Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-17 23:19 UTC

openvinotoolkit / nncf

Neural Network Compression Framework for enhanced OpenVINO™ inference

PythonApache-2.0★ 1199 estrellas⑂ 305 forksdesde may 2020Ver en GitHub ↗
TipoBibliotecacómo se determina
#quantization#pruning#sparsity#quantization-aware-training#mixed-precision-training#compression#semantic-segmentation#object-detection#classification#nlp#bert#transformers#pytorch#tensorflow#onnx#openvino#deep-learning#genai#llm

openvinotoolkit/nncf tiene un índice de salud de 98 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (96/100) y la más baja, Security (78/100). Se actualizó por última vez hoy. 4 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 87 se calibra a 98 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

OpenVINO™ ToolkitOrganización
1868 seguidores48 repositorios públicosdesde sept 2019

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
PyPInncf3.4.01.333.36235hace 0 díasbertclassificationcompressionhawqmixed-precision-trainingmmdetectionnasnlpobject-detectionpruningquantizationquantization-aware-trainingsemantic-segmentationsparsitytransformers

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
34.6/36Cadencia de commits — 50/52 semanas con commits
18/18Volumen de commits — 373 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year373
human_commit_share0,83
days_since_last_push0
active_weeks_last_year50

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 37 versiones publicadas
36/36Recencia de las versiones — última versión hace 0 días
19.8/27Cadencia de publicación — una versión cada ~65,3 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count37
latest_release_tagv3.4.0
releases_from_tagsno
days_since_latest_release0
mean_days_between_releases65,3

Comunidad y Adopción

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

89Excelente · 17% del índice global

Popularidad y adopción

79Bueno
Cómo se puntúa
49.9/60Estrellas — 1199 estrellas
20.7/25Forks — 305 forks
8.3/15Observadores — 32 observadores
Datos de entrada utilizados
forks305
stars1199
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_badges6
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesshields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

100Excepcional
Cómo se puntúa
80/80Descargas mensuales — 1.333.362 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesnncf
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1.333.362
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?

83Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

82Excelente
Cómo se puntúa
43.2/54Factor bus — la mitad de los commits recae en 4 contribuyente(s)
17.4/22.5Distribución de commits — el principal contribuyente firma el 23% de los commits
13.5/13.5Amplitud de contribuyentes — 77 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor4
contributors_sampled77
top_contributor_share0,228

Capacidad de respuesta a issues y PR

77Bueno
Cómo se puntúa
39.4/42Resolución de issues — 94% de issues cerradas
26.1/30Aceptación de PR — 3267/3756 PR decididos fusionados
0/13Newcomer PR acceptance — 0/2 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs3267
open_issues24
closed_issues360
prs_merged_7d5
prs_decided_7d6
prs_merged_30d24
prs_decided_30d32
issue_closed_ratio0,938
closed_unmerged_prs489
first_time_authors_30d2
first_time_prs_merged_30d0
first_time_prs_decided_30d2

Propiedad y custodia

78Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
23.5/25Alcance del propietario — 1868 seguidores de openvinotoolkit
24.3/25Trayectoria — 48 repos públicos, cuenta de ~7 años
Datos de entrada utilizados
followers1868
owner_typeOrganization
is_verifiedno
owner_loginopenvinotoolkit
public_repos48
account_age_days2557

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 0 días
20/20Historial de versiones — 35 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesnncf
ecosystemspypi
any_deprecatedno
min_days_since_publish0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

89Excelente · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 25 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

85Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
0/15Sitio de documentación / página del proyecto
10/10Descripción del repositorio
10/10Topics — 19 topics
10/10Wiki
Datos de entrada utilizados
topicsquantization, pruning, sparsity, quantization-aware-training, mixed-precision-training, compression, semantic-segmentation, object-detection, classification, nlp, bert, transformers, pytorch, tensorflow, onnx, openvino, deep-learning, genai, llm
has_wikisí
homepage—
docs_site—
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?

78Bueno · 16% del índice global

Postura de seguridad

73Bueno
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
25/25Configuración 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
lockfiles—
manifestspyproject.toml
has_codeql_workflowno
has_security_policysí
has_dependabot_configsí
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
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
advisories14
affected_packages7
assessed_packages73
unassessed_packages36
affected_by_severityhigh 3, moderate 2, 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 73 dependencias resueltas con OSV. 36 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.

80Excelente · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — .github/copilot-instructions.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://pytorch.org/llms.txt)
40/40Historial de commits legible — 83 de 83 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://pytorch.org/llms.txt
legible_history_share1
agent_instruction_files.github/copilot-instructions.md
agent_instruction_max_bytes2356

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

68Bueno
Cómo se puntúa
18/18Arranque con un solo comando — Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
0/11Verificación estática de tipos
0/10Entorno reproducible
2/10Práctica demostrada con agentes — 1 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 17 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_dockerfileno
typed_languageno
bootstrap_filesMakefile
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,17

Legibilidad del código para modelos

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.3/55Tamaños de archivo manejables — 10/752 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes109.688
source_files_sampled752
oversized_source_files10

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

1199estrellas de GitHub
77contribuidores
373commits en los últimos 12 meses
0días desde el último push
37versiones publicadas
4factor bus
24issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'nncf' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • pypi download figures for nncf carried forward from the previous scan (stats endpoint unavailable this scan)
  • deps.dev does not index pypi:nncf@3.4.0; 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; 2026/09/17 23:18:32 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 ★ / 305 ⇿
0Estrellas
305Forks
36Versiones

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.

05010015020025030029572020-052023-072026-09
Mayor 2Menor 25Parche 8

Cada punto abarca 6 días.

Dependencias directas 12
RegistroPaqueteRestricción de versiónManifiesto
PyPInetworkx>=2.6, <=3.6.1pyproject.toml
PyPIninja>=1.10.0.post2, <1.14pyproject.toml
PyPInumpy>=1.24.0, <2.5.0pyproject.toml
PyPIopenvino-telemetry>=2023.2.0pyproject.toml
PyPIpackaging>=20.0pyproject.toml
PyPIpsutil—pyproject.toml
PyPIpydot>=1.4.1, <=4.0.1pyproject.toml
PyPIrich>=13.5.2pyproject.toml
PyPIsafetensors>=0.4.1pyproject.toml
PyPIscikit-learn>=0.24.0pyproject.toml
PyPIscipy>=1.3.2pyproject.toml
PyPItabulate>=0.9.0pyproject.toml
Todas las dependencias 109

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 18 paquetes directos y 91 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPInetworkx—directa
PyPIninja—directa
PyPInumpy—directa
PyPInumpy1.26.4directa
PyPInumpy2.2.6directa
PyPInumpy2.4.6directa
PyPIopenvino-telemetry—directa
PyPIpackaging—directa
PyPIpsutil—directa
PyPIpydot—directa
PyPIrich—directa
PyPIsafetensors—directa
PyPIsafetensors0.6.2directa
PyPIscikit-learn—directa
PyPIscipy—directa
PyPIscipy1.18.0directa
PyPItabulate—directa
PyPItabulate0.10.0directa
PyPIaccelerate1.9.0indirecta
PyPIaddict—indirecta
PyPIanomalib0.6.0indirecta
PyPIanomalib2.2.0indirecta
PyPIastroid4.1.2indirecta
PyPIatheris2.3.0indirecta
PyPIdatasets4.6.1indirecta
PyPIdatasets5.0.0indirecta
PyPIdatasets5.0.1indirecta
PyPIefficientnet-pytorch0.7.1indirecta
PyPIexecutorch1.3.1indirecta
PyPIfastcore1.11.5indirecta
PyPIfastdownload0.0.7indirecta
PyPIfastprogress1.0.5indirecta
PyPIfuro2025.12.19indirecta
PyPIgptqmodel—indirecta
PyPIgptqmodel5.6.12indirecta
PyPIhuggingface-hub0.36.2indirecta
PyPIipykernel7.1.0indirecta
PyPIipython8.37.0indirecta
PyPIkaleido—indirecta
PyPIkernels0.12.3indirecta
PyPIlibrosa0.10.0indirecta
PyPIlm-eval0.4.12indirecta
PyPImatplotlib—indirecta
PyPImatplotlib3.10.7indirecta
PyPImatplotlib3.10.9indirecta
PyPImdutils—indirecta
PyPImemory-profiler0.61.0indirecta
PyPInbclient0.10.4indirecta
PyPInbformat5.10.4indirecta
PyPIonnx1.21.0indirecta
PyPIonnx1.22.0indirecta
PyPIonnx-ir0.1.15indirecta
PyPIonnx-ir1.0.0indirecta
PyPIonnxruntime1.24.3indirecta
PyPIonnxscript0.6.2indirecta
PyPIonnxscript0.7.1indirecta
PyPIopenvino—indirecta
PyPIopenvino2026.1.0indirecta
PyPIopenvino2026.3.0indirecta
PyPIopenvino2026.3.1indirecta
PyPIopenvino-tokenizers—indirecta
PyPIoptimum2.3.0indirecta
PyPIoptimum-intel—indirecta
PyPIoptimum-intel2.1.0indirecta
PyPIoptimum-onnx—indirecta
PyPIpandas—indirecta
PyPIpandas2.3.3indirecta
PyPIpillow—indirecta
PyPIplotly-express—indirecta
PyPIpycocotools—indirecta
PyPIpycocotools2.0.7indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpytest-forked1.6.0indirecta
PyPIpytest-mock3.15.1indirecta
PyPIpytest-ordering0.6indirecta
PyPIpytest-split—indirecta
PyPIpytest-split0.11.0indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpyyaml—indirecta
PyPIrequests2.33.0indirecta
PyPIsentence-transformers5.6.0indirecta
PyPIsetuptools—indirecta
PyPIsetuptools81.0.0indirecta
PyPIsoundfile0.12.1indirecta
PyPIsphinx9.1.0indirecta
PyPIsphinx-autoapi3.8.0indirecta
PyPItensorboard2.20.0indirecta
PyPItensorflow-io0.37.1indirecta
PyPItimm0.9.2indirecta
PyPItimm1.0.22indirecta
PyPItorch—indirecta
PyPItorch2.10.0indirecta
PyPItorch2.13.0indirecta
PyPItorchao—indirecta
PyPItorchao0.17.0indirecta
PyPItorchao0.18.0indirecta
PyPItorchmetrics1.0.1indirecta
PyPItorchvision—indirecta
PyPItorchvision0.25.0indirecta
PyPItorchvision0.28.0indirecta
PyPItqdm—indirecta
PyPItransformers—indirecta
PyPItransformers5.5.0indirecta
PyPIultralytics8.3.221indirecta
PyPIultralytics8.4.21indirecta
PyPIvirtualenv—indirecta
PyPIwhowhatbench—indirecta
PyPIyattag—indirecta
Avisos de dependencias 7

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 73 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 7 tienen avisos conocidos, de los cuales 0 son directas. 36 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido, o fuera de la lista de paquetes informada.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
accelerate1.9.0indirectaalta2—
torch2.10.0indirectaalta22.13.0
transformers5.5.0indirectaalta25.10.0
onnx1.21.0indirectamoderada41.22.0
setuptools81.0.0indirectamoderada283.0.0
datasets4.6.1indirectadesconocida15.0.1
datasets5.0.0indirectadesconocida15.0.1

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 openvinotoolkit/nncf. Leer en paralelo →

98vllm-project/llm-compressorTransformers-compatible library for applying various compression algorithms to LLMs for optimized deployment with vLLMExcepcional98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsExcepcional98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Excepcional96roboflow/supervisionWe write your reusable computer vision tools. 💜Excepcional96keras-team/keras-hubPretrained model hub for Keras 3.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. 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.