Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-08-28 02:53 UTC

PriorLabs / TabPFN

⚡ TabPFN: Foundation Model for Tabular Data ⚡

PythonВласна ліцензія★ 7 857 зірок⑂ 782 форкиз лип. 2022 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#data-science#foundation-models#machine-learning#tabpfn#tabular-data

PriorLabs/TabPFN має індекс здоров’я 98 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (99/100), найнижчий — AI Readiness (63/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 3 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 86 калібровано до 98 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Prior LabsОрганізація
405 підписників13 публічних репозиторіївз вер. 2023 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPItabpfn8.5.0247 653600 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 — 521 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year521
human_commit_share0,75
days_since_last_push0
active_weeks_last_year51

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 27 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
27/27Ритм релізів — реліз кожні ~9,5 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count27
latest_release_tagv8.5.0
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases9,5
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?

78Добрий · 17% загального індексу

Популярність і впровадження

93Винятковий
Як обчислюється оцінка
60/60Зірки — 7 857 зірок
24.1/25Форки — 782 форків
9.1/15Спостерігачі — 45 спостерігачів
Використані вхідні дані
forks782
stars7 857
watchers45
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

51Помірний
Як обчислюється оцінка
22.5/22.5README
16.9/22.5Ліцензія — файл ліцензії наявний, не є визнаною ліцензією
0/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges4
has_contributingні
has_issue_templateні
has_code_of_conductні
readme_badge_servicesbadge.fury.io, shields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

90Відмінний
Як обчислюється оцінка
71.9/80Щомісячні завантаження — 247 653 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagestabpfn
dependents—
ecosystemspypi
total_downloads—
monthly_downloads247 653
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?

78Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

75Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
15.1/22.5Розподіл комітів — головний контриб’ютор — автор 33% комітів
13.5/13.5Широта контриб’юторів — 63 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 6 contributing companies or organizations
Використані вхідні дані
bus_factor3
contributors_sampled63
top_contributor_share0,329

Реактивність на issue та PR

79Добрий
Як обчислюється оцінка
40.9/42Вирішення issue — закрито 98% issue
23.5/30Прийняття PR — злито 634/809 вирішених PR
0/13Newcomer PR acceptance — злито 0/2 PR від новачків за 30 дн.
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Використані вхідні дані
merged_prs634
open_issues9
closed_issues357
prs_merged_7d7
prs_decided_7d11
prs_merged_30d35
prs_decided_30d46
issue_closed_ratio0,975
closed_unmerged_prs175
first_time_authors_30d2
first_time_prs_merged_30d0
first_time_prs_decided_30d2

Власність та опіка

63Помірний
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
18.8/25Охоплення власника — 405 підписників у PriorLabs
14.3/25Послужний список — 13 публічних репозиторіїв, вік облікового запису ~2 р.
Використані вхідні дані
followers405
owner_typeOrganization
is_verifiedні
owner_loginPriorLabs
public_repos13
account_age_days1 085

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 0 дн. тому
20/20Історія версій — 60 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagestabpfn
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

96Винятковий · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 12 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — http://priorlabs.ai
10/10Опис репозиторію
10/10Теми — 5 тем
10/10Wiki
Використані вхідні дані
topicsdata-science, foundation-models, machine-learning, tabpfn, tabular-data
has_wikiтак
homepagehttp://priorlabs.ai
docs_sitehttp://priorlabs.ai
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

81Відмінний · 16% загального індексу

Стан безпеки

76Добрий
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
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 6 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
4/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 8
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,6
Виключено з оцінювання (немає даних або не застосовно): 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
0/25Непрямі залежності без відомих сповіщень — транзитивний набір не відокремлюється від залежностей розробки й тестування в цьому обсязі
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages2
unassessed_packages35
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 2 резолвлених залежностей із OSV. 35 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза межами звітованого переліку пакетів. Цей репозиторій не публікує пакета, який резолвить індекс, тож натомість оцінено граф залежностей репозиторію. Цей граф змішує закріплені версії для розробки й тестування зі справді постачаними залежностями, тож оцінюються лише задекларовані runtime-залежності; транзитивні знахідки подаються як контекст і в оцінку не входять. 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.

63Помірний · 4% загального індексу

Контекст і настанови для агентів

55Помірний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
15/15Машиночитана документація (llms.txt) — llms.txt опубліковано на сайті проєкту (https://priorlabs.ai/llms.txt)
40/40Читабельна історія комітів — намір зазначено у 65 з 75 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtтак
llms_txt_urlhttps://priorlabs.ai/llms.txt
legible_history_share0,867
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

59Помірний
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
0/11Статична перевірка типів
0/10Відтворюване середовище
10/10Підтверджена практика роботи з агентами — 48 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 19 з останніх 100 комітів — автоматичні оновлення залежностей
8/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 8
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_files—
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0,48
toolchain_manifests—
dependency_bot_commit_share0,19

Читабельність коду для моделей

54Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
53.5/55Керовані розміри файлів — 5/185 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes102 812
source_files_sampled185
oversized_source_files5

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

7 857зірок GitHub
63контриб'юторів
521комітів за останні 12 місяців
0днів від останнього пушу
27релізів
3бас-фактор
9відкритих 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 16 authors (cap 12)
  • deps.dev does not index pypi:tabpfn@8.5.0; advisories assessed against the repository dependency graph instead

Докладніше

Історія зірок і форків 0 ★ / 782 ⇿
0Зірки
782Форки
26Релізи

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.

0200400600800771412022-102024-092026-08
Мажорні 3Мінорні 7Патчі 15

Кожна точка охоплює 4 днів.

OpenSSF Scorecard 7.6 / 10
7.6сукупно

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 02:52 UTC

10Binary-Artifactsno binaries found in the repo
1Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 6 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
8Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 8
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 16
РеєстрПакетОбмеження версіїМаніфест
PyPItorch>=2.5pyproject.toml
PyPIsafetensors>=0.4.0pyproject.toml
PyPInumpy>=1.21.6pyproject.toml
PyPIscikit-learn>=1.2.0pyproject.toml
PyPItyping_extensions>=4.12.0pyproject.toml
PyPIscipy>=1.11.1pyproject.toml
PyPIpandas>=1.4.0pyproject.toml
PyPIeinops>=0.4.0pyproject.toml
PyPIhuggingface-hub>=0.23.0pyproject.toml
PyPIpydantic>=2.8.0pyproject.toml
PyPIpydantic-settings>=2.10.1pyproject.toml
PyPIjoblib>=1.2.0pyproject.toml
PyPItqdm>=4.66.0pyproject.toml
PyPIfilelock>=3.11.0pyproject.toml
PyPIlightgbm>=4.4pyproject.toml
PyPImlx>=0.29.3pyproject.toml
Усі залежності 37

Повний розв'язаний набір залежностей із графа залежностей GitHub: 16 прямих і 21 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIeinops—пряма
PyPIfilelock—пряма
PyPIhuggingface-hub—пряма
PyPIjoblib—пряма
PyPIlightgbm—пряма
PyPImlx—пряма
PyPInumpy—пряма
PyPIpandas—пряма
PyPIpydantic—пряма
PyPIpydantic-settings—пряма
PyPIsafetensors—пряма
PyPIscikit-learn—пряма
PyPIscipy—пряма
PyPItorch—пряма
PyPItqdm—пряма
PyPItyping-extensions—пряма
PyPIblack—непряма
PyPIlicensecheck—непряма
PyPImarkdown-exec—непряма
PyPImatplotlib—непряма
PyPImike—непряма
PyPImkdocs—непряма
PyPImkdocs-autorefs—непряма
PyPImkdocs-gen-files—непряма
PyPImkdocs-glightbox—непряма
PyPImkdocs-literate-nav—непряма
PyPImkdocs-material—непряма
PyPImkdocstrings—непряма
PyPImypy2.3.0непряма
PyPIonnx—непряма
PyPIpre-commit—непряма
PyPIpytest—непряма
PyPIpytest-mock—непряма
PyPIpytest-xdist—непряма
PyPIruff0.15.12непряма
PyPItowncrier—непряма
PyPIwandb—непряма
Сповіщення про залежності 0

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 2 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 0 мають відомі сповіщення, з них 0 прямі. 35 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза наведеним переліком пакетів.

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 PriorLabs/TabPFN. Читати поруч →

98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий96microsoft/FLAMLA fast library for AutoML and tuning. Join our Discord: https://discord.gg/Cppx2vSPVP.Винятковий100scikit-learn/scikit-learnscikit-learn: machine learning in PythonВинятковий100streamlit/streamlitStreamlit — A faster way to build and share data apps.Винятковий100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsВинятковий100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.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.