Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-10-19 04:50 UTC

mlcommons / medperf

An open benchmarking platform for medical artificial intelligence using Federated Evaluation.

Python · HTMLApache-2.0★ 172 estrellas⑂ 36 forksdesde oct 2021Ver en GitHub ↗
TipoHerramienta de línea de comandoscómo se determina

mlcommons/medperf tiene un índice de salud de 65 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Sustainability & Governance (80/100) y la más baja, Security (36/100). Se actualizó por última vez hace 68 días. 2 personas concentran la mayor parte del trabajo reciente.

65
global / 100
Bueno

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.

65
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 60 se calibra a 65 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

MLCommonsOrganización · dominio verificado
1498 seguidores139 repositorios públicosdesde jul 2020

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?

44Débil · 21% del índice global

Actividad de desarrollo

44Débil
Cómo se puntúa
18/36Recencia de push — último push hace 68 días
9/36Cadencia de commits — 13/52 semanas con commits
12.4/18Volumen de commits — 23 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year23
human_commit_share1
days_since_last_push68
active_weeks_last_year13

Disciplina de publicación

44Débil
Cómo se puntúa
27/27Publica versiones — 1 versiones publicadas
0/36Recencia de las versiones — última versión hace 1312 días
12.6/27Cadencia de publicación — cadencia desconocida (una sola versión)
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count1
latest_release_tagv0.1.0
releases_from_tagsno
days_since_latest_release1312
mean_days_between_releases—

Comunidad y Adopción

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

62Moderado · 17% del índice global

Popularidad y adopción

55Moderado
Cómo se puntúa
36.2/60Estrellas — 172 estrellas
12.9/25Forks — 36 forks
5.8/15Observadores — 12 observadores
Datos de entrada utilizados
forks36
stars172
watchers12
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

70Bueno
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
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges0
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_services—
has_pull_request_templateno

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)

58Moderado
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
13.7/22.5Distribución de commits — el principal contribuyente firma el 39% de los commits
13.5/13.5Amplitud de contribuyentes — 16 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor2
contributors_sampled16
top_contributor_share0,39

Capacidad de respuesta a issues y PR

88Excelente
Cómo se puntúa
39.7/42Resolución de issues — 95% de issues cerradas
23.7/30Aceptación de PR — 296/375 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_prs296
open_issues16
closed_issues282
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,946
closed_unmerged_prs79
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

98Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
20/20Dominio verificado
22.8/25Alcance del propietario — 1498 seguidores de mlcommons
25/25Trayectoria — 139 repos públicos, cuenta de ~6 años
Datos de entrada utilizados
followers1498
owner_typeOrganization
is_verifiedsí
owner_loginmlcommons
public_repos139
account_age_days2299

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

72Bueno · 19% del índice global

Prácticas de ingeniería

60Moderado
Cómo se puntúa
24/24Flujos de trabajo de CI — 10 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks 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_configno
has_precommit_configno

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://www.medperf.org
10/10Descripción del repositorio
0/10Topics
10/10Wiki
Datos de entrada utilizados
topics—
has_wikisí
homepagehttps://www.medperf.org
docs_sitehttps://www.medperf.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?

36Débil · 16% del índice global

Postura de seguridad

20En riesgo
Cómo se puntúa
0/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
0/25Lockfiles de dependencias
20/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestscli/requirements.txt, cli/setup.py, docs/requirements.txt, flca/setup.py, server/requirements.txt
has_codeql_workflowsí
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
advisories290
affected_packages19
assessed_packages94
unassessed_packages24
affected_by_severitycritical 7, moderate 5, low 2, unknown 5
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 94 dependencias resueltas con OSV. 24 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.

50Moderado · 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 — 96 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,96
agent_instruction_files—
agent_instruction_max_bytes—

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

36Débil
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
0/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — devcontainer, 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_files—
has_devcontainersí
has_linter_configno
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
55/55Tamaños de archivo manejables — 0/812 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes47.038
source_files_sampled812
oversized_source_files0

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, 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

172estrellas de GitHub
16contribuidores
23commits en los últimos 12 meses
68días desde el último push
1versiones publicadas
2factor bus
16issues 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 'medperf' from its registry
  • Could not fetch pypi package 'rano-monitor' from its registry
  • Advisory severity resolved for 120 of 175 advisories (lookup cap); the remainder are reported as unknown severity
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 36 ⇿
0Estrellas
36Forks
1Versiones

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.

01325383422022-042024-042026-05
Mayor 0Menor 1Parche 0

Cada punto abarca 4 días.

Todas las dependencias 118

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 118 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIargparse—indirecta
PyPIauth0-python4.3.0indirecta
PyPIclick8.1.8indirecta
PyPIcnb-tools0.3.2indirecta
PyPIcolorama0.4.4indirecta
PyPIcookiecutter2.1.1indirecta
PyPIcryptography—indirecta
PyPIcryptography46.0.3indirecta
PyPIcurlify—indirecta
PyPIdash2.16indirecta
PyPIdash-bootstrap-components1.5indirecta
PyPIdicom—indirecta
PyPIdjango4.2.26indirecta
PyPIdjango-cors-headers4.3.1indirecta
PyPIdjango-environ0.11.2indirecta
PyPIdjango-extensions3.2.3indirecta
PyPIdjango-filter24.3indirecta
PyPIdjango-storages1.14.2indirecta
PyPIdjangorestframework3.14.0indirecta
PyPIdjangorestframework-simplejwt5.3.1indirecta
PyPIdocker7.1.0indirecta
PyPIdrf-spectacular0.27.1indirecta
PyPIdrf-spectacular-sidecar2024.3.4indirecta
PyPIemail-validator2.0.0indirecta
PyPIfastapi0.111.1indirecta
PyPIfastapi-login1.10.2indirecta
PyPIgitpython3.1.41indirecta
PyPIgoogle-api-python-client2.192.0indirecta
PyPIgoogle-auth—indirecta
PyPIgoogle-auth2.49.1indirecta
PyPIgoogle-cloud-compute1.46.0indirecta
PyPIgoogle-cloud-iam2.21.0indirecta
PyPIgoogle-cloud-kms—indirecta
PyPIgoogle-cloud-kms3.11.0indirecta
PyPIgoogle-cloud-secret-manager2.19.0indirecta
PyPIgoogle-cloud-storage—indirecta
PyPIgoogle-cloud-storage3.9.0indirecta
PyPIgriffe0.32.3indirecta
PyPIgunicorn23.0.0indirecta
PyPImedpy—indirecta
PyPImerge-args0.1.5indirecta
PyPImkdocs1.4.3indirecta
PyPImkdocs-autorefs0.4.1indirecta
PyPImkdocs-gen-files0.5.0indirecta
PyPImkdocs-literate-nav0.6.0indirecta
PyPImkdocs-macros-plugin1.0.2indirecta
PyPImkdocs-material9.1.18indirecta
PyPImkdocs-material-extensions1.1.1indirecta
PyPImkdocstrings0.22.0indirecta
PyPImkdocstrings-python1.2.0indirecta
PyPInibabel—indirecta
PyPInumpy—indirecta
PyPInumpy1.24.3indirecta
PyPInumpy1.26.0indirecta
PyPInumpy1.26.4indirecta
PyPInumpy2.4.3indirecta
PyPIonnx1.13.0indirecta
PyPIonnx1.16.2indirecta
PyPIpandas—indirecta
PyPIpandas2.1.0indirecta
PyPIpandas2.2.1indirecta
PyPIparameterized0.9.0indirecta
PyPIpexpect4.8.0indirecta
PyPIpillow—indirecta
PyPIpillow10.2.0indirecta
PyPIpillow9.5.0indirecta
PyPIplotly5.20indirecta
PyPIpsutil5.9.8indirecta
PyPIpsycopg2-binary2.9.9indirecta
PyPIpydantic1.10.13indirecta
PyPIpyfakefs5.8.0indirecta
PyPIpygments2.18indirecta
PyPIpyopenssl25.3.0indirecta
PyPIpyperclip1.8.2indirecta
PyPIpytest-dependency0.6.0indirecta
PyPIpytest-mock3.14.0indirecta
PyPIpyyaml—indirecta
PyPIpyyaml6.0indirecta
PyPIpyyaml6.0.1indirecta
PyPIpyyaml6.0.3indirecta
PyPIrequests—indirecta
PyPIrich—indirecta
PyPIschema0.7.5indirecta
PyPIscikit-learn—indirecta
PyPIscikit-learn0.24.2indirecta
PyPIscikit-learn1.2.2indirecta
PyPIscikit-learn1.8.0indirecta
PyPIscipy—indirecta
PyPIselenium4.23.1indirecta
PyPIsemver3.0.4indirecta
PyPIsimpleitk—indirecta
PyPIsynapseclient4.1.1indirecta
PyPItabulate0.9.0indirecta
PyPItblib3.0.0indirecta
PyPItensorflow2.12.0indirecta
PyPItextual0.46.0indirecta
PyPItime-machine2.4.0indirecta
PyPItorch—indirecta
PyPItorch2.0.1indirecta
PyPItorch2.8.0indirecta
PyPItorchvision—indirecta
PyPItorchvision0.15.2indirecta
PyPItorchxrayvision—indirecta
PyPItorchxrayvision0.0.39indirecta
PyPItqdm—indirecta
PyPItqdm4.65.0indirecta
PyPItqdm4.67.3indirecta
PyPItyper—indirecta
PyPItyper0.20.1indirecta
PyPItyper0.9.0indirecta
PyPItyping-extensions—indirecta
PyPIuvicorn0.30.1indirecta
PyPIvalidators0.18.2indirecta
PyPIwatchdog3.0.0indirecta
PyPIwebdriver-manager4.0.2indirecta
PyPIwerkzeug3.0.6indirecta
PyPIwhitenoise6.6.0indirecta
PyPIyaspin2.1.0indirecta
Avisos de dependencias 19

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 94 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 19 tienen avisos conocidos, de los cuales 0 son directas. 24 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido, o fuera de la lista de paquetes informada.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
cryptography46.0.3indirectacrítica1350.0.0
django4.2.26indirectacrítica406.1.1
gitpython3.1.41indirectacrítica593.1.62
onnx1.13.0indirectacrítica241.22.0
onnx1.16.2indirectacrítica181.22.0
pillow10.2.0indirectacrítica3012.3.0
pillow9.5.0indirectacrítica3712.3.0
djangorestframework3.14.0indirectamoderada63.17.2
mkdocs-material9.1.18indirectamoderada29.7.7
scikit-learn0.24.2indirectamoderada31.5.0
scikit-learn1.2.2indirectamoderada21.5.0
werkzeug3.0.6indirectamoderada83.1.9
djangorestframework-simplejwt5.3.1indirectabaja25.5.1
pygments2.18indirectabaja22.20.0
pyopenssl25.3.0indirectadesconocida4—
tensorflow2.12.0indirectadesconocida2—
torch2.0.1indirectadesconocida28—
torch2.8.0indirectadesconocida8—
tqdm4.65.0indirectadesconocida2—

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 mlcommons/medperf. Leer en paralelo →

100numpy/numpyThe fundamental package for scientific computing with Python.Excepcional100risingwavelabs/risingwaveEvent streaming platform for agentic AI. Continuously ingest, transform, and serve event streams in real time, at scale.Excepcional100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Excepcional100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMExcepcional100wandb/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 interoperabilityExcepcional

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.