Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-28 01:55 UTC

intel / neural-compressor

SOTA low-bit LLM quantization (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) & sparsity; leading model compression techniques on PyTorch, TensorFlow, and ONNX Runtime

PythonApache-2.0★ 2 712 зірок⑂ 325 форківз лип. 2020 р.Переглянути на GitHub ↗
#low-precision#pruning#sparsity#auto-tuning#knowledge-distillation#quantization#quantization-aware-training#post-training-quantization#smoothquant#large-language-models#awq#fp4#gptq#int4#int8#mxformat#sparsegpt

intel/neural-compressor має індекс здоров’я 96 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (96/100), найнижчий — Security (44/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 9 учасників.

96
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»).

96
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 84 калібровано до 96 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Intel® CorporationОрганізація
5 603 підписники1 362 публічні репозиторіїз бер. 2016 р.

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

Метрики за категоріями

Життєздатність

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

96Винятковий · 21% загального індексу

Активність розробки

98Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
33.9/36Ритм комітів — 49/52 тижнів із комітами
18/18Обсяг комітів — 230 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year230
human_commit_share0,98
days_since_last_push0
active_weeks_last_year49

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 48 релізів
36/36Свіжість релізів — останній реліз 88 дн. тому
19.8/27Ритм релізів — реліз кожні ~76,5 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count48
latest_release_tagv3.9
releases_from_tagsні
days_since_latest_release88
mean_days_between_releases76,5

Спільнота та впровадження

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

88Відмінний · 17% загального індексу

Популярність і впровадження

85Відмінний
Як обчислюється оцінка
55.7/60Зірки — 2 712 зірок
20.9/25Форки — 325 форків
8.4/15Спостерігачі — 33 спостерігачів
Використані вхідні дані
forks325
stars2 712
watchers33
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_badges4
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesshields.io
has_pull_request_templateтак

Сталість та врядування

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

91Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

98Винятковий
Як обчислюється оцінка
54/54Бас-фактор — на 9 контриб’ютор(ів) припадає половина всіх комітів
20.4/22.5Розподіл комітів — головний контриб’ютор — автор 10% комітів
13.5/13.5Широта контриб’юторів — 97 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor9
contributors_sampled97
top_contributor_share0,095

Реактивність на issue та PR

93Винятковий
Як обчислюється оцінка
41.6/42Вирішення issue — закрито 99% issue
25.2/30Прийняття PR — злито 1 957/2 334 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs1 957
open_issues2
closed_issues227
prs_merged_7d4
prs_decided_7d4
prs_merged_30d29
prs_decided_30d31
issue_closed_ratio0,991
closed_unmerged_prs377
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

80Відмінний
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
25/25Охоплення власника — 5 603 підписників у intel
25/25Послужний список — 1 362 публічних репозиторіїв, вік облікового запису ~10 р.
Використані вхідні дані
followers5 603
owner_typeOrganization
is_verifiedні
owner_loginintel
public_repos1 362
account_age_days3 847

Інженерна якість

Чи наявні базові інженерні практики та документація?

95Винятковий · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 6 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
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://intel.github.io/neural-compressor/
10/10Опис репозиторію
10/10Теми — 17 тем
10/10Wiki
Використані вхідні дані
topicslow-precision, pruning, sparsity, auto-tuning, knowledge-distillation, quantization, quantization-aware-training, post-training-quantization, smoothquant, large-language-models, awq, fp4, gptq, int4, int8, mxformat, sparsegpt
has_wikiтак
homepagehttps://intel.github.io/neural-compressor/
docs_sitehttps://intel.github.io/neural-compressor/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

44Слабкий · 16% загального індексу

Стан безпеки

30У зоні ризику
Як обчислюється оцінка
30/30Політика безпеки (SECURITY.md)
0/25Конфігурація Dependabot
0/25Файли фіксації залежностей
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestspyproject.toml, requirements_jax.txt, requirements_pt.txt, requirements_tf.txt, setup.cfg, setup.py
has_codeql_workflowні
has_security_policyтак
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
advisories2
affected_packages1
assessed_packages26
unassessed_packages96
affected_by_severityhigh 1
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 26 резолвлених залежностей із OSV. 96 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.

84Відмінний · 4% загального індексу

Контекст і настанови для агентів

85Відмінний
Як обчислюється оцінка
45/45Інструкції для агентів — .github/copilot-instructions.md
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 91 з 98 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,929
agent_instruction_files.github/copilot-instructions.md
agent_instruction_max_bytes5 386

Цикл верифікації (збірка / тести / перевірка типів)

88Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — docs/build_docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
0/11Статична перевірка типів
10/10Відтворюване середовище — Dockerfile
10/10Підтверджена практика роботи з агентами — 8 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 1 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesdocs/build_docs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0,08
toolchain_manifests—
dependency_bot_commit_share0,01

Читабельність коду для моделей

54Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
53.9/55Керовані розміри файлів — 11/557 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes1 931 245
source_files_sampled557
oversized_source_files11

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

2 712зірок GitHub
97контриб'юторів
230комітів за останні 12 місяців
0днів від останнього пушу
48релізів
9бас-фактор
2відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/28 01:54:39 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 ★ / 325 ⇿
0Зірки
325Форки
47Релізи

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.

012525037531962020-082023-092026-09
Мажорні 0Мінорні 0Патчі 14

Кожна точка охоплює 6 днів.

Усі залежності 122

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 122 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIaccelerate—непряма
PyPIauto-round—непряма
PyPIauto-round-lib—непряма
PyPIav12.1.0непряма
PyPIboto3—непряма
PyPIclip0.2.0непряма
PyPIcompressed-tensors—непряма
PyPIconformer—непряма
PyPIcython—непряма
PyPIdashscope—непряма
PyPIdatasets—непряма
PyPIdecord—непряма
PyPIdeprecated—непряма
PyPIdetectron2—непряма
PyPIdiffusers—непряма
PyPIdiffusers0.38.0непряма
PyPIdreamsim—непряма
PyPIeasydict—непряма
PyPIeinops—непряма
PyPIexpecttest—непряма
PyPIfairscale—непряма
PyPIftfy—непряма
PyPIfvcore—непряма
PyPIgdown—непряма
PyPIgdown4.7.3непряма
PyPIhf-transfer—непряма
PyPIhuggingface-hub—непряма
PyPIhydra-core—непряма
PyPIhyperpyyaml—непряма
PyPIimageio—непряма
PyPIimageio-ffmpeg—непряма
PyPIinflect—непряма
PyPIintel-extension-for-tensorflow—непряма
PyPIjax—непряма
PyPIkeras—непряма
PyPIkeras-hub—непряма
PyPIlibrosa—непряма
PyPIlightning—непряма
PyPIlm-eval—непряма
PyPIlm-eval0.4.3непряма
PyPIloguru—непряма
PyPIlvis—непряма
PyPImatplotlib—непряма
PyPImodelscope—непряма
PyPIneural-compressor—непряма
PyPIneural-compressor-jax—непряма
PyPIneural-compressor-pt—непряма
PyPInumba—непряма
PyPInumpy—непряма
PyPIomegaconf—непряма
PyPIonnxruntime—непряма
PyPIopenai-clip—непряма
PyPIopenai-whisper—непряма
PyPIopencv-python-headless—непряма
PyPIoptimum-habana1.14.1непряма
PyPIpackaging—непряма
PyPIpandas—непряма
PyPIpandas2.2.2непряма
PyPIpeft—непряма
PyPIpillow—непряма
PyPIprettytable—непряма
PyPIprotobuf—непряма
PyPIpsutil—непряма
PyPIpy-cpuinfo—непряма
PyPIpyarrow—непряма
PyPIpycocoevalcap—непряма
PyPIpycocotools—непряма
PyPIpydantic—непряма
PyPIpyiqa—непряма
PyPIpyre-extensions—непряма
PyPIpytest—непряма
PyPIpyworld—непряма
PyPIpyyaml—непряма
PyPIrecommonmark0.7.1непряма
PyPIrequests—непряма
PyPIrich—непряма
PyPIsafetensors—непряма
PyPIsafetensors0.8.0rc0непряма
PyPIschema—непряма
PyPIscikit-image—непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIsentencepiece—непряма
PyPIsentencepiece0.2.1непряма
PyPIsetuptools—непряма
PyPIsetuptools-scm9.2.2непряма
PyPIsphinx8.2.3непряма
PyPIsphinx-autoapi3.6.1непряма
PyPIsphinx-autobuild2025.8.25непряма
PyPIsphinx-markdown-tables0.0.17непряма
PyPIsphinx-md0.0.4непряма
PyPIsphinx-rtd-theme3.0.2непряма
PyPIsphinxcontrib-jquery4.1непряма
PyPIsphinxemoji0.3.1непряма
PyPItabulate—непряма
PyPItabulate0.10.0непряма
PyPItbb—непряма
PyPItensorboard—непряма
PyPItensorboardx—непряма
PyPItensorflow—непряма
PyPItimm—непряма
PyPItokenizers—непряма
PyPItorch—непряма
PyPItorch2.13.0непряма
PyPItorch-fidelity—непряма
PyPItorchao—непряма
PyPItorchao0.17.0непряма
PyPItorchaudio—непряма
PyPItorchmetrics—непряма
PyPItorchmetrics1.8.2непряма
PyPItorchsde0.2.6непряма
PyPItorchsnapshot—непряма
PyPItorchvision—непряма
PyPItorchvision0.28.0непряма
PyPItqdm—непряма
PyPItransformers—непряма
PyPItransformers5.10.1непряма
PyPIurllib3—непряма
PyPIwandb—непряма
PyPIwetext—непряма
PyPIwget—непряма
PyPIwheel—непряма
Сповіщення про залежності 1

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 26 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 1 мають відомі сповіщення, з них 0 прямі. 96 не вдалося оцінити — немає резолвленої версії, непідтримувана екосистема або поза наведеним переліком пакетів.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
gdown4.7.3непрямависока25.2.2

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 intel/neural-compressor. Читати поруч →

98vllm-project/llm-compressorTransformers-compatible library for applying various compression algorithms to LLMs for optimized deployment with vLLMВинятковий98openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inferenceВинятковий91ModelCloud/GPTQModelLLM model quantization (compression) toolkit with HW acceleration support for Nvidia, AMD, Intel GPU and Intel/AMD/Apple CPU via HF, vLLM, and SGLang.Відмінний78Sahil170595/quantfitQuantize an LLM and check it still refuses what it should — a GPU-aware quantization CLI that measures the safety drift of the quantization it just performed.Добрий98pytorch/aoPyTorch native quantization for training and inferenceВинятковий95intel/auto-roundA SOTA quantization toolkit for high-accuracy low-bit LLM inference|简洁且高效的量化工具包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.