公开记录
软件健康报告模式 0.32.0 · 指标 2.10.0 · 2026-08-20 06:39 UTC

FedericoTs / quantprobe

Run a 110B on a 2016 PC with 16 GB RAM. Know your tok/s before you download. Placement beats budget: predicts speed + memory fit for any GGUF on your exact hardware, self-calibrates, emits the exact llama.cpp command — or 'quantprobe auto' does it all. Falsification-tested laws; misses published at full size. pip install quantprobe

PythonMIT★ 86 星标⑂ 8 复刻始于 2026年7月在 GitHub 上查看 ↗
类型命令行工具库如何判定
#gguf#inference#llama-cpp#llm#moe#quantization#local-llm#benchmark#performance#hardware-detection#speculative-decoding

FedericoTs/quantprobe 的健康指数为 100 分中的 63 分，处于「中等」区间。 其得分最高的类别是Vitality（78/100），最低的是Security（25/100）。 最近一次更新在今天。 近期的大部分工作由 1 位贡献者完成。

63
总分 / 100
中等

软件健康指数

指标归入加权类别，统一采用 1–100 量表。总体分先取类别加权平均，再依据公开记录的分布进行校准，使各等级具有百分位含义；当公开证据触发高风险司法辖区政策时，评级会按政策调整，并设置 34（存在风险）的上限。

63
卓越93-100公开记录中的最高层级（约前 5%）；基本满足所有检验标准
优秀80-92各方面均表现强劲；仅有少量不足
良好65-79健康；不足之处有限且可控
中等50-64可接受，但存在明显不足；建议进行审查
薄弱35-49多个领域存在实质性薄弱环节
存在风险20-34存在重大薄弱环节；采用时应保持审慎
危急1-19问题严重（项目被弃置、仅有单一维护者、缺乏基本工程规范）
活力社区与采用可持续性与治理工程质量安全AI 就绪度

评分画像

每条轴代表一个类别。形状比平均值更重要——健康的对象会填满整个图形，而“一峰一谷”式画像意味着某一维度的优势正掩盖另一维度的风险。

加权总体分 59 经校准后在公布的指数量表上为 63（记录校准 2026-08-02）。

所有权

FedeS个人账户
4 关注者8 个公开仓库始于 2018年8月

该仓库由个人账户拥有。相较于组织支持的项目，单一所有者项目的延续性风险更高。

软件包生态系统

注册表软件包版本月下载量版本数最近发布标签
PyPIquantprobe1.32.06,494530 天前llmquantizationllama.cppggufinferencemoe

按类别列示的指标

活力

项目是否仍有生命——是否仍在编写代码，是否仍在发布版本？

78良好 · 占总体的 21%

开发活跃度

64中等
评分方式
36/36推送新近度 — 最近一次推送于 0 天前
3.5/36提交节奏 — 52 周中有 5 周有提交
18/18提交量 — 最近一年 370 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year370
human_commit_share1
days_since_last_push0
active_weeks_last_year5

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 25 个发布版本
36/36发布时效 — 最近一次发布版本于 2 天前
27/27发布节奏 — 约每 2.2 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count25
latest_release_tagv1.28.2
releases_from_tags否
days_since_latest_release2
mean_days_between_releases2.2

社区与采用

项目是否拥有用户、下载量与关注度，并具备欢迎贡献者参与的配置？

56中等 · 占总体的 17%

流行度与采用

38薄弱
评分方式
31.3/60星标 — 86 个星标
7/25复刻 — 8 个复刻
0/15关注者 — 0 位关注者
所用输入
forks8
stars86
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

70良好
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（MIT）
18/18CONTRIBUTING 指南
0/13.5行为准则
0/7.2议题模板
0/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges5
has_contributing是
has_issue_template否
has_code_of_conduct否
readme_badge_servicesgithub.com, shields.io
has_pull_request_template否

生态采用（下载量）

64中等
评分方式
50.8/80月度下载量 — pypi 合计每月 6,494 次下载
0/20注册表被依赖数 — 该生态系统不报告此项
所用输入
packagesquantprobe
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6,494
unverified_packages_excluded—
已排除计分（无数据或不适用）：注册表被依赖数。 其余权重已重新归一化。

可持续性与治理

项目能否在其成员之外延续——巴士系数、响应能力、由谁支持，以及软件包的维护状况？

53中等 · 占总体的 23%

维护者韧性（巴士系数）

13危急
评分方式
9/54巴士系数 — 1 位贡献者贡献了半数提交
0.1/22.5提交分布 — 头号贡献者编写了 100% 的提交
2.7/13.5贡献者广度 — 2 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor1
contributors_sampled2
top_contributor_share0.997

议题与 PR 响应能力

75良好
评分方式
21/42议题解决 — 50% 的议题已关闭
30/30PR 接受 — 已裁定的 PR 中 1/1 已合并
13/13Newcomer PR acceptance — 30 天内首次贡献者的 PR 已合并 1/1
0/15OpenSSF Scorecard：Code-Review — 无数据
所用输入
merged_prs1
open_issues1
closed_issues1
prs_merged_7d1
prs_decided_7d1
prs_merged_30d1
prs_decided_30d1
issue_closed_ratio0.5
closed_unmerged_prs0
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

所有权与托管责任

42薄弱
评分方式
10/30所有权背书 — 个人（用户）账户
0/20已验证域名 — 不适用于个人账户
5/25所有者影响力 — FedericoTs 有 4 位关注者
18.9/25既往记录 — 8 个公开仓库，账户约 8 年
所用输入
followers4
owner_typeUser
is_verified—
owner_loginFedericoTs
public_repos8
account_age_days2,935
已排除计分（无数据或不适用）：已验证域名。 其余权重已重新归一化。

软件包维护

100卓越
评分方式
25/25已发布且可解析 — pypi 上有 1 个软件包
35/35发布时效 — 最近一次发布于 0 天前
20/20版本历史 — 53 个已发布版本
20/20未被弃用 — 活跃，未被弃用或撤回
所用输入
packagesquantprobe
ecosystemspypi
any_deprecated否
min_days_since_publish0

工程质量

基础的工程与文档实践是否到位？

76良好 · 占总体的 19%

工程实践

60中等
评分方式
24/24CI 工作流 — 2 个工作流
24/24存在测试
0/16Linter 配置
0/9.6Pre-commit 钩子
0/6.4.editorconfig
0/20OpenSSF Scorecard：CI-Tests — 无数据
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config否
has_precommit_config否

文档

100卓越
评分方式
30/30README
25/25文档目录
15/15文档 / 主页站点 — https://federicots.github.io/quantprobe/
10/10仓库描述
10/10主题标签 — 11 个主题标签
10/10Wiki
所用输入
topicsgguf, inference, llama-cpp, llm, moe, quantization, local-llm, benchmark, performance, hardware-detection, speculative-decoding
has_wiki是
homepagehttps://federicots.github.io/quantprobe/
docs_sitehttps://federicots.github.io/quantprobe/
has_readme是
has_docs_dir是
has_description是

安全

可见的安全与供应链实践是否稳固，且不存在未解决的高风险司法辖区暴露？

25存在风险 · 占总体的 16%

安全态势

25存在风险
评分方式
0/30安全策略（SECURITY.md）
0/25Dependabot 配置
25/25依赖锁定文件 — Cargo.lock
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfilesCargo.lock
manifestscmcore/Cargo.toml, pyproject.toml, requirements.txt
has_codeql_workflow否
has_security_policy否
has_dependabot_config否

AI 就绪度

该仓库在多大程度上具备与 AI 编码代理协同开发与维护的条件？权重刻意设小（4%）：代理工具链是一项真实的维护信号，但完全不具备的仓库仍可达到 100/100。

62中等 · 占总体的 4%

AI 代理上下文与指引

40薄弱
评分方式
0/45代理指令 — 没有 CLAUDE.md / AGENTS.md / 编辑器规则
0/15机器可读文档（llms.txt）
40/40可读的提交历史 — 100 次人类提交中有 100 次说明了意图（结构化标题或解释性正文）
所用输入
has_llms_txt否
llms_txt_url—
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

验证循环（构建 / 测试 / 类型检查）

67良好
评分方式
18/18一条命令的引导启动 — Makefile
22/22自动化测试
0/11Lint / 格式化配置
0/11静态类型检查
10/10可复现环境 — lockfile
10/10已体现的代理实践 — 最近 100 次提交中有 98 次由代理编写或署名代理
0/8自动化维护 — 未观察到自动依赖更新
0/10OpenSSF Scorecard：Pinned-Dependencies — 无数据
所用输入
has_nix否
has_tests是
lockfilesCargo.lock
has_dockerfile否
typed_language否
bootstrap_filesMakefile
has_devcontainer否
has_linter_config否
typecheck_configs—
agent_commit_share0.98
toolchain_manifestscmcore/Cargo.toml
dependency_bot_commit_share0

面向模型的代码可读性

54中等
评分方式
0/45可类型检查的代码 — Python，未配置类型检查
53.6/55可控的文件大小 — 采样的 269 个源文件中有 7 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes278,192
source_files_sampled269
oversized_source_files7

机器可读接口

100卓越
评分方式
0/40API 模式（OpenAPI/GraphQL/proto） — 不适用于此类软件
0/20MCP 服务器 — 不适用于此类软件
40/40可运行示例 — recipes
所用输入
example_dirsrecipes
has_mcp_signal否
api_schema_files—
interfaces_expected_of—
已排除计分（无数据或不适用）：API 模式（OpenAPI/GraphQL/proto）, MCP 服务器。 其余权重已重新归一化。

关键数据

86GitHub 星标
2贡献者
370最近 12 个月提交数
0距最近推送天数
25发布版本数
1巴士系数（bus factor）
1开放议题
crates.io, PyPI软件包生态系统数

数据采集警告

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch crates package 'cmcore' from its registry
  • GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
  • deps.dev does not index pypi:quantprobe@1.32.0; advisories assessed against the repository dependency graph instead
  • OpenSSF Scorecard did not return a usable result (2026/08/20 06:38:03 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

更多细节

Star 与 Fork 历史 0 ★ / 8 ⇿
0Star
8Fork
21发布

每颗 star 和每个 fork 的添加时间，来自 GitHub 并按天汇总。累计增长位于其构成来源——每日新增——的正上方，二者可相互对照：稳定的自然增长与短暂的突增形态截然不同。当这一差别可被衡量时，它会作为增长真实性予以报告。

2345678822026-072026-082026-08
主版本 0次版本 14修订 7
直接依赖 2
注册表软件包版本约束清单文件
PyPIgguf>=0.9pyproject.toml
PyPIrequests>=2.28pyproject.toml
全部依赖 未采集

本报告未能采集到解析后的依赖集合：GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

原始 JSON 报告 机器可读

反馈

发现这份报告有不准确之处，或有想法要分享？错误的测量、未识别的工具、建议、疑问——都欢迎提出。每条消息都会被阅读并得到回复。

登录过程中消息不会丢失。

相关记录

与 FedericoTs/quantprobe 共享目录标签或生态系统的已检测仓库。 并排阅读 →

99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMs卓越98sgl-project/sglangSGLang is a high-performance serving framework for large language models and multimodal models.卓越99ai-dynamo/dynamoA Datacenter Scale Distributed Inference Serving Framework卓越95ai-dynamo/aiconfiguratorOffline optimization of your disaggregated Dynamo graph卓越99huggingface/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. 卓越99openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inference卓越

评分是信号，而非担保。 评分反映的是 GitHub 上公开可见的实践——不是代码审计，也不是安全保证。

缺失数据将被剔除并重新归一化权重，绝不按零分计。方法论已版本化并公开：指标 v2.10.0、模式 v0.32.0—— 完整方法论 · 指标知识库.

单项结果在整体记录中的位置： 汇总统计 — PyPI.