Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-09 10:14 UTC

tenstorrent / tt-metal

:metal: TT-NN operator library, and TT-Metalium low level kernel programming model.

C++ · PythonApache-2.0★ 1664 estrellas⑂ 656 forksdesde feb 2023Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina
#llama#llm#metal#stable-diffusion#tenstorrent#accelerator#scale-out#kernels#ai#deepseek#gpu#img-gen#video-gen#cuda

tenstorrent/tt-metal tiene un índice de salud de 94 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (100/100) y la más baja, Security (21/100). Se actualizó por última vez hoy. 25 personas concentran la mayor parte del trabajo reciente.

94
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.

94
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 80 se calibra a 94 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Tenstorrent AIOrganización
2147 seguidores139 repositorios públicosdesde abr 2020

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
PyPIttnn0.78.0364974hace 4 díasmetaliumttnntt-metalmachine-learningtenstorrentlibnumalibhwloc

Métricas por categoría

Vitalidad

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

100Excepcional · 21% del índice global

Actividad de desarrollo

100Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
36/36Cadencia de commits — 52/52 semanas con commits
18/18Volumen de commits — 11.853 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year11.853
human_commit_share0,98
days_since_last_push0
active_weeks_last_year52

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 100 versiones publicadas
36/36Recencia de las versiones — última versión hace 0 días
27/27Cadencia de publicación — una versión cada ~0,8 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count100
latest_release_tagv0.79.0-dev20260909
releases_from_tagsno
days_since_latest_release0
mean_days_between_releases0,8

Comunidad y Adopción

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

80Excelente · 17% del índice global

Popularidad y adopción

83Excelente
Cómo se puntúa
52.2/60Estrellas — 1664 estrellas
23.5/25Forks — 656 forks
7.1/15Observadores — 20 observadores
Datos de entrada utilizados
forks656
stars1664
watchers20
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_badges1
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesgithub.com
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

59Moderado
Cómo se puntúa
47.5/80Descargas mensuales — 3649 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesttnn
dependents—
ecosystemspypi
total_downloads—
monthly_downloads3649
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?

89Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

98Excepcional
Cómo se puntúa
54/54Factor bus — la mitad de los commits recae en 25 contribuyente(s)
21.1/22.5Distribución de commits — el principal contribuyente firma el 6% de los commits
13.5/13.5Amplitud de contribuyentes — 100 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor25
contributors_sampled100
top_contributor_share0,061

Capacidad de respuesta a issues y PR

80Excelente
Cómo se puntúa
34/42Resolución de issues — 81% de issues cerradas
23.7/30Aceptación de PR — 24.402/30.914 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_prs24.402
open_issues4540
closed_issues19.198
prs_merged_7d5
prs_decided_7d7
prs_merged_30d5
prs_decided_30d7
issue_closed_ratio0,809
closed_unmerged_prs6512
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

79Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
24/25Alcance del propietario — 2147 seguidores de tenstorrent
25/25Trayectoria — 139 repos públicos, cuenta de ~6 años
Datos de entrada utilizados
followers2147
owner_typeOrganization
is_verifiedno
owner_logintenstorrent
public_repos139
account_age_days2330

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 4 días
20/20Historial de versiones — 74 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesttnn
ecosystemspypi
any_deprecatedno
min_days_since_publish4

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

91Excelente · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 208 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — .github/pyproject.toml ([tool.black]), 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

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://docs.tenstorrent.com/tt-metal/latest/ttnn/
10/10Descripción del repositorio
10/10Topics — 14 topics
0/10Wiki
Datos de entrada utilizados
topicsllama, llm, metal, stable-diffusion, tenstorrent, accelerator, scale-out, kernels, ai, deepseek, gpu, img-gen, video-gen, cuda
has_wikino
homepagehttps://docs.tenstorrent.com/tt-metal/latest/ttnn/
docs_sitehttps://docs.tenstorrent.com/tt-metal/latest/ttnn/
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—
manifests.github/pyproject.toml, docs/requirements-docs.txt, infra/requirements-infra.txt, pyproject.toml, 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
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages21
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:ttnn@0.78.0 —lo que arrastra la instalación del paquete publicado—: 21 paquetes. 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.

96Excepcional · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — .cursor/rules/diagnose-config-hash-mismatch.mdc, .cursor/rules/fix-sweep-trace-match.mdc, .cursor/rules/validate-sweep-trace.mdc, .github/copilot-instructions.md, .github/instructions/build-system.instructions.md, .github/instructions/ci-cd.instructions.md, .github/instructions/cpp.instructions.md, .github/instructions/fabric-distributed.instructions.md, .github/instructions/llk-kernels.instructions.md, .github/instructions/metal-api.instructions.md, .github/instructions/metal-dispatch.instructions.md, .github/instructions/metal-runtime.instructions.md, .github/instructions/models.instructions.md, .github/instructions/nanobind.instructions.md, .github/instructions/python.instructions.md, .github/instructions/tt-stl.instructions.md, .github/instructions/tt-train.instructions.md, .github/instructions/ttnn-core.instructions.md, .github/instructions/ttnn-ops.instructions.md, .github/instructions/ttnn.instructions.md, AGENTS.md, tt_metal/tt-llk/.claude/CLAUDE.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://docs.tenstorrent.com/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_txtsí
llms_txt_urlhttps://docs.tenstorrent.com/llms.txt
legible_history_share1
agent_instruction_files.cursor/rules/diagnose-config-hash-mismatch.mdc, .cursor/rules/fix-sweep-trace-match.mdc, .cursor/rules/validate-sweep-trace.mdc, .github/copilot-instructions.md, .github/instructions/build-system.instructions.md, .github/instructions/ci-cd.instructions.md, .github/instructions/cpp.instructions.md, .github/instructions/fabric-distributed.instructions.md, .github/instructions/llk-kernels.instructions.md, .github/instructions/metal-api.instructions.md, .github/instructions/metal-dispatch.instructions.md, .github/instructions/metal-runtime.instructions.md, .github/instructions/models.instructions.md, .github/instructions/nanobind.instructions.md, .github/instructions/python.instructions.md, .github/instructions/tt-stl.instructions.md, .github/instructions/tt-train.instructions.md, .github/instructions/ttnn-core.instructions.md, .github/instructions/ttnn-ops.instructions.md, .github/instructions/ttnn.instructions.md, AGENTS.md, tt_metal/tt-llk/.claude/CLAUDE.md
agent_instruction_max_bytes10.291

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

91Excelente
Cómo se puntúa
18/18Arranque con un solo comando — docs/Makefile, tt_metal/tt-llk/tests/python_tests/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — .github/pyproject.toml ([tool.black]), pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
11/11Verificación estática de tipos — tools/triage/mypy.ini, tools/triage/pyrightconfig.json
10/10Entorno reproducible — Dockerfile
10/10Práctica demostrada con agentes — 37 de los últimos 100 commits con autoría o crédito de agente
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_languagesí
bootstrap_filesdocs/Makefile, tt_metal/tt-llk/tests/python_tests/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configstools/triage/mypy.ini, tools/triage/pyrightconfig.json
agent_commit_share0,37
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

99Excepcional
Cómo se puntúa
45/45Código verificable por tipos — C++ (tipado estático)
53.8/55Tamaños de archivo manejables — 373/17.078 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languageC++
largest_source_bytes771.575
source_files_sampled17.078
oversized_source_files373

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
40/40Esquema de API (OpenAPI/GraphQL/proto) — tools/scaleout/cabling_descriptor/schemas/cluster_config.proto, tools/scaleout/cabling_descriptor/schemas/node_config.proto, tools/scaleout/deployment_descriptor/schemas/deployment.proto, tools/scaleout/factory_system_descriptor/schemas/factory_system_descriptor.proto, tools/scaleout/validation/schemas/ethernet_link_metrics.proto, tt_metal/fabric/protobuf/intermesh_connection_table.proto, tt_metal/fabric/protobuf/mesh_graph_descriptor.proto, tt_metal/fabric/protobuf/physical_grouping_descriptor.proto, tt_metal/fabric/protobuf/physical_system_descriptor.proto, tt_metal/fabric/protobuf/port_descriptor_table.proto, tt_metal/fabric/protobuf/router_port_directions.proto, tt_metal/impl/internal/disaggregation/protobuf/kv_chunk_address_table.proto
20/20Servidor MCP
40/40Ejemplos ejecutables — demos, example, examples, notebooks
Datos de entrada utilizados
example_dirsdemos, example, examples, notebooks
has_mcp_signalsí
api_schema_filestools/scaleout/cabling_descriptor/schemas/cluster_config.proto, tools/scaleout/cabling_descriptor/schemas/node_config.proto, tools/scaleout/deployment_descriptor/schemas/deployment.proto, tools/scaleout/factory_system_descriptor/schemas/factory_system_descriptor.proto, tools/scaleout/validation/schemas/ethernet_link_metrics.proto, tt_metal/fabric/protobuf/intermesh_connection_table.proto, tt_metal/fabric/protobuf/mesh_graph_descriptor.proto, tt_metal/fabric/protobuf/physical_grouping_descriptor.proto, tt_metal/fabric/protobuf/physical_system_descriptor.proto, tt_metal/fabric/protobuf/port_descriptor_table.proto, tt_metal/fabric/protobuf/router_port_directions.proto, tt_metal/impl/internal/disaggregation/protobuf/kv_chunk_address_table.proto
interfaces_expected_of—

Datos clave

1664estrellas de GitHub
100contribuidores
11.853commits en los últimos 12 meses
0días desde el último push
100versiones publicadas
25factor bus
4540issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 656 ⇿
0Estrellas
656Forks
97Versiones

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.

0125250375500625750650182024-012025-052026-09
Mayor 0Menor 5Parche 0

Cada punto abarca 3 días.

Dependencias directas 9
RegistroPaqueteRestricción de versiónManifiesto
PyPInumpy>=1.24.4,<2pyproject.toml
PyPIloguru>=0.6.0pyproject.toml
PyPInetworkx>=3.1pyproject.toml
PyPIgraphviz>=0.20.3pyproject.toml
PyPIpyyaml>=5.4pyproject.toml
PyPIclick>=8.1.7pyproject.toml
PyPIpandas>=2.0.3pyproject.toml
PyPIseaborn>=0.13.2pyproject.toml
PyPIml_dtypes—pyproject.toml
Todas las dependencias 231

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 21 paquetes directos y 210 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIclick—directa
PyPIclick8.1.7directa
PyPIgraphviz—directa
PyPIloguru—directa
PyPIloguru0.6.0directa
PyPIloguru0.7.3directa
PyPIml-dtypes—directa
PyPIml-dtypes0.5.4directa
PyPInetworkx—directa
PyPInetworkx3.1directa
PyPInetworkx3.4.2directa
PyPInumpy—directa
PyPInumpy1.26.4directa
PyPInumpy2.2.6directa
PyPIpandas—directa
PyPIpandas2.3.3directa
PyPIpyyaml—directa
PyPIpyyaml6.0.2directa
PyPIpyyaml6.0.3directa
PyPIseaborn—directa
PyPIseaborn0.13.2directa
npm@actions/core1.10.0indirecta
npm@actions/core^1.10.0indirecta
npm@actions/github5.1.1indirecta
npm@actions/github^5.1.1indirecta
npm@octokit/rest^21.1.1indirecta
PyPIaccelerate—indirecta
PyPIaccelerate1.7.0indirecta
PyPIansible—indirecta
PyPIansible-lint—indirecta
PyPIanthropic0.91.0indirecta
PyPIantlr4-python3-runtime4.9.3indirecta
PyPIav—indirecta
PyPIav17.0.1indirecta
PyPIbasedpyright1.39.6indirecta
PyPIbeautifultable—indirecta
PyPIbert-score0.3.12indirecta
PyPIblack26.3.1indirecta
PyPIblobfile3.1.0indirecta
PyPIbokeh3.8.2indirecta
PyPIboto31.43.51indirecta
PyPIbotocore1.43.51indirecta
PyPIbreathe4.35.0indirecta
PyPIbuild0.10.0indirecta
PyPIcertifi2026.6.17indirecta
PyPIcharset-normalizer3.4.9indirecta
PyPIcheck-copyright—indirecta
PyPIclang-format19.1.4indirecta
PyPIcoverage7.10.5indirecta
PyPIcutlet—indirecta
PyPIdash2.15.0indirecta
PyPIdatasets—indirecta
PyPIdecord0.6.0indirecta
PyPIdefusedxml—indirecta
PyPIdiffusers—indirecta
PyPIdiffusers0.38.0indirecta
PyPIdocopt0.6.2indirecta
PyPIdocutils0.18.1indirecta
PyPIeasydict—indirecta
PyPIefficientnet-pytorch0.7.1indirecta
PyPIeinops0.6.1indirecta
PyPIenlighten1.12.4indirecta
PyPIevaluate0.4.0indirecta
PyPIexceptiongroup1.3.0indirecta
PyPIfairscale—indirecta
PyPIfastapi—indirecta
PyPIfaster-fifo—indirecta
PyPIfiftyone0.25.2indirecta
PyPIfilelock3.20.3indirecta
PyPIfsspec2023.9.2indirecta
PyPIfsspec2025.7.0indirecta
PyPIftfy6.1.1indirecta
PyPIfvcore—indirecta
PyPIgitpython3.1.50indirecta
PyPIgitpython3.1.55indirecta
PyPIgluonts—indirecta
PyPIgunicorn21.2.0indirecta
PyPIhangul-romanize—indirecta
PyPIhf-xet1.5.1indirecta
PyPIhuggingface-hub—indirecta
PyPIhuggingface-hub1.20.1indirecta
PyPIidna3.18indirecta
PyPIijson—indirecta
PyPIimageio-ffmpeg0.6.0indirecta
PyPIiniconfig2.1.0indirecta
PyPIipdb—indirecta
PyPIipython8.12.3indirecta
PyPIipywidgets8.1.1indirecta
PyPIjinja23.1.6indirecta
PyPIjiwer3.0.5indirecta
PyPIjmespath1.1.0indirecta
PyPIjsbeautifier1.14.7indirecta
PyPIjunitparser4.0.2indirecta
PyPIjupyterlab4.5.9indirecta
PyPIkagglehub0.2.9indirecta
PyPIlibrosa0.10.0indirecta
PyPIlvis—indirecta
PyPIlxml6.1.0indirecta
PyPImarkupsafe3.0.2indirecta
PyPImatplotlib—indirecta
PyPImatplotlib3.10.3indirecta
PyPImedpy0.5.2indirecta
PyPImpmath1.3.0indirecta
PyPImsgpack—indirecta
PyPImsgpack-numpy—indirecta
PyPImultiprocess0.70.14indirecta
PyPImypy1.9.0indirecta
PyPImypy2.1.0indirecta
PyPImyst-parser3.0.0indirecta
PyPInarwhals1.46.0indirecta
PyPInbconvert7.17.1indirecta
PyPInbsphinx0.9.3indirecta
PyPInltk—indirecta
PyPInum2words—indirecta
PyPInumba—indirecta
PyPIomegaconf—indirecta
PyPIopen-clip-torch—indirecta
PyPIopen-clip-torch2.26.1indirecta
PyPIopenai-clip1.0.1indirecta
PyPIopencc-python-reimplemented—indirecta
PyPIopencv-python—indirecta
PyPIopencv-python-headless4.8.1.78indirecta
PyPIpackaging25.0indirecta
PyPIpandoc2.3indirecta
PyPIparamiko—indirecta
PyPIpeft0.18.1indirecta
PyPIpeft0.19.1indirecta
PyPIpillow—indirecta
PyPIpillow12.2.0indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs—indirecta
PyPIplotly—indirecta
PyPIplotly5.18.0indirecta
PyPIplotly6.5.0indirecta
PyPIpluggy1.6.0indirecta
PyPIpre-commit3.5.0indirecta
PyPIpre-commit4.5.0indirecta
PyPIprometheus-client—indirecta
PyPIprotobuf5.29.6indirecta
PyPIpsycopg2-binary2.9.11indirecta
PyPIpyarrow—indirecta
PyPIpyarrow24.0.0indirecta
PyPIpycapnp2.0.0indirecta
PyPIpycocoevalcap—indirecta
PyPIpydantic—indirecta
PyPIpydantic2.12.5indirecta
PyPIpydantic2.9.2indirecta
PyPIpygments2.20.0indirecta
PyPIpyiqa—indirecta
PyPIpypinyin—indirecta
PyPIpytest—indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-benchmark5.2.3indirecta
PyPIpytest-cov—indirecta
PyPIpytest-cov6.1.1indirecta
PyPIpytest-cov7.0.0indirecta
PyPIpytest-forked1.6.0indirecta
PyPIpytest-github-actions-annotate-failures0.3.0indirecta
PyPIpytest-github-actions-annotate-failures0.4.0indirecta
PyPIpytest-progress1.4.0indirecta
PyPIpytest-random-order1.2.0indirecta
PyPIpytest-repeat0.9.4indirecta
PyPIpytest-split0.11.0indirecta
PyPIpytest-sugar1.1.1indirecta
PyPIpytest-timeout2.4.0indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-multipart—indirecta
PyPIqwen-vl-utils—indirecta
PyPIrequests—indirecta
PyPIrequests2.34.2indirecta
PyPIs3transfer0.19.1indirecta
PyPIsafetensors—indirecta
PyPIsafetensors0.8.0indirecta
PyPIscipy—indirecta
PyPIsentencepiece—indirecta
PyPIsentencepiece0.2.1indirecta
PyPIsetuptools80.10.2indirecta
PyPIsetuptools-scm8.1.0indirecta
PyPIsix1.17.0indirecta
PyPIsoundfile—indirecta
PyPIsphinx7.1.2indirecta
PyPIsphinx-copybutton0.5.2indirecta
PyPIsphinx-rtd-theme1.3.0indirecta
PyPIsphinxcontrib-email0.3.5indirecta
PyPIsphinxcontrib-jquery4.1indirecta
PyPIstreamlit—indirecta
PyPIstreamlit1.54.0indirecta
PyPIstreamlit-webrtc—indirecta
PyPIsympy1.14.0indirecta
PyPItabulate0.9.0indirecta
PyPItermcolor—indirecta
PyPItermcolor3.2.0indirecta
PyPItiktoken0.7.0indirecta
PyPItimm—indirecta
PyPItokenizers0.21.1indirecta
PyPItokenizers0.22.2indirecta
PyPItomli2.2.1indirecta
PyPItoolz—indirecta
PyPItoolz0.12.0indirecta
PyPItorch—indirecta
PyPItorch2.11.0indirecta
PyPItorch2.11.0+cpuindirecta
PyPItorch2.9.1indirecta
PyPItorch-fidelity0.3.0indirecta
PyPItorchmetrics1.9.0indirecta
PyPItorchvision—indirecta
PyPItorchvision0.26.0indirecta
PyPItorchvision0.26.0+cpuindirecta
PyPItqdm—indirecta
PyPItqdm4.66.3indirecta
PyPItransformers—indirecta
PyPItransformers4.46.2indirecta
PyPItransformers4.51.3indirecta
PyPItransformers5.10.2indirecta
PyPItransformers5.12.1indirecta
PyPItriton3.5.1indirecta
PyPItt-exalens0.3.31indirecta
PyPItt-exalens0.3.32indirecta
PyPItt-smi3.1.1indirecta
PyPItt-umd0.9.9indirecta
PyPItwine4.0.2indirecta
PyPItypes-docopt0.6.11.20241107indirecta
PyPItyping-extensions4.15.0indirecta
PyPIunidic-lite—indirecta
PyPIurllib32.7.0indirecta
PyPIuvicorn—indirecta
PyPIvbench0.1.5indirecta
PyPIwebsockets16.0indirecta
PyPIxlsxwriter3.0.8indirecta
PyPIyamllint1.32.0indirecta
Avisos de dependencias 0

Instalar pypi:ttnn@0.78.0 arrastra 21 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

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 tenstorrent/tt-metal. Leer en paralelo →

100huggingface/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. Excepcional99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMsExcepcional98sgl-project/sglangSGLang is a high-performance serving framework for large language models and multimodal models.Excepcional98strands-agents/toolsA set of tools that gives agents powerful capabilities.Excepcional96NVIDIA/raftRAFT contains fundamental widely-used algorithms and primitives for machine learning and information retrieval. The algorithms are CUDA-accelerated and form building blocks for more easily writing high performance applications.Excepcional98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsExcepcional

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.