Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.31.0 · метрики 2.10.0 · 2026-08-13 05:37 UTC

awslabs / multi-model-server

Multi Model Server is a tool for serving neural net models for inference

Java · PythonApache-2.0★ 1 024 зірки⑂ 230 форківз жовт. 2017 р.архівнийПереглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#mxnet#deep-learning#inference#ai#neural-network#onnx#server

awslabs/multi-model-server має індекс здоров’я 19 зі 100, що відповідає смузі «Критичний». Найвищий показник — Sustainability & Governance (83/100), найнижчий — Vitality (21/100). Репозиторій заархівовано, тож подальшої підтримки не очікується.

19
загалом / 100
Критичний

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»).

19
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 57 калібровано до 60 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Amazon Web Services - LabsОрганізація
11 403 підписники1 024 публічні репозиторіїз січ. 2013 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPImulti-model-server1.1.11352 2161 1131150 днів томуmultimodelserverservingdeeplearninginferenceai
Mavensoftware.amazon.ai:mms-plugins-sdkвказує на інший репозиторій — не оцінюється1.0.1-22605 днів тому—
PyPImodel-archiverвказує на інший репозиторій — не оцінюється1.0.3-52645 днів томуmxnetmodelarchivearchivermmsserverservingdeeplearninginferenceai

Метрики за категоріями

Життєздатність

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

21У зоні ризику · 21% загального індексу

Активність розробки

1Критичний
Як обчислюється оцінка
0/36Свіжість push — останній push 814 дн. тому
0/36Ритм комітів — 0/52 тижнів із комітами
0/18Обсяг комітів — 0 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — project is archived
Використані вхідні дані
commits_last_year0
human_commit_share0,99
days_since_last_push814
active_weeks_last_year0

Дисципліна релізів

52Помірний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 24 релізів
0/36Свіжість релізів — останній реліз 1 150 дн. тому
19.8/27Ритм релізів — реліз кожні ~119,6 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count24
latest_release_tagv1.1.11
releases_from_tagsні
days_since_latest_release1 150
mean_days_between_releases119,6
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?

82Відмінний · 17% загального індексу

Популярність і впровадження

68Добрий
Як обчислюється оцінка
48.8/60Зірки — 1 024 зірок
19.7/25Форки — 230 форків
0/15Спостерігачі — 2 спостерігачів
Використані вхідні дані
forks230
stars1 024
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

92Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс 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_conductтак
readme_badge_services—
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

92Відмінний
Як обчислюється оцінка
74/80Щомісячні завантаження — 352 216 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesmulti-model-server
dependents—
ecosystemspypi
total_downloads—
monthly_downloads352 216
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?

83Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

76Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
17/22.5Розподіл комітів — головний контриб’ютор — автор 24% комітів
13.5/13.5Широта контриб’юторів — 46 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 9 contributing companies or organizations
Використані вхідні дані
bus_factor3
contributors_sampled46
top_contributor_share0,243

Реактивність на issue та PR

86Відмінний
Як обчислюється оцінка
33.3/42Вирішення issue — закрито 79% issue
26.7/30Прийняття PR — злито 532/598 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Використані вхідні дані
merged_prs532
open_issues85
closed_issues323
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,792
closed_unmerged_prs66
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
25/25Охоплення власника — 11 403 підписників у awslabs
25/25Послужний список — 1 024 публічних репозиторіїв, вік облікового запису ~13 р.
Використані вхідні дані
followers11 403
owner_typeOrganization
is_verified—
owner_loginawslabs
public_repos1 024
account_age_days4 955
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

69Добрий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
4/35Свіжість публікацій — остання публікація 1 150 дн. тому
20/20Історія версій — 1 113 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesmulti-model-server
ecosystemspypi
any_deprecatedні
min_days_since_publish1 150

Інженерна якість

Чи наявні базові інженерні практики та документація?

44Слабкий · 19% загального індексу

Інженерні практики

24У зоні ризику
Як обчислюється оцінка
0/24Процеси CI
24/24Наявні тести
0/16Конфігурація лінтера
0/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 29 merged PRs checked by a CI test -- score normalized to 0
Використані вхідні дані
has_ciні
has_testsтак
has_editorconfigні
has_linter_configні
has_precommit_configні

Документація

75Добрий
Як обчислюється оцінка
30/30README
25/25Каталог документації
0/15Сайт документації / домашня сторінка
10/10Опис репозиторію
10/10Теми — 7 тем
0/10Wiki
Використані вхідні дані
topicsmxnet, deep-learning, inference, ai, neural-network, onnx, server
has_wikiні
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?

54Помірний · 16% загального індексу

Стан безпеки

42Слабкий
Як обчислюється оцінка
6/7.5Binary-Artifacts — binaries present in source code
0.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — 0 out of 29 merged PRs checked by a CI test -- score normalized to 0
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 9 contributing companies or organizations
0/10Dangerous-Workflow — немає даних
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
0/7.5Maintained — project is archived
0/5Packaging — немає даних
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — немає даних
0/7.5Vulnerabilities — 19 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated14
scorecard_versionv5.5.0
checks_inconclusive4
scorecard_aggregate4,2
Виключено з оцінювання (немає даних або не застосовно): Dangerous-Workflow, Packaging, Signed-Releases, Token-Permissions. 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_packages5
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:multi-model-server@1.1.11 — тим, що тягне за собою встановлення опублікованого пакета, — 5 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.

61Помірний · 4% загального індексу

Контекст і настанови для агентів

18Критичний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
17.8/40Читабельна історія комітів — намір зазначено у 33 з 99 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,333
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

64Помірний
Як обчислюється оцінка
12.6/18Розгортання однією командою — frontend/build.gradle, frontend/cts/build.gradle, frontend/modelarchive/build.gradle (домовленість інструментарію, без раннера задач)
22/22Автоматизовані тести
0/11Конфігурація лінтера / форматера
11/11Статична перевірка типів — Java (статично типізована)
10/10Відтворюване середовище — Dockerfile
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
8/8Автоматизоване супроводження — 1 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageтак
bootstrap_files—
has_devcontainerні
has_linter_configні
typecheck_configs—
agent_commit_share0
toolchain_manifestsfrontend/build.gradle, frontend/cts/build.gradle, frontend/modelarchive/build.gradle, frontend/server/build.gradle, plugins/build.gradle, plugins/endpoints/build.gradle, serving-sdk/pom.xml
dependency_bot_commit_share0,01

Читабельність коду для моделей

100Винятковий
Як обчислюється оцінка
45/45Типізований код — Java (статично типізована)
55/55Керовані розміри файлів — 0/229 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageJava
largest_source_bytes58 259
source_files_sampled229
oversized_source_files0

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
Використані вхідні дані
example_dirsexamples
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

1 024зірок GitHub
46контриб'юторів
0комітів за останні 12 місяців
814днів від останнього пушу
24релізів
3бас-фактор
85відкритих issue
Maven, PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • maven package 'software.amazon.ai:mms-plugins-sdk' points at a different repository (https://github.com/awslabs/mxnet-model-server/tree/master/serving-sdk); excluded from ecosystem scoring
  • pypi package 'model-archiver' points at a different repository (https://github.com/awslabs/mxnet-model-server/model-archiver/); excluded from ecosystem scoring
  • GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

Докладніше

Історія зірок і форків 0 ★ / 230 ⇿
0Зірки
230Форки
23Релізи

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.

0408012016020024022682017-122022-042026-08
Мажорні 1Мінорні 3Патчі 19

Кожна точка охоплює 8 днів.

OpenSSF Scorecard 4.2 / 10
4.2сукупно

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 · 2026-08-13 05:37 UTC

8Binary-Artifactsbinaries present in source code
1Branch-Protectionbranch protection is not maximal on development and all release branches
0CI-Tests0 out of 29 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 9 contributing companies or organizations
н/дDangerous-Workflowno workflows found
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintainedproject is archived
н/дPackagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
н/дToken-PermissionsNo tokens found
0Vulnerabilities19 existing vulnerabilities detected
Усі залежності не зібрано

Не вдалося зібрати розв'язаний набір залежностей для цього звіту: GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

Сповіщення про залежності 0

Встановлення pypi:multi-model-server@1.1.11 тягне 5 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 awslabs/multi-model-server. Читати поруч →

100onnx/onnxOpen standard for machine learning interoperabilityВинятковий96ludwig-ai/ludwigLow-code framework for building custom LLMs, neural networks, and other AI modelsВинятковий98huggingface/diffusers🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.Винятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.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 v0.31.0 — повна методологія · вікі метрик.

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