Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-20 01:22 UTC

hpcaitech / ColossalAI

Making large AI models cheaper, faster and more accessible

PythonApache-2.0★ 41 437 зірок⑂ 4 495 форківз жовт. 2021 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаяк це визначено
#deep-learning#hpc#large-scale#data-parallelism#pipeline-parallelism#model-parallelism#ai#big-model#distributed-computing#inference#heterogeneous-training#foundation-models

hpcaitech/ColossalAI має індекс здоров’я 83 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Engineering Quality (95/100), найнижчий — Security (21/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 7 учасників.

83
загалом / 100
Відмінний

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»).

83
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 70 калібровано до 83 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

HPC-AI TechОрганізація
1 962 підписники33 публічні репозиторіїз серп. 2021 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIcoatiвказує на інший репозиторій — не оцінюється0.1.0-0—powerpointautomatic-reports

Метрики за категоріями

Життєздатність

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

60Помірний · 21% загального індексу

Активність розробки

55Помірний
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
2.8/36Ритм комітів — 4/52 тижнів із комітами
10.3/18Обсяг комітів — 13 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year13
human_commit_share0,95
days_since_last_push0
active_weeks_last_year4

Дисципліна релізів

68Добрий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 50 релізів
7.2/36Свіжість релізів — останній реліз 472 дн. тому
27/27Ритм релізів — реліз кожні ~35,8 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count50
latest_release_tagv0.5.0
releases_from_tagsні
days_since_latest_release472
mean_days_between_releases35,8

Спільнота та впровадження

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

89Відмінний · 17% загального індексу

Популярність і впровадження

99Винятковий
Як обчислюється оцінка
60/60Зірки — 41 437 зірок
25/25Форки — 4 495 форків
14.3/15Спостерігачі — 381 спостерігачів
Використані вхідні дані
forks4 495
stars41 437
watchers381
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_badges6
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesgithub.com, readthedocs.org, shields.io
has_pull_request_templateтак

Сталість та врядування

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

80Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

94Винятковий
Як обчислюється оцінка
51.3/54Бас-фактор — на 7 контриб’ютор(ів) припадає половина всіх комітів
19.6/22.5Розподіл комітів — головний контриб’ютор — автор 13% комітів
13.5/13.5Широта контриб’юторів — 98 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor7
contributors_sampled98
top_contributor_share0,13

Реактивність на issue та PR

67Добрий
Як обчислюється оцінка
31.3/42Вирішення issue — закрито 74% issue
25.5/30Прийняття PR — злито 3 708/4 370 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_prs3 708
open_issues444
closed_issues1 297
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,745
closed_unmerged_prs662
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Власність та опіка

75Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
23.7/25Охоплення власника — 1 962 підписників у hpcaitech
21.4/25Послужний список — 33 публічних репозиторіїв, вік облікового запису ~5 р.
Використані вхідні дані
followers1 962
owner_typeOrganization
is_verifiedні
owner_loginhpcaitech
public_repos33
account_age_days1 866

Інженерна якість

Чи наявні базові інженерні практики та документація?

95Винятковий · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 26 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера
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

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://www.colossalai.org
10/10Опис репозиторію
10/10Теми — 12 тем
10/10Wiki
Використані вхідні дані
topicsdeep-learning, hpc, large-scale, data-parallelism, pipeline-parallelism, model-parallelism, ai, big-model, distributed-computing, inference, heterogeneous-training, foundation-models
has_wikiтак
homepagehttps://www.colossalai.org
docs_sitehttps://www.colossalai.org
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

21У зоні ризику · 16% загального індексу

Стан безпеки

1Критичний
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
0/25Конфігурація Dependabot
0/25Файли фіксації залежностей
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestsdocs/requirements-doc-test.txt, requirements/requirements-test.txt, requirements/requirements.txt, setup.py
has_codeql_workflowні
has_security_policyні
has_dependabot_configні

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
advisories674
affected_packages30
assessed_packages63
unassessed_packages74
affected_by_severitycritical 15, high 8, moderate 4, low 1, unknown 2
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 63 резолвлених залежностей із OSV. 74 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.

56Помірний · 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)
18.5/40Читабельна історія комітів — намір зазначено у 33 з 95 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,347
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

68Добрий
Як обчислюється оцінка
18/18Розгортання однією командою — examples/community/roberta/preprocessing/Makefile, examples/tutorial/sequence_parallel/data/datasets/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера
0/11Статична перевірка типів
10/10Відтворюване середовище — Dockerfile
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesexamples/community/roberta/preprocessing/Makefile, examples/tutorial/sequence_parallel/data/datasets/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
54.8/55Керовані розміри файлів — 6/1 736 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes88 055
source_files_sampled1 736
oversized_source_files6

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

41 437зірок GitHub
98контриб'юторів
13комітів за останні 12 місяців
0днів від останнього пушу
50релізів
7бас-фактор
444відкритих 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 'colossalqa' from its registry
  • Could not fetch pypi package 'colossal_moe' from its registry
  • pypi package 'coati' points at a different repository (https://github.com/Intelimetrica/coati); excluded from ecosystem scoring
  • Could not fetch pypi package 'colossal_eval' from its registry
  • Could not fetch pypi package 'colossal_llama' from its registry
  • deps.dev does not index pypi:coati@0.1.0; advisories assessed against the repository dependency graph instead
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/20 01:20:21 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Докладніше

Історія зірок і форків 0 ★ / 4 495 ⇿
0Зірки
4 495Форки
17Релізи

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.

Показано лише найновішу історію — цей репозиторій перевищує вікно збору, тож найраніша історія не захоплена.

3 5003 7504 0004 2504 5004 495682023-092025-032026-09
Мажорні 0Мінорні 2Патчі 15

Кожна точка охоплює 3 днів.

Усі залежності 137

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 137 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIaccelerate—непряма
PyPIalbumentations1.3.0непряма
PyPIautoflake2.2.1непряма
PyPIbitsandbytes—непряма
PyPIblack23.9.1непряма
PyPIchromadb0.4.9непряма
PyPIcleanfid—непряма
PyPIclick—непряма
PyPIcolossalai—непряма
PyPIcolossalai0.2.0+torch1.12cu11.3непряма
PyPIcontexttimer—непряма
PyPIcoverage7.2.3непряма
PyPIdatasets—непряма
PyPIdatasets2.13.0непряма
PyPIdatasets2.14.7непряма
PyPIdiffusers—непряма
PyPIdiffusers0.29.0непряма
PyPIeinops—непряма
PyPIeinops0.3.0непряма
PyPIevaluate—непряма
PyPIfabric—непряма
PyPIfastapi—непряма
PyPIfastapi0.85.1непряма
PyPIfastapi0.99.1непряма
PyPIflash-attn—непряма
PyPIftfy—непряма
PyPIfuzzywuzzy—непряма
PyPIgalore-torch—непряма
PyPIgoogle—непряма
PyPIgpustat—непряма
PyPIgpustat1.1.1непряма
PyPIgradio3.34.0непряма
PyPIgradio3.44.4непряма
PyPIh5py—непряма
PyPIhuggingface-hub—непряма
PyPIimageio2.9.0непряма
PyPIimageio-ffmpeg0.4.2непряма
PyPIjieba—непряма
PyPIjq1.6.0непряма
PyPIjsonlines—непряма
PyPIlangchain—непряма
PyPIlangchain0.0.330непряма
PyPIlangchain-experimental0.0.37непряма
PyPIlatex2sympy2-extended—непряма
PyPIlightning1.9.0непряма
PyPIlocust—непряма
PyPIlocust2.11.0непряма
PyPIloralib—непряма
PyPImath-verify—непряма
PyPImatplotlib—непряма
PyPImodelcards—непряма
PyPImodelscope1.9.0непряма
PyPIninja—непряма
PyPIninja1.11.1непряма
PyPInumpy—непряма
PyPIomegaconf2.1.1непряма
PyPIopen-clip-torch2.7.0непряма
PyPIopenai—непряма
PyPIopenai0.28.0непряма
PyPIopencv-python4.6.0.66непряма
PyPIpackaging—непряма
PyPIpackaging24.0непряма
PyPIpandas—непряма
PyPIpeft—непряма
PyPIpre-commit—непряма
PyPIprefetch-generator—непряма
PyPIprompt-toolkit—непряма
PyPIprotobuf—непряма
PyPIpsutil—непряма
PyPIptflops—непряма
PyPIpudb2019.2непряма
PyPIpulp—непряма
PyPIpydantic—непряма
PyPIpydantic1.10.13непряма
PyPIpydantic1.10.2непряма
PyPIpyext—непряма
PyPIpypdf3.16.0непряма
PyPIpytest—непряма
PyPIpytest7.4.2непряма
PyPIray—непряма
PyPIray2.49.2непряма
PyPIrequests2.31.0непряма
PyPIrich—непряма
PyPIrouge—непряма
PyPIrpyc6.0.0непряма
PyPIsafetensors—непряма
PyPIsanic22.9.0непряма
PyPIsanic-ext22.9.0непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIseaborn—непряма
PyPIsentence-transformers2.2.2непряма
PyPIsentencepiece—непряма
PyPIsentencepiece0.1.99непряма
PyPIsix—непряма
PyPIsix1.16.0непряма
PyPIslowapi—непряма
PyPIsqlalchemy2.0.20непряма
PyPIsse-starlette—непряма
PyPIstreamlit—непряма
PyPItabulate—непряма
PyPItensorboard—непряма
PyPItensorboard2.14.0непряма
PyPItensornvme—непряма
PyPItest-tube—непряма
PyPItiktoken—непряма
PyPItiktoken0.5.1непряма
PyPItimm—непряма
PyPItitans—непряма
PyPItitans0.0.7непряма
PyPItokenizers—непряма
PyPItokenizers0.13.3непряма
PyPItorch—непряма
PyPItorch1.12.1непряма
PyPItorch2.1.2непряма
PyPItorchaudio—непряма
PyPItorchmetrics—непряма
PyPItorchmetrics0.7непряма
PyPItorchrec0.2.0непряма
PyPItorchvision—непряма
PyPItorchx-nightly2022.6.29непряма
PyPItqdm—непряма
PyPItqdm4.66.1непряма
PyPItransformers—непряма
PyPItransformers4.22.1непряма
PyPItransformers4.23.1непряма
PyPItransformers4.35.0непряма
PyPItransformers4.36.0непряма
PyPItransformers4.51.3непряма
PyPItriton—непряма
PyPIunstructured0.10.14непряма
PyPIuvicorn—непряма
PyPIuvicorn0.19.0непряма
PyPIuvicorn0.29.0непряма
PyPIvllm0.5.5непряма
PyPIwandb—непряма
PyPIwebdataset0.2.5непряма
Сповіщення про залежності 30

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 63 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 30 мають відомі сповіщення, з них 0 прямі. 74 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза наведеним переліком пакетів.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
black23.9.1непрямакритична426.3.1
gradio3.34.0непрямакритична766.16.0
gradio3.44.4непрямакритична766.16.0
langchain-experimental0.0.37непрямакритична40.0.61
lightning1.9.0непрямакритична92022.6.15
ray2.49.2непрямакритична122.56.0
torch1.12.1непрямакритична302.13.0
torch2.1.2непрямакритична282.13.0
transformers4.22.1непрямакритична525.10.0
transformers4.23.1непрямакритична525.10.0
transformers4.35.0непрямакритична505.10.0
transformers4.36.0непрямакритична465.10.0
transformers4.51.3непрямакритична285.10.0
unstructured0.10.14непрямакритична60.24.0
vllm0.5.5непрямакритична750.28.0
diffusers0.29.0непрямависока50.38.0
fastapi0.85.1непрямависока10.109.1
fastapi0.99.1непрямависока10.109.1
langchain0.0.330непрямависока151.4.6
modelscope1.9.0непрямависока21.27.0
opencv-python4.6.0.66непрямависока24.8.1.78
pypdf3.16.0непрямависока836.16.1
sentencepiece0.1.99непрямависока20.2.1
pydantic1.10.2непрямапомірна22.4.0
pytest7.4.2непрямапомірна29.0.3
requests2.31.0непрямапомірна62.33.0
sanic22.9.0непрямапомірна125.12.1
tqdm4.66.1непряманизька24.66.3
datasets2.13.0непряманевідома15.0.1
datasets2.14.7непряманевідома15.0.1

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 hpcaitech/ColossalAI. Читати поруч →

96deepspeedai/DeepSpeedDeepSpeed is a deep learning optimization library that makes distributed training and inference easy, efficient, and effective.Винятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий100huggingface/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. Винятковий100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingВинятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий

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.