Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-10-08 21:52 UTC

vllm-project / speculators

A unified library for building, evaluating, and storing speculative decoding algorithms for LLM inference in vLLM

PythonApache-2.0★ 865 зірок⑂ 247 форківз квіт. 2025 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#speculative-decoding

vllm-project/speculators має індекс здоров’я 94 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (99/100), найнижчий — Security (40/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 4 учасники.

94
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»).

94
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 80 калібровано до 94 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

vLLMОрганізація
4 317 підписників50 публічних репозиторіївз черв. 2023 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIspeculators0.8.05 8442235 днів томуspeculative-decodingtransformersllminferencevllmmachine-learningdeep-learningnlplanguage-modelsservingstandard-formatproductizationdecoding-algorithmsinference-server
PyPIhs-connectors0.8.01 515435 днів томуhidden-statesspeculative-decodingspeculatorsvllmllminferencetrainingonline-trainingoffline-trainingsafetensorsmooncakedistributed-training

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 — 578 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year578
human_commit_share0,9
days_since_last_push0
active_weeks_last_year51

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 13 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
27/27Ритм релізів — реліз кожні ~24,2 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count13
latest_release_tagv0.6.0.2
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases24,2

Спільнота та впровадження

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

77Добрий · 17% загального індексу

Популярність і впровадження

73Добрий
Як обчислюється оцінка
47.6/60Зірки — 865 зірок
19.9/25Форки — 247 форків
5.8/15Спостерігачі — 12 спостерігачів
Використані вхідні дані
forks247
stars865
watchers12
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

Впровадження в екосистемі (завантаження)

63Помірний
Як обчислюється оцінка
50.2/80Щомісячні завантаження — 5 844 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesspeculators
dependents—
ecosystemspypi
total_downloads—
monthly_downloads5 844
unverified_packages_excludedhs-connectors
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?

82Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

82Відмінний
Як обчислюється оцінка
43.2/54Бас-фактор — на 4 контриб’ютор(ів) припадає половина всіх комітів
17.2/22.5Розподіл комітів — головний контриб’ютор — автор 24% комітів
13.5/13.5Широта контриб’юторів — 71 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor4
contributors_sampled71
top_contributor_share0,236

Реактивність на issue та PR

75Добрий
Як обчислюється оцінка
31.4/42Вирішення issue — закрито 75% issue
23.1/30Прийняття PR — злито 682/886 вирішених PR
9.5/13Newcomer PR acceptance — злито 8/11 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs682
open_issues53
closed_issues157
prs_merged_7d10
prs_decided_7d13
prs_merged_30d37
prs_decided_30d49
issue_closed_ratio0,748
closed_unmerged_prs204
first_time_authors_30d6
first_time_prs_merged_30d8
first_time_prs_decided_30d11

Власність та опіка

74Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
25/25Охоплення власника — 4 317 підписників у vllm-project
19/25Послужний список — 50 публічних репозиторіїв, вік облікового запису ~3 р.
Використані вхідні дані
followers4 317
owner_typeOrganization
is_verifiedні
owner_loginvllm-project
public_repos50
account_age_days1 208

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 2 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 35 дн. тому
20/20Історія версій — 22 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesspeculators, hs-connectors
ecosystemspypi
any_deprecatedні
min_days_since_publish35

Інженерна якість

Чи наявні базові інженерні практики та документація?

91Відмінний · 19% загального індексу

Інженерні практики

92Відмінний
Як обчислюється оцінка
24/24Процеси CI — 3 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff])
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

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://docs.vllm.ai/projects/speculators
10/10Опис репозиторію
10/10Теми — 1 тем
0/10Wiki
Використані вхідні дані
topicsspeculative-decoding
has_wikiні
homepagehttps://docs.vllm.ai/projects/speculators
docs_sitehttps://docs.vllm.ai/projects/speculators
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

40Слабкий · 16% загального індексу

Стан безпеки

25У зоні ризику
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
25/25Конфігурація Dependabot
0/25Файли фіксації залежностей
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestshs_connectors/pyproject.toml, hs_connectors/setup.py, pyproject.toml, setup.py
has_codeql_workflowні
has_security_policyні
has_dependabot_configтак

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_packages91
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:speculators@0.8.0 — тим, що тягне за собою встановлення опублікованого пакета, — 91 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
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 90 з 90 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share1
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes1 552

Цикл верифікації (збірка / тести / перевірка типів)

89Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile, hs_connectors/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
11/11Статична перевірка типів — hs_connectors/src/hs_connectors/py.typed, src/speculators/py.typed
0/10Відтворюване середовище
10/10Підтверджена практика роботи з агентами — 18 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 10 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_filesMakefile, hs_connectors/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configshs_connectors/src/hs_connectors/py.typed, src/speculators/py.typed
agent_commit_share0,18
toolchain_manifests—
dependency_bot_commit_share0,1

Читабельність коду для моделей

82Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (hs_connectors/src/hs_connectors/py.typed, src/speculators/py.typed)
55/55Керовані розміри файлів — 0/260 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes40 332
source_files_sampled260
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

865зірок GitHub
71контриб'юторів
578комітів за останні 12 місяців
0днів від останнього пушу
13релізів
4бас-фактор
53відкритих 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 20 authors (cap 12)
  • 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 ★ / 247 ⇿
0Зірки
247Форки
11Релізи

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.

05010015020025024282025-072026-022026-10
Мажорні 0Мінорні 8Патчі 0

Кожна точка охоплює 2 днів.

Прямі залежності 2
РеєстрПакетОбмеження версіїМаніфест
PyPIsafetensors—hs_connectors/pyproject.toml
PyPItorch>=2.6hs_connectors/pyproject.toml
Усі залежності 46

Повний розв'язаний набір залежностей із графа залежностей GitHub: 1 прямих і 45 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPItorch—пряма
PyPIbuild—непряма
PyPIguidellm—непряма
PyPImarkdown—непряма
PyPImatplotlib—непряма
PyPImdformat—непряма
PyPImdformat-admon—непряма
PyPImdformat-footnote—непряма
PyPImdformat-frontmatter—непряма
PyPImdformat-gfm—непряма
PyPImdformat-gfm-alerts—непряма
PyPImike—непряма
PyPImkdocs—непряма
PyPImkdocs-api-autonav—непряма
PyPImkdocs-awesome-nav—непряма
PyPImkdocs-gen-files—непряма
PyPImkdocs-linkcheck—непряма
PyPImkdocs-material—непряма
PyPImkdocs-minify-plugin—непряма
PyPImkdocs-nav-weight—непряма
PyPImkdocs-redirects—непряма
PyPImkdocs-section-index—непряма
PyPImkdocstrings-python—непряма
PyPImooncake-transfer-engine—непряма
PyPImooncake-transfer-engine-cuda13—непряма
PyPImypy—непряма
PyPInumpy—непряма
PyPIpre-commit—непряма
PyPIpygments—непряма
PyPIpymdown-extensions—непряма
PyPIpytest—непряма
PyPIpytest-asyncio—непряма
PyPIpytest-cov—непряма
PyPIpytest-mock—непряма
PyPIpytest-rerunfailures—непряма
PyPIruff—непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIsetuptools—непряма
PyPIsetuptools-git-versioning—непряма
PyPIspeculators—непряма
PyPIsphinx—непряма
PyPItypes-click—непряма
PyPItypes-pyyaml—непряма
PyPItypes-requests—непряма
PyPIvllm—непряма
Сповіщення про залежності 0

Встановлення pypi:speculators@0.8.0 тягне 91 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 vllm-project/speculators. Читати поруч →

100huggingface/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. Винятковий97xorbitsai/inferenceSwap GPT for any LLM by changing a single line of code. Xinference lets you run open-source, speech, and multimodal models on cloud, on-prem, or your laptop — all through one unified, production-ready inference API.Винятковий99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Винятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий98Unstructured-IO/unstructuredConvert documents to structured data effortlessly. Unstructured is open-source ETL solution for transforming complex documents into clean, structured formats for language models. Visit our website to learn more about our enterprise grade Platform product for production grade workflows, partitioning, enrichments, chunking and embedding.Винятковий98kvcache-ai/MooncakeMooncake is the serving platform for Kimi, a leading LLM service provided by Moonshot AI.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.