Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-10-21 17:40 UTC

qualcomm / ai-hub-models

Qualcomm® AI Hub Models is our collection of state-of-the-art machine learning models optimized for performance (latency, memory etc.) and ready to deploy on Qualcomm® devices.

PythonBSD-3-Clause★ 1233 estrellas⑂ 214 forksdesde dic 2023Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina
#deeplearning#demos#inference#inference-api#inference-engine#machine-learning#machinelearning#onnx#pytorch#qnn#tensorflow-lite

qualcomm/ai-hub-models tiene un índice de salud de 89 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Vitality (96/100) y la más baja, Security (40/100). Se actualizó por última vez hoy. 2 personas concentran la mayor parte del trabajo reciente.

89
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.

89
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 75 se calibra a 89 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Qualcomm Technologies, Inc.Organización
1010 seguidores163 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 publicación
PyPIqai_hub_models_cli0.65.0673225hace 0 días
PyPIqai_hub_modelsapunta a otro repositorio; no se puntúa0.65.05662122hace 0 días

Métricas por categoría

Vitalidad

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

96Excepcional · 21% del índice global

Actividad de desarrollo

93Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
29.8/36Cadencia de commits — 43/52 semanas con commits
18/18Volumen de commits — 1330 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year1330
human_commit_share0,98
days_since_last_push0
active_weeks_last_year43

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 80 versiones publicadas
36/36Recencia de las versiones — última versión hace 14 días
27/27Cadencia de publicación — una versión cada ~10,7 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count80
latest_release_tagv0.64.0
releases_from_tagsno
days_since_latest_release14
mean_days_between_releases10,7

Comunidad y Adopción

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

79Bueno · 17% del índice global

Popularidad y adopción

78Bueno
Cómo se puntúa
50.1/60Estrellas — 1233 estrellas
19.4/25Forks — 214 forks
8/15Observadores — 29 observadores
Datos de entrada utilizados
forks214
stars1233
watchers29
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 (BSD-3-Clause)
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

Adopción en el ecosistema (descargas)

64Moderado
Cómo se puntúa
51/80Descargas mensuales — 6732 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesqai_hub_models_cli
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6732
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?

71Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

61Moderado
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
16.1/22.5Distribución de commits — el principal contribuyente firma el 28% de los commits
13.5/13.5Amplitud de contribuyentes — 29 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor2
contributors_sampled29
top_contributor_share0,285

Capacidad de respuesta a issues y PR

53Moderado
Cómo se puntúa
41.3/42Resolución de issues — 98% de issues cerradas
3.8/30Aceptación de PR — 6/47 PR decididos fusionados
0/13Newcomer PR acceptance — 0/11 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs6
open_issues5
closed_issues294
prs_merged_7d0
prs_decided_7d10
prs_merged_30d0
prs_decided_30d11
issue_closed_ratio0,983
closed_unmerged_prs41
first_time_authors_30d4
first_time_prs_merged_30d0
first_time_prs_decided_30d11

Propiedad y custodia

77Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
21.6/25Alcance del propietario — 1010 seguidores de qualcomm
25/25Trayectoria — 163 repos públicos, cuenta de ~7 años
Datos de entrada utilizados
followers1010
owner_typeOrganization
is_verifiedno
owner_loginqualcomm
public_repos163
account_age_days2594

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 — 25 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesqai_hub_models_cli
ecosystemspypi
any_deprecatedno
min_days_since_publish0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

81Excelente · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 40 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — ruff.toml
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

65Bueno
Cómo se puntúa
30/30README
0/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://aihub.qualcomm.com/models
10/10Descripción del repositorio
10/10Topics — 11 topics
0/10Wiki
Datos de entrada utilizados
topicsdeeplearning, demos, inference, inference-api, inference-engine, machine-learning, machinelearning, onnx, pytorch, qnn, tensorflow-lite
has_wikino
homepagehttps://aihub.qualcomm.com/models
docs_sitehttps://aihub.qualcomm.com/models
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

40Débil · 16% del índice global

Postura de seguridad

25En riesgo
Cómo se puntúa
0/30Política 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—
manifestscli/pyproject.toml, src/pyproject.toml, src/setup.py
has_codeql_workflowno
has_security_policyno
has_dependabot_configsí

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
advisories610
affected_packages39
assessed_packages229
unassessed_packages57
affected_by_severitycritical 16, high 20, moderate 3
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 229 dependencias resueltas con OSV. 57 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.

72Bueno · 4% del índice global

Contexto y guía para agentes

85Excelente
Cómo se puntúa
45/45Instrucciones para agentes — CLAUDE.md
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 98 de 98 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share1
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes14.150

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

57Moderado
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — ruff.toml
0/11Verificación estática de tipos
0/10Entorno reproducible
10/10Práctica demostrada con agentes — 48 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_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,48
toolchain_manifests—
dependency_bot_commit_share0,01

Legibilidad del código para modelos

55Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.9/55Tamaños de archivo manejables — 10/3710 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes159.821
source_files_sampled3710
oversized_source_files10

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
40/40Esquema de API (OpenAPI/GraphQL/proto) — proto/info.proto, proto/manifest.proto, proto/model_metadata.proto, proto/numerics.proto, proto/perf.proto, proto/platform.proto, proto/release_assets.proto, proto/shared/precision.proto, proto/shared/range.proto, proto/shared/runtime.proto, proto/shared/tensor_spec.proto, proto/shared/tool_versions.proto
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_filesproto/info.proto, proto/manifest.proto, proto/model_metadata.proto, proto/numerics.proto, proto/perf.proto, proto/platform.proto, proto/release_assets.proto, proto/shared/precision.proto, proto/shared/range.proto, proto/shared/runtime.proto, proto/shared/tensor_spec.proto, proto/shared/tool_versions.proto
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

1233estrellas de GitHub
29contribuidores
1330commits en los últimos 12 meses
0días desde el último push
80versiones publicadas
2factor bus
5issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi package 'qai_hub_models' points at a different repository (https://github.com/quic/ai-hub-models); excluded from ecosystem scoring
  • deps.dev does not index pypi:qai_hub_models_cli@0.65.0; 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; 2026/10/21 17:39:39 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 ★ / 214 ⇿
0Estrellas
214Forks
80Versiones

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.

0408012016020024021352024-012025-062026-10
Mayor 0Menor 41Parche 37

Cada punto abarca 3 días.

Dependencias directas 7
RegistroPaqueteRestricción de versiónManifiesto
PyPIfilelock>=3.16.1,<=3.29.0cli/pyproject.toml
PyPIpackaging>=24.2,<=26.2.0cli/pyproject.toml
PyPIplatformdirs>=4.0,<=4.9.6cli/pyproject.toml
PyPIprettytable>=3.10,<=3.16.0cli/pyproject.toml
PyPIprotobuf>=4.25.9,<=7.34.1cli/pyproject.toml
PyPIrequests>=2.25,<=2.33.1cli/pyproject.toml
PyPItqdm>=4.66,<=4.67.3cli/pyproject.toml
Todas las dependencias 286

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 12 paquetes directos y 274 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIfilelock—directa
PyPIpackaging—directa
PyPIpackaging21.3directa
PyPIpackaging26.0directa
PyPIplatformdirs—directa
PyPIprettytable—directa
PyPIprettytable3.11.0directa
PyPIprettytable3.17.0directa
PyPIprotobuf—directa
PyPIrequests—directa
PyPIrequests2.33.1directa
PyPItqdm—directa
PyPIaccelerate—indirecta
PyPIaccelerate1.12.0indirecta
PyPIaccelerate1.2.1indirecta
PyPIadbutils—indirecta
PyPIaddict2.4.0indirecta
PyPIaimet-onnx—indirecta
PyPIaimet-onnx2.28.0indirecta
PyPIaimet-onnx2.33.0indirecta
PyPIaimet-onnx2.34.0indirecta
PyPIaimet-onnx2.35.0indirecta
PyPIaimet-onnx2.37.0indirecta
PyPIaimet-onnx2.38.0indirecta
PyPIaimet-onnx2.41indirecta
PyPIaioboto312.3.0indirecta
PyPIaiofiles24.1.0indirecta
PyPIaiofiles25.1.0indirecta
PyPIaiohttp3.13.3indirecta
PyPIalbumentations1.4.18indirecta
PyPIanyascii0.3.2indirecta
PyPIappium-python-client2.7.0indirecta
PyPIappium-python-client5.2.4indirecta
PyPIasteroid-filterbanks0.4.0indirecta
PyPIasync-generator1.10indirecta
PyPIattrs22.1.0indirecta
PyPIaudio2numpy0.1.2indirecta
PyPIav12.3.0indirecta
PyPIav14.0.1indirecta
PyPIboto3—indirecta
PyPIboto3-stubs—indirecta
PyPIboto3-stubs1.36.9indirecta
PyPIbotocore—indirecta
PyPIbuild—indirecta
PyPIcached-path1.8.10indirecta
PyPIcachetools6.2.1indirecta
PyPIcertifi2022.9.24indirecta
PyPIcffi1.15.1indirecta
PyPIcloudpickle3.1.1indirecta
PyPIcn2an0.5.22indirecta
PyPIcolorama0.4.5indirecta
PyPIcoverage—indirecta
PyPIdatasets4.1.1indirecta
PyPIdecord0.6.0indirecta
PyPIdiffusers0.30.2indirecta
PyPIdiffusers0.35.2indirecta
PyPIdm-env1.6indirecta
PyPIdm-tree0.1.8indirecta
PyPIeasydict1.13indirecta
PyPIeasyocr1.7.2indirecta
PyPIefficientnet-pytorch0.7.1indirecta
PyPIeinops—indirecta
PyPIeinops0.3.2indirecta
PyPIeinops0.8.1indirecta
PyPIeinops0.8.2indirecta
PyPIeng-to-ipa0.0.2indirecta
PyPIexceptiongroup1.0.0rc9indirecta
PyPIffmpeg1.4indirecta
PyPIflash-linear-attention—indirecta
PyPIfugashi1.5.2indirecta
PyPIfunasr1.3.12indirecta
PyPIfvcore0.1.5.post20210825indirecta
PyPIfvcore0.1.5.post20221221indirecta
PyPIg2p-en2.1.0indirecta
PyPIg2pkk—indirecta
PyPIgdown4.7.1indirecta
PyPIgeffnet1.0.2indirecta
PyPIgeopandas1.1.0indirecta
PyPIgitpython3.1.42indirecta
PyPIgitpython3.1.49indirecta
PyPIgoogle-cloud-storage—indirecta
PyPIgradio6.14.0indirecta
PyPIgrpcio-tools1.62.3indirecta
PyPIgruut2.4.0indirecta
PyPIgymnasium1.0.0indirecta
PyPIh110.14.0indirecta
PyPIh5py3.12.1indirecta
PyPIhdf5storage0.2.2indirecta
PyPIhttpx—indirecta
PyPIhuggingface-hub—indirecta
PyPIhuggingface-hub0.36.2indirecta
PyPIhydra-core—indirecta
PyPIhydra-core1.3.2indirecta
PyPIidna3.4indirecta
PyPIimageio2.34.2indirecta
PyPIimageio2.37.2indirecta
PyPIimgaug0.4.0indirecta
PyPIinflect7.0.0indirecta
PyPIiniconfig1.1.1indirecta
PyPIinputimeout—indirecta
PyPIipython8.12.3indirecta
PyPIjamo0.4.1indirecta
PyPIjieba0.42.1indirecta
PyPIjinja2—indirecta
PyPIjiwer—indirecta
PyPIjiwer3.0.3indirecta
PyPIjunitparser3.2.0indirecta
PyPIkornia0.5.0indirecta
PyPIkornia0.7.4indirecta
PyPIlangid1.1.6indirecta
PyPIlerobot0.4.1indirecta
PyPIlevenshtein—indirecta
PyPIlibrosa0.10.1indirecta
PyPIlibrosa0.11.0indirecta
PyPIllvmlite—indirecta
PyPIlmdb2.1.1indirecta
PyPIloguru—indirecta
PyPIlxml6.0.2indirecta
PyPIlyft-dataset-sdk0.0.8indirecta
PyPImatplotlib3.10.7indirecta
PyPImecab-python31.0.12indirecta
PyPImmcv1.7.0indirecta
PyPImmcv-lite2.1.0indirecta
PyPImmdet2.27.0indirecta
PyPImmdet3.3.0indirecta
PyPImmengine0.10.7indirecta
PyPImmsegmentation0.30.0indirecta
PyPImujoco3.4.0indirecta
PyPImypy1.19.1indirecta
PyPImypy-protobuf3.6.0indirecta
PyPInltk3.9.2indirecta
PyPInum2words0.5.12indirecta
PyPInumba—indirecta
PyPInumba0.59.1indirecta
PyPInumba0.62.1indirecta
PyPInumpy—indirecta
PyPInumpy1.26.4indirecta
PyPInumpydantic1.6.7indirecta
PyPInumpydoc1.9.0indirecta
PyPInuscenes-devkit1.2.0indirecta
PyPIobject-detection-metrics0.4.post1indirecta
PyPIomegaconf—indirecta
PyPIomegaconf2.3.0indirecta
PyPIonnx—indirecta
PyPIonnx1.17.0indirecta
PyPIonnx1.18.0indirecta
PyPIonnx-ir0.2.1indirecta
PyPIonnxruntime—indirecta
PyPIonnxruntime1.22indirecta
PyPIonnxruntime1.22.1indirecta
PyPIonnxscript0.7.0indirecta
PyPIonnxsim0.5.0indirecta
PyPIonnxsim0.6.5indirecta
PyPIonnxsim-prebuilt0.4.36.post1indirecta
PyPIonnxsim-prebuilt0.4.39.post2indirecta
PyPIopencv-python—indirecta
PyPIoutcome1.2.0indirecta
PyPIpandas—indirecta
PyPIpeft0.14.0indirecta
PyPIpeft0.19.1indirecta
PyPIpillow—indirecta
PyPIpipablepytorch3d0.7.6indirecta
PyPIpiper-phonemize1.1.0indirecta
PyPIpiper-phonemize-cross1.2.1indirecta
PyPIpluggy1.0.0indirecta
PyPIplyfile—indirecta
PyPIpre-commit4.0.1indirecta
PyPIpsutil—indirecta
PyPIpsutil6.1.1indirecta
PyPIpy1.11.0indirecta
PyPIpyannote-audio3.3.2indirecta
PyPIpyarrow21.0.0indirecta
PyPIpyaudio0.2.14indirecta
PyPIpycocotools2.0.11indirecta
PyPIpycparser2.21indirecta
PyPIpydantic—indirecta
PyPIpydantic2.10.6indirecta
PyPIpydantic-yaml1.4.0indirecta
PyPIpydub0.25.1indirecta
PyPIpykakasi2.3.0indirecta
PyPIpyogrio0.12.1indirecta
PyPIpyopengl3.1.10indirecta
PyPIpyparsing3.0.9indirecta
PyPIpypinyin0.50.0indirecta
PyPIpyquaternion0.9.9indirecta
PyPIpysocks1.7.1indirecta
PyPIpytest—indirecta
PyPIpytest7.1.3indirecta
PyPIpytest8.4.2indirecta
PyPIpytest-cov5.0.0indirecta
PyPIpytest-xdist—indirecta
PyPIpytorch-lightning—indirecta
PyPIpytorch-lightning1.2.10indirecta
PyPIpytorch-lightning2.6.0indirecta
PyPIpyyaml6.0.2indirecta
PyPIqai-hub—indirecta
PyPIqai-hub0.49.0indirecta
PyPIrasterio1.4.3indirecta
PyPIrequests-toolbelt1.0.0indirecta
PyPIresampy0.4.3indirecta
PyPIretry0.9.2indirecta
PyPIrfdetr1.6.5indirecta
PyPIruamel-yaml0.18.10indirecta
PyPIruamel-yaml0.19.1indirecta
PyPIsacremoses0.2.0indirecta
PyPIsafetensors0.6.2indirecta
PyPIschema0.7.5indirecta
PyPIscikit-image—indirecta
PyPIscikit-image0.22.0indirecta
PyPIscikit-learn—indirecta
PyPIscipy—indirecta
PyPIseaborn0.13.2indirecta
PyPIsegment-anything1.0indirecta
PyPIselenium4.36.0indirecta
PyPIselenium4.5.0indirecta
PyPIsentencepiece0.2.1indirecta
PyPIsentencepiece0.2.2indirecta
PyPIsetuptools—indirecta
PyPIsetuptools-scm—indirecta
PyPIshapely2.1.2indirecta
PyPIsilero-vad6.2.1indirecta
PyPIsniffio1.3.0indirecta
PyPIsortedcontainers2.4.0indirecta
PyPIsounddevice0.5.2indirecta
PyPIsoundfile—indirecta
PyPIsoundfile0.13.1indirecta
PyPIsoundfile0.14.0indirecta
PyPIspconv2.3.8indirecta
PyPIsupervision0.25.1indirecta
PyPItabulate0.9.0indirecta
PyPItensorboard2.13.0indirecta
PyPItflite2.18.0indirecta
PyPIthop0.1.1.post2209072238indirecta
PyPItimm1.0.14indirecta
PyPItimm1.0.15indirecta
PyPItimm1.0.28indirecta
PyPItomli2.0.1indirecta
PyPItorch—indirecta
PyPItorch2.10.0indirecta
PyPItorch2.4.1indirecta
PyPItorch2.6.0indirecta
PyPItorch2.9.0indirecta
PyPItorchaudio—indirecta
PyPItorchaudio2.4.1indirecta
PyPItorchaudio2.9.0indirecta
PyPItorchcodec—indirecta
PyPItorchmetrics—indirecta
PyPItorchmetrics1.4.0.post0indirecta
PyPItorchpack0.3.1indirecta
PyPItorchvision—indirecta
PyPItorchvision0.19.1indirecta
PyPItorchvision0.21.0indirecta
PyPItorchvision0.24.0indirecta
PyPItorchvision0.25.0indirecta
PyPItransformers—indirecta
PyPItransformers4.45indirecta
PyPItransformers4.45.0indirecta
PyPItransformers4.51.0indirecta
PyPItransformers4.51.3indirecta
PyPItransformers4.56.2indirecta
PyPItransformers4.57.6indirecta
PyPItransformers5.7.0indirecta
PyPItransformers5.9.0indirecta
PyPItrimesh2.35.39indirecta
PyPItrio0.22.0indirecta
PyPItrio-websocket0.9.2indirecta
PyPItriton3.5.1indirecta
PyPItxtsplit1.0.0indirecta
PyPItypes-aiofiles25.1.0.20251011indirecta
PyPItypes-pillow10.2.0.20240213indirecta
PyPItypes-protobuf—indirecta
PyPItypes-pyyaml6.0.12indirecta
PyPItypes-requests2.31.0.6indirecta
PyPItypes-tabulate0.9.0.20240106indirecta
PyPItyping-extensions—indirecta
PyPIultralytics8.4.45indirecta
PyPIunidecode1.3.7indirecta
PyPIunidic1.1.0indirecta
PyPIunidic-lite1.0.8indirecta
PyPIurllib31.26.12indirecta
PyPIwandb0.22.3indirecta
PyPIwcwidth0.5.3indirecta
PyPIwebdataset0.2.86indirecta
PyPIwmi1.5.1indirecta
PyPIwsproto1.2.0indirecta
PyPIyacs0.1.8indirecta
Avisos de dependencias 39

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 229 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 39 tienen avisos conocidos, de los cuales 0 son directas. 57 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido, o fuera de la lista de paquetes informada.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
aiohttp3.13.3indirectacrítica563.14.4
gitpython3.1.42indirectacrítica593.1.62
gitpython3.1.49indirectacrítica513.1.62
h110.14.0indirectacrítica20.16.0
imgaug0.4.0indirectacrítica2—
nltk3.9.2indirectacrítica863.10.3
onnx1.17.0indirectacrítica171.22.0
onnx1.18.0indirectacrítica161.22.0
pytorch-lightning1.2.10indirectacrítica132.6.6
torch2.4.1indirectacrítica232.13.0
transformers4.45indirectacrítica445.10.0
transformers4.45.0indirectacrítica445.10.0
transformers4.51.0indirectacrítica305.10.0
transformers4.51.3indirectacrítica305.10.0
transformers4.56.2indirectacrítica155.10.0
transformers4.57.6indirectacrítica115.10.0
accelerate1.12.0indirectaalta2—
accelerate1.2.1indirectaalta2—
certifi2022.9.24indirectaalta82026.10.19
diffusers0.30.2indirectaalta50.38.0
diffusers0.35.2indirectaalta50.38.0
gdown4.7.1indirectaalta25.2.2
geopandas1.1.0indirectaalta21.1.2
gradio6.14.0indirectaalta66.16.0
hydra-core1.3.2indirectaalta41.4.0.dev9
idna3.4indirectaalta43.15
lxml6.0.2indirectaalta26.1.0
pyarrow21.0.0indirectaalta223.0.1
pytorch-lightning2.6.0indirectaalta32.6.6
selenium4.5.0indirectaalta14.14.0
torch2.10.0indirectaalta22.13.0
torch2.6.0indirectaalta242.13.0
torch2.9.0indirectaalta52.13.0
transformers5.7.0indirectaalta45.10.0
transformers5.9.0indirectaalta25.10.0
urllib31.26.12indirectaalta202.8.0
datasets4.1.1indirectamoderada25.0.1
pytest7.1.3indirectamoderada29.0.3
pytest8.4.2indirectamoderada29.0.3

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 qualcomm/ai-hub-models. Leer en paralelo →

95ludwig-ai/ludwigLow-code framework for building custom LLMs, neural networks, and other AI modelsExcepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional100huggingface/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. Excepcional100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorExcepcional98NVIDIA/TensorRT-LLMTensorRT LLM provides users with an easy-to-use Python API to define Large Language Models (LLMs) and supports state-of-the-art optimizations to perform inference efficiently on NVIDIA GPUs. TensorRT LLM also contains components to create Python and C++ runtimes that orchestrate the inference execution in a performant way.Excepcional97xorbitsai/inferenceSwap GPT for any LLM by changing a single line of code. Xinference lets you run open-source, speech, and multimodal models on cloud, on-prem, or your laptop — all through one unified, production-ready inference API.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.