Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-08-28 06:02 UTC

Blaizzy / mlx-vlm

MLX-VLM is a package for inference and fine-tuning of Vision Language Models (VLMs) on your Mac using MLX.

PythonMIT★ 5 431 зірка⑂ 748 форківз квіт. 2024 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#llava#llm#mlx#vision-transformer#apple-silicon#idefics#local-ai#paligemma#vision-framework#vision-language-model#florence2#molmo#pixtral

Blaizzy/mlx-vlm має індекс здоров’я 95 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (98/100), найнижчий — Security (60/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 2 учасники.

95
загалом / 100
Винятковий

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

95
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 82 калібровано до 95 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Prince CanumaОсобистий обліковий запис
1 494 підписники106 публічних репозиторіївз лист. 2016 р.kulissiwa.com

Цей репозиторій належить особистому обліковому запису. Проєкт з єдиним власником несе більший ризик безперервності, ніж підтримуваний організацією.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPImlx-vlm0.6.17881 222801 день тому

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

98Винятковий · 21% загального індексу

Активність розробки

96Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
31.8/36Ритм комітів — 46/52 тижнів із комітами
18/18Обсяг комітів — 1 039 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 8 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year1 039
human_commit_share1
days_since_last_push0
active_weeks_last_year46

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 80 релізів
36/36Свіжість релізів — останній реліз 1 дн. тому
27/27Ритм релізів — реліз кожні ~3,8 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count80
latest_release_tagv0.6.17
releases_from_tagsні
days_since_latest_release1
mean_days_between_releases3,8
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

86Відмінний · 17% загального індексу

Популярність і впровадження

92Відмінний
Як обчислюється оцінка
60/60Зірки — 5 431 зірок
23.9/25Форки — 748 форків
8.5/15Спостерігачі — 35 спостерігачів
Використані вхідні дані
forks748
stars5 431
watchers35
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

70Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (MIT)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges1
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesgithub.com
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

99Винятковий
Як обчислюється оцінка
79.3/80Щомісячні завантаження — 881 222 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesmlx-vlm
dependents—
ecosystemspypi
total_downloads—
monthly_downloads881 222
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

76Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

62Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
12.8/22.5Розподіл комітів — головний контриб’ютор — автор 43% комітів
13.5/13.5Широта контриб’юторів — 100 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 7 contributing companies or organizations
Використані вхідні дані
bus_factor2
contributors_sampled100
top_contributor_share0,43

Реактивність на issue та PR

78Добрий
Як обчислюється оцінка
36.3/42Вирішення issue — закрито 86% issue
22/30Прийняття PR — злито 867/1 181 вирішених PR
5.2/13Newcomer PR acceptance — злито 2/5 PR від новачків за 30 дн.
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Використані вхідні дані
merged_prs867
open_issues106
closed_issues681
prs_merged_7d43
prs_decided_7d57
prs_merged_30d46
prs_decided_30d60
issue_closed_ratio0,865
closed_unmerged_prs314
first_time_authors_30d5
first_time_prs_merged_30d2
first_time_prs_decided_30d5

Власність та опіка

72Добрий
Як обчислюється оцінка
10/30Підтримка власника — особистий (користувацький) обліковий запис
0/20Верифікований домен — не застосовно до користувацьких облікових записів
22.8/25Охоплення власника — 1 494 підписників у Blaizzy
25/25Послужний список — 106 публічних репозиторіїв, вік облікового запису ~9 р.
Використані вхідні дані
followers1 494
owner_typeUser
is_verified—
owner_loginBlaizzy
public_repos106
account_age_days3 574
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 1 дн. тому
20/20Історія версій — 80 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesmlx-vlm
ecosystemspypi
any_deprecatedні
min_days_since_publish1

Інженерна якість

Чи наявні базові інженерні практики та документація?

88Відмінний · 19% загального індексу

Інженерні практики

90Відмінний
Як обчислюється оцінка
24/24Процеси CI — 2 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 14 out of 16 merged PRs checked by a CI test -- score normalized to 8
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

85Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
0/15Сайт документації / домашня сторінка
10/10Опис репозиторію
10/10Теми — 13 тем
10/10Wiki
Використані вхідні дані
topicsllava, llm, mlx, vision-transformer, apple-silicon, idefics, local-ai, paligemma, vision-framework, vision-language-model, florence2, molmo, pixtral
has_wikiтак
homepage—
docs_site—
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

60Помірний · 16% загального індексу

Стан безпеки

50Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
2/2.5CI-Tests — 14 out of 16 merged PRs checked by a CI test -- score normalized to 8
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 7 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 8 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 62 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection, Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages50
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:mlx-vlm@0.6.17 — тим, що тягне за собою встановлення опублікованого пакета, — 50 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

64Помірний · 4% загального індексу

Контекст і настанови для агентів

35Слабкий
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
35.2/40Читабельна історія комітів — намір зазначено у 66 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,66
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

65Добрий
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера
11/11Статична перевірка типів — mlx_vlm/py.typed
10/10Відтворюване середовище — lockfile
10/10Підтверджена практика роботи з агентами — 18 з останніх 100 комітів створено агентом або з його зазначенням
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
1/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
Використані вхідні дані
has_nixні
has_testsтак
lockfilesuv.lock
has_dockerfileні
typed_languageні
bootstrap_files—
has_devcontainerні
has_linter_configтак
typecheck_configsmlx_vlm/py.typed
agent_commit_share0,18
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

81Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (mlx_vlm/py.typed)
54.2/55Керовані розміри файлів — 20/1 371 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes597 993
source_files_sampled1 371
oversized_source_files20

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — examples, notebooks
Використані вхідні дані
example_dirsexamples, notebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

5 431зірок GitHub
100контриб'юторів
1 039комітів за останні 12 місяців
0днів від останнього пушу
80релізів
2бас-фактор
106відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 15 authors (cap 12)

Докладніше

Історія зірок і форків 0 ★ / 748 ⇿
0Зірки
748Форки
80Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

0125250375500625750699642024-042025-062026-08
Мажорні 0Мінорні 6Патчі 74

Кожна точка охоплює 3 днів.

OpenSSF Scorecard 5.0 / 10
5.0сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-08-28 06:01 UTC

10Binary-Artifactsno binaries found in the repo
н/дBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
8CI-Tests14 out of 16 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 7 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 8 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
1Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 1
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities62 existing vulnerabilities detected
Усі залежності 113

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 113 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIaiohappyeyeballs2.6.1непряма
PyPIaiohttp3.13.3непряма
PyPIaiosignal1.4.0непряма
PyPIannotated-doc0.0.4непряма
PyPIannotated-types0.7.0непряма
PyPIanyio4.12.1непряма
PyPIasync-timeout5.0.1непряма
PyPIattrs25.4.0непряма
PyPIaudioop-lts0.2.2непряма
PyPIbrotli1.2.0непряма
PyPIcertifi2026.1.4непряма
PyPIcffi2.0.0непряма
PyPIcharset-normalizer3.4.4непряма
PyPIclick8.3.1непряма
PyPIcolorama0.4.6непряма
PyPIdatasets4.5.0непряма
PyPIdill0.4.0непряма
PyPIexceptiongroup1.3.1непряма
PyPIfastapi—непряма
PyPIfastapi0.136.3непряма
PyPIfilelock3.20.3непряма
PyPIfrozenlist1.8.0непряма
PyPIfsspec2025.10.0непряма
PyPIgradio6.15.2непряма
PyPIgradio-client2.5.0непряма
PyPIgroovy0.1.2непряма
PyPIh110.16.0непряма
PyPIhf-gradio0.4.1непряма
PyPIhf-xet1.4.3непряма
PyPIhttpcore1.0.9непряма
PyPIhttpx0.28.1непряма
PyPIhuggingface-hub1.10.2непряма
PyPIidna3.11непряма
PyPIjinja23.1.6непряма
PyPIllguidance—непряма
PyPIllguidance1.7.5непряма
PyPImarkdown-it-py4.0.0непряма
PyPImarkupsafe3.0.3непряма
PyPImdurl0.1.2непряма
PyPIminiaudio—непряма
PyPIminiaudio1.61непряма
PyPImlx—непряма
PyPImlx0.32.0непряма
PyPImlx-audio—непряма
PyPImlx-audio0.4.3непряма
PyPImlx-cpu0.30.4непряма
PyPImlx-cuda0.30.0непряма
PyPImlx-lm0.31.3непряма
PyPImlx-metal0.32.0непряма
PyPImlx-whisper—непряма
PyPImultidict6.7.1непряма
PyPImultiprocess0.70.18непряма
PyPInumpy—непряма
PyPInumpy2.2.6непряма
PyPInumpy2.4.1непряма
PyPInvidia-cublas-cu1212.9.1.4непряма
PyPInvidia-cuda-nvrtc-cu1212.9.86непряма
PyPInvidia-cudnn-cu129.18.1.3непряма
PyPInvidia-nccl-cu122.29.2непряма
PyPIopencv-python—непряма
PyPIopencv-python4.13.0.90непряма
PyPIorjson3.11.5непряма
PyPIpackaging26.0непряма
PyPIpandas2.3.3непряма
PyPIpandas3.0.0непряма
PyPIpillow—непряма
PyPIpillow12.1.0непряма
PyPIpropcache0.4.1непряма
PyPIprotobuf6.33.4непряма
PyPIpyarrow23.0.0непряма
PyPIpycparser3.0непряма
PyPIpydantic2.12.5непряма
PyPIpydantic-core2.41.5непряма
PyPIpydub0.25.1непряма
PyPIpygments2.19.2непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpython-multipart—непряма
PyPIpython-multipart0.0.22непряма
PyPIpytz2025.2непряма
PyPIpyyaml6.0.3непряма
PyPIregex2026.1.15непряма
PyPIrequests—непряма
PyPIrequests2.32.5непряма
PyPIrich14.3.1непряма
PyPIsafehttpx0.1.7непряма
PyPIsafetensors0.8.0непряма
PyPIscipy1.15.3непряма
PyPIscipy1.17.1непряма
PyPIsemantic-version2.10.0непряма
PyPIsentencepiece—непряма
PyPIsentencepiece0.2.1непряма
PyPIshellingham1.5.4непряма
PyPIsix1.17.0непряма
PyPIsounddevice0.5.5непряма
PyPIspeechrecognition—непряма
PyPIstarlette—непряма
PyPIstarlette1.2.0непряма
PyPItokenizers0.22.2непряма
PyPItomlkit0.13.3непряма
PyPItqdm—непряма
PyPItqdm4.67.1непряма
PyPItransformers—непряма
PyPItransformers5.14.0непряма
PyPItyper0.21.1непряма
PyPItyping-extensions4.15.0непряма
PyPItyping-inspection0.4.2непряма
PyPItzdata2025.3непряма
PyPIurllib32.6.3непряма
PyPIuvicorn—непряма
PyPIuvicorn0.40.0непряма
PyPIwebsockets—непряма
PyPIxxhash3.6.0непряма
PyPIyarl1.22.0непряма
Сповіщення про залежності 0

Встановлення pypi:mlx-vlm@0.6.17 тягне 50 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з Blaizzy/mlx-vlm. Читати поруч →

94raullenchai/Rapid-MLXThe fastest local AI engine for Apple Silicon. 4.2x faster than Ollama, 0.08s cached TTFT, 100% tool calling. 17 tool parsers, prompt cache, reasoning separation, cloud routing. Drop-in OpenAI replacement. Works with Claude Code, Cursor, Aider.Винятковий96MakazhanAlpamys/SoupFine-tune LLMs from one YAML. Layer streaming trains an 8B model on a 4 GB laptop GPU.Винятковий95maziyarpanahi/openmedLocal-first healthcare AI: clinical NER & HIPAA PII de-identification that runs 100% on-device. 2,200+ medical models, 21 languages, Apple MLX + Python, no cloud, no patient data leaving your network. Apache-2.0Винятковий95Blaizzy/mlx-audioA text-to-speech (TTS), speech-to-text (STT) and speech-to-speech (STS) library built on Apple's MLX framework, providing efficient speech analysis on Apple Silicon.Винятковий95qualcomm/GenieXRun frontier LLMs and VLMs locally on Qualcomm devices across NPU, GPU, and CPU with a few lines of codeВинятковий94libre-webui/libre-webuiA local-first workspace for chat, private knowledge, artifacts, and isolated model-driven work. Self-hosted. Provider-flexible. Apache 2.0.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.