Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-10-23 10:57 UTC

NVIDIA / cuda-python

CUDA Python: Performance meets Productivity

Cython · PythonApache-2.0★ 3 402 зірки⑂ 337 форківз черв. 2021 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено

NVIDIA/cuda-python має індекс здоров’я 98 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (99/100), найнижчий — Security (78/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 4 учасники.

98
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»).

98
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 87 калібровано до 98 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

NVIDIA CorporationОрганізація · підтверджений домен
31 684 підписники827 публічних репозиторіївз трав. 2012 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIcuda-core1.2.24 050 870196 днів тому
PyPIcuda-python13.4.44 665 392468 днів тому
PyPIcuda-pathfinder1.8.431 165 829330 днів тому
PyPIcuda-bindings13.4.432 255 877298 днів тому

Метрики за категоріями

Життєздатність

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

99Винятковий · 21% загального індексу

Активність розробки

99Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
35.3/36Ритм комітів — 51/52 тижнів із комітами
18/18Обсяг комітів — 1 034 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year1 034
human_commit_share0,93
days_since_last_push0
active_weeks_last_year51

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 100 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
27/27Ритм релізів — реліз кожні ~4,1 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count100
latest_release_tagcuda-pathfinder-v1.8.4
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases4,1

Спільнота та впровадження

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

87Відмінний · 17% загального індексу

Популярність і впровадження

88Відмінний
Як обчислюється оцінка
57.3/60Зірки — 3 402 зірок
21.1/25Форки — 337 форків
9.2/15Спостерігачі — 47 спостерігачів
Використані вхідні дані
forks337
stars3 402
watchers47
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

77Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges0
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_services—
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

100Винятковий
Як обчислюється оцінка
80/80Щомісячні завантаження — 72 137 968 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagescuda-core, cuda-python, cuda-pathfinder, cuda-bindings
dependents—
ecosystemspypi
total_downloads—
monthly_downloads72 137 968
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?

87Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

82Відмінний
Як обчислюється оцінка
43.2/54Бас-фактор — на 4 контриб’ютор(ів) припадає половина всіх комітів
17/22.5Розподіл комітів — головний контриб’ютор — автор 24% комітів
13.5/13.5Широта контриб’юторів — 77 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor4
contributors_sampled77
top_contributor_share0,243

Реактивність на issue та PR

69Добрий
Як обчислюється оцінка
33.9/42Вирішення issue — закрито 81% issue
24.6/30Прийняття PR — злито 1 563/1 907 вирішених PR
0/13Newcomer PR acceptance — злито 0/1 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs1 563
open_issues219
closed_issues920
prs_merged_7d28
prs_decided_7d35
prs_merged_30d46
prs_decided_30d54
issue_closed_ratio0,808
closed_unmerged_prs344
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 31 684 підписників у NVIDIA
25/25Послужний список — 827 публічних репозиторіїв, вік облікового запису ~14 р.
Використані вхідні дані
followers31 684
owner_typeOrganization
is_verifiedтак
owner_loginNVIDIA
public_repos827
account_age_days5 278

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 4 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 0 дн. тому
20/20Історія версій — 46 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagescuda-core, cuda-python, cuda-pathfinder, cuda-bindings
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

81Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 27 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — cuda_bindings_12/pyproject.toml ([tool.ruff]), ruff.toml
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — немає даних
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

65Добрий
Як обчислюється оцінка
30/30README
0/25Каталог документації
15/15Сайт документації / домашня сторінка — https://nvidia.github.io/cuda-python/
10/10Опис репозиторію
0/10Теми
10/10Wiki
Використані вхідні дані
topics—
has_wikiтак
homepagehttps://nvidia.github.io/cuda-python/
docs_sitehttps://nvidia.github.io/cuda-python/
has_readmeтак
has_docs_dirні
has_descriptionтак

Безпека

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

78Добрий · 16% загального індексу

Стан безпеки

73Добрий
Як обчислюється оцінка
30/30Політика безпеки (SECURITY.md)
25/25Конфігурація Dependabot
0/25Файли фіксації залежностей — опублікована бібліотека — lockfile є справою застосунків, не очікується
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestscuda_bindings_12/pyproject.toml, cuda_bindings_12/setup.py, cuda_bindings_13/pyproject.toml, cuda_bindings_13/setup.py, cuda_core/pyproject.toml, cuda_core/setup.py, cuda_pathfinder/pyproject.toml, cuda_pathfinder/setup.py, cuda_python/pyproject.toml, cuda_python/setup.py, cuda_python_test_helpers/pyproject.toml
has_codeql_workflowні
has_security_policyтак
has_dependabot_configтак
Виключено з оцінювання (немає даних або не застосовно): Файли фіксації залежностей. 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_packages4
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:cuda-python@13.4.4 — тим, що тягне за собою встановлення опублікованого пакета, — 4 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.

88Відмінний · 4% загального індексу

Контекст і настанови для агентів

85Відмінний
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md, CLAUDE.md, benchmarks/cuda_bindings/AGENTS.md, benchmarks/cuda_core/AGENTS.md, cuda_bindings_13/AGENTS.md, cuda_bindings_13/CLAUDE.md, cuda_core/AGENTS.md, cuda_core/CLAUDE.md, cuda_core/tests/AGENTS.md, cuda_pathfinder/AGENTS.md, cuda_pathfinder/CLAUDE.md, cuda_python/AGENTS.md, cuda_python/CLAUDE.md
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 93 з 93 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md, benchmarks/cuda_bindings/AGENTS.md, benchmarks/cuda_core/AGENTS.md, cuda_bindings_13/AGENTS.md, cuda_bindings_13/CLAUDE.md, cuda_core/AGENTS.md, cuda_core/CLAUDE.md, cuda_core/tests/AGENTS.md, cuda_pathfinder/AGENTS.md, cuda_pathfinder/CLAUDE.md, cuda_python/AGENTS.md, cuda_python/CLAUDE.md
agent_instruction_max_bytes19 174

Цикл верифікації (збірка / тести / перевірка типів)

89Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — cuda_bindings_12/docs/Makefile, cuda_bindings_13/docs/Makefile, cuda_core/docs/Makefile, cuda_pathfinder/docs/Makefile, cuda_python/docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — cuda_bindings_12/pyproject.toml ([tool.ruff]), ruff.toml
11/11Статична перевірка типів — cuda_core/cuda/core/py.typed
0/10Відтворюване середовище
10/10Підтверджена практика роботи з агентами — 16 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 4 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_filescuda_bindings_12/docs/Makefile, cuda_bindings_13/docs/Makefile, cuda_core/docs/Makefile, cuda_pathfinder/docs/Makefile, cuda_python/docs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configscuda_core/cuda/core/py.typed
agent_commit_share0,16
toolchain_manifests—
dependency_bot_commit_share0,04

Читабельність коду для моделей

81Відмінний
Як обчислюється оцінка
27/45Типізований код — Cython з конфігурацією перевірки типів (cuda_core/cuda/core/py.typed)
54.2/55Керовані розміри файлів — 7/494 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageCython
largest_source_bytes127 048
source_files_sampled494
oversized_source_files7

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, samples
Використані вхідні дані
example_dirsexamples, samples
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

3 402зірок GitHub
77контриб'юторів
1 034комітів за останні 12 місяців
0днів від останнього пушу
100релізів
4бас-фактор
219відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'cuda-python-test-helpers' from its registry
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit); skipping Scorecard checks

Докладніше

Історія зірок і форків 0 ★ / 337 ⇿
0Зірки
337Форки
99Релізи

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.

0125250375336232021-082024-032026-10
Мажорні 2Мінорні 14Патчі 30

Кожна точка охоплює 5 днів.

Прямі залежності 5
РеєстрПакетОбмеження версіїМаніфест
PyPIcuda-pathfinder~=1.1cuda_bindings_12/pyproject.toml
PyPIcuda-pathfinder>=1.4.2cuda_bindings_13/pyproject.toml
PyPIcuda-pathfinder>=1.4.2cuda_core/pyproject.toml
PyPInumpy—cuda_core/pyproject.toml
PyPIpackaging>=24cuda_python_test_helpers/pyproject.toml
Усі залежності 55

Повний розв'язаний набір залежностей із графа залежностей GitHub: 3 прямих і 52 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIcuda-pathfinder—пряма
PyPInumpy—пряма
PyPIpackaging—пряма
PyPIcffi—непряма
PyPIcffi2.1.1непряма
PyPIcloudpickle3.1.2непряма
PyPIcuda-bindings—непряма
PyPIcuda-cccl—непряма
PyPIcuda-core—непряма
PyPIcuda-python—непряма
PyPIcuda-toolkit—непряма
PyPIcudf-cu13—непряма
PyPIcugraph-cu13—непряма
PyPIcupy-cuda13x—непряма
PyPIcython—непряма
PyPIdask-cuda—непряма
PyPIdocutils0.23непряма
PyPImatplotlib—непряма
PyPIml-dtypes—непряма
PyPImpi4py—непряма
PyPInumba-cuda—непряма
PyPInumba-cuda-mlir—непряма
PyPInvidia-cublas—непряма
PyPInvidia-cuda-cccl-cu12—непряма
PyPInvidia-cudla—непряма
PyPInvidia-cudnn-cu12—непряма
PyPInvidia-cudnn-cu13—непряма
PyPInvidia-cufft—непряма
PyPInvidia-curand—непряма
PyPInvidia-nvjitlink—непряма
PyPInvidia-nvjitlink-cu12—непряма
PyPInvidia-nvshmem-cu12—непряма
PyPInvidia-nvshmem-cu13—непряма
PyPInvmath-python—непряма
PyPInvtx—непряма
PyPIpillow—непряма
PyPIpyclibrary—непряма
PyPIpyglet—непряма
PyPIpyglet2.1.14непряма
PyPIpytest—непряма
PyPIpytest9.1.0непряма
PyPIpytest-benchmark—непряма
PyPIpytest-benchmark5.2.3непряма
PyPIpytest-github-actions-annotate-failures0.4.2непряма
PyPIpytest-mock3.15.1непряма
PyPIpytest-randomly4.1.0непряма
PyPIpytest-repeat0.9.4непряма
PyPIpytest-rerunfailures16.3непряма
PyPIpytest-run-parallel0.10.0непряма
PyPIpytest-subtests—непряма
PyPIpytest-timeout2.4.0непряма
PyPIsetuptools—непряма
PyPIsetuptools-scm—непряма
PyPItensorflow—непряма
PyPItorch—непряма
Сповіщення про залежності 0

Встановлення pypi:cuda-python@13.4.4 тягне 4 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 NVIDIA/cuda-python. Читати поруч →

100onnx/onnxOpen standard for machine learning interoperabilityВинятковий100streamlit/streamlitStreamlit — A faster way to build and share data apps.Винятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Винятковий100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMВинятковий100home-assistant/frontend:lollipop: Frontend for Home AssistantВинятковий

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.