant#large-language-models#awq#fp4#gptq#int4#int8#mxformat#sparsegpt

intel/neural-compressor tiene un índice de salud de 96 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (96/100) y la más baja, Security (44/100). Se actualizó por última vez hoy. 9 personas concentran la mayor parte del trabajo reciente.

96
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.

96
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 84 se calibra a 96 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Intel® CorporationOrganización
5603 seguidores1362 repositorios públicosdesde mar 2016

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

Métricas por categoría

Vitalidad

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

96Excepcional · 21% del índice global

Actividad de desarrollo

98Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
33.9/36Cadencia de commits — 49/52 semanas con commits
18/18Volumen de commits — 230 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year230
human_commit_share0,98
days_since_last_push0
active_weeks_last_year49

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 48 versiones publicadas
36/36Recencia de las versiones — última versión hace 88 días
19.8/27Cadencia de publicación — una versión cada ~76,5 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count48
latest_release_tagv3.9
releases_from_tagsno
days_since_latest_release88
mean_days_between_releases76,5

Comunidad y Adopción

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

88Excelente · 17% del índice global

Popularidad y adopción

85Excelente
Cómo se puntúa
55.7/60Estrellas — 2712 estrellas
20.9/25Forks — 325 forks
8.4/15Observadores — 33 observadores
Datos de entrada utilizados
forks325
stars2712
watchers33
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_badges4
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesshields.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?

91Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

98Excepcional
Cómo se puntúa
54/54Factor bus — la mitad de los commits recae en 9 contribuyente(s)
20.4/22.5Distribución de commits — el principal contribuyente firma el 10% de los commits
13.5/13.5Amplitud de contribuyentes — 97 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor9
contributors_sampled97
top_contributor_share0,095

Capacidad de respuesta a issues y PR

93Excepcional
Cómo se puntúa
41.6/42Resolución de issues — 99% de issues cerradas
25.2/30Aceptación de PR — 1957/2334 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_prs1957
open_issues2
closed_issues227
prs_merged_7d4
prs_decided_7d4
prs_merged_30d29
prs_decided_30d31
issue_closed_ratio0,991
closed_unmerged_prs377
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

80Excelente
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
25/25Alcance del propietario — 5603 seguidores de intel
25/25Trayectoria — 1362 repos públicos, cuenta de ~10 años
Datos de entrada utilizados
followers5603
owner_typeOrganization
is_verifiedno
owner_loginintel
public_repos1362
account_age_days3847

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 — 6 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
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://intel.github.io/neural-compressor/
10/10Descripción del repositorio
10/10Topics — 17 topics
10/10Wiki
Datos de entrada utilizados
topicslow-precision, pruning, sparsity, auto-tuning, knowledge-distillation, quantization, quantization-aware-training, post-training-quantization, smoothquant, large-language-models, awq, fp4, gptq, int4, int8, mxformat, sparsegpt
has_wikisí
homepagehttps://intel.github.io/neural-compressor/
docs_sitehttps://intel.github.io/neural-compressor/
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?

44Débil · 16% del índice global

Postura de seguridad

30En riesgo
Cómo se puntúa
30/30Política 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—
manifestspyproject.toml, requirements_jax.txt, requirements_pt.txt, requirements_tf.txt, setup.cfg, setup.py
has_codeql_workflowno
has_security_policysí
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
advisories2
affected_packages1
assessed_packages26
unassessed_packages96
affected_by_severityhigh 1
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 26 dependencias resueltas con OSV. 96 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.

84Excelente · 4% del índice global

Contexto y guía para agentes

85Excelente
Cómo se puntúa
45/45Instrucciones para agentes — .github/copilot-instructions.md
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 91 de 98 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,929
agent_instruction_files.github/copilot-instructions.md
agent_instruction_max_bytes5386

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

88Excelente
Cómo se puntúa
18/18Arranque con un solo comando — docs/build_docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile
10/10Práctica demostrada con agentes — 8 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 1 de los últimos 100 commits son 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_filesdocs/build_docs/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,08
toolchain_manifests—
dependency_bot_commit_share0,01

Legibilidad del código para modelos

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
53.9/55Tamaños de archivo manejables — 11/557 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes1.931.245
source_files_sampled557
oversized_source_files11

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

2712estrellas de GitHub
97contribuidores
230commits en los últimos 12 meses
0días desde el último push
48versiones publicadas
9factor bus
2issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/28 01:54:39 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 ★ / 325 ⇿
0Estrellas
325Forks
47Versiones

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.

012525037531962020-082023-092026-09
Mayor 0Menor 0Parche 14

Cada punto abarca 6 días.

Todas las dependencias 122

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 122 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIaccelerate—indirecta
PyPIauto-round—indirecta
PyPIauto-round-lib—indirecta
PyPIav12.1.0indirecta
PyPIboto3—indirecta
PyPIclip0.2.0indirecta
PyPIcompressed-tensors—indirecta
PyPIconformer—indirecta
PyPIcython—indirecta
PyPIdashscope—indirecta
PyPIdatasets—indirecta
PyPIdecord—indirecta
PyPIdeprecated—indirecta
PyPIdetectron2—indirecta
PyPIdiffusers—indirecta
PyPIdiffusers0.38.0indirecta
PyPIdreamsim—indirecta
PyPIeasydict—indirecta
PyPIeinops—indirecta
PyPIexpecttest—indirecta
PyPIfairscale—indirecta
PyPIftfy—indirecta
PyPIfvcore—indirecta
PyPIgdown—indirecta
PyPIgdown4.7.3indirecta
PyPIhf-transfer—indirecta
PyPIhuggingface-hub—indirecta
PyPIhydra-core—indirecta
PyPIhyperpyyaml—indirecta
PyPIimageio—indirecta
PyPIimageio-ffmpeg—indirecta
PyPIinflect—indirecta
PyPIintel-extension-for-tensorflow—indirecta
PyPIjax—indirecta
PyPIkeras—indirecta
PyPIkeras-hub—indirecta
PyPIlibrosa—indirecta
PyPIlightning—indirecta
PyPIlm-eval—indirecta
PyPIlm-eval0.4.3indirecta
PyPIloguru—indirecta
PyPIlvis—indirecta
PyPImatplotlib—indirecta
PyPImodelscope—indirecta
PyPIneural-compressor—indirecta
PyPIneural-compressor-jax—indirecta
PyPIneural-compressor-pt—indirecta
PyPInumba—indirecta
PyPInumpy—indirecta
PyPIomegaconf—indirecta
PyPIonnxruntime—indirecta
PyPIopenai-clip—indirecta
PyPIopenai-whisper—indirecta
PyPIopencv-python-headless—indirecta
PyPIoptimum-habana1.14.1indirecta
PyPIpackaging—indirecta
PyPIpandas—indirecta
PyPIpandas2.2.2indirecta
PyPIpeft—indirecta
PyPIpillow—indirecta
PyPIprettytable—indirecta
PyPIprotobuf—indirecta
PyPIpsutil—indirecta
PyPIpy-cpuinfo—indirecta
PyPIpyarrow—indirecta
PyPIpycocoevalcap—indirecta
PyPIpycocotools—indirecta
PyPIpydantic—indirecta
PyPIpyiqa—indirecta
PyPIpyre-extensions—indirecta
PyPIpytest—indirecta
PyPIpyworld—indirecta
PyPIpyyaml—indirecta
PyPIrecommonmark0.7.1indirecta
PyPIrequests—indirecta
PyPIrich—indirecta
PyPIsafetensors—indirecta
PyPIsafetensors0.8.0rc0indirecta
PyPIschema—indirecta
PyPIscikit-image—indirecta
PyPIscikit-learn—indirecta
PyPIscipy—indirecta
PyPIsentencepiece—indirecta
PyPIsentencepiece0.2.1indirecta
PyPIsetuptools—indirecta
PyPIsetuptools-scm9.2.2indirecta
PyPIsphinx8.2.3indirecta
PyPIsphinx-autoapi3.6.1indirecta
PyPIsphinx-autobuild2025.8.25indirecta
PyPIsphinx-markdown-tables0.0.17indirecta
PyPIsphinx-md0.0.4indirecta
PyPIsphinx-rtd-theme3.0.2indirecta
PyPIsphinxcontrib-jquery4.1indirecta
PyPIsphinxemoji0.3.1indirecta
PyPItabulate—indirecta
PyPItabulate0.10.0indirecta
PyPItbb—indirecta
PyPItensorboard—indirecta
PyPItensorboardx—indirecta
PyPItensorflow—indirecta
PyPItimm—indirecta
PyPItokenizers—indirecta
PyPItorch—indirecta
PyPItorch2.13.0indirecta
PyPItorch-fidelity—indirecta
PyPItorchao—indirecta
PyPItorchao0.17.0indirecta
PyPItorchaudio—indirecta
PyPItorchmetrics—indirecta
PyPItorchmetrics1.8.2indirecta
PyPItorchsde0.2.6indirecta
PyPItorchsnapshot—indirecta
PyPItorchvision—indirecta
PyPItorchvision0.28.0indirecta
PyPItqdm—indirecta
PyPItransformers—indirecta
PyPItransformers5.10.1indirecta
PyPIurllib3—indirecta
PyPIwandb—indirecta
PyPIwetext—indirecta
PyPIwget—indirecta
PyPIwheel—indirecta
Avisos de dependencias 1

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 26 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 1 tienen avisos conocidos, de los cuales 0 son directas. 96 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido, o fuera de la lista de paquetes informada.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
gdown4.7.3indirectaalta25.2.2

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 intel/neural-compressor. Leer en paralelo →

98vllm-project/llm-compressorTransformers-compatible library for applying various compression algorithms to LLMs for optimized deployment with vLLMExcepcional98openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inferenceExcepcional91ModelCloud/GPTQModelLLM model quantization (compression) toolkit with HW acceleration support for Nvidia, AMD, Intel GPU and Intel/AMD/Apple CPU via HF, vLLM, and SGLang.Excelente78Sahil170595/quantfitQuantize an LLM and check it still refuses what it should — a GPU-aware quantization CLI that measures the safety drift of the quantization it just performed.Bueno98pytorch/aoPyTorch native quantization for training and inferenceExcepcional95intel/auto-roundA SOTA quantization toolkit for high-accuracy low-bit LLM inference|简洁且高效的量化工具包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.