公开记录
软件健康报告模式 0.34.0 · 指标 2.10.0 · 2026-09-17 07:40 UTC

NVIDIA / Model-Optimizer

A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.

PythonApache-2.0★ 3,818 星标⑂ 600 复刻始于 2024年4月在 GitHub 上查看 ↗
类型库如何判定

NVIDIA/Model-Optimizer 的健康指数为 100 分中的 98 分，处于「卓越」区间。 其得分最高的类别是Vitality（100/100），最低的是Security（52/100）。 最近一次更新在今天。 近期的大部分工作由 7 位贡献者完成。

98
总分 / 100
卓越

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。

98
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 86 经校准后在公布的指数量表上为 98（记录校准 2026-08-02）。

所有权

NVIDIA Corporation组织 · 域名已验证
30,142 关注者803 个公开仓库始于 2012年5月

该仓库由组织支持——共同承担、可问责的托管责任，可延续于任何单一维护者之后。

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
PyPInvidia-modelopt0.46.1326,565397 天前

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？

100卓越 · 占总体的 21%

开发活跃度

100卓越
评分方式
36/36推送新近度 — 最近一次推送于 0 天前
36/36提交节奏 — 52 周中有 52 周有提交
18/18提交量 — 最近一年 1,131 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year1,131
human_commit_share0.97
days_since_last_push0
active_weeks_last_year52

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 48 个发布版本
36/36发布时效 — 最近一次发布版本于 7 天前
27/27发布节奏 — 约每 7.8 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count48
latest_release_tag0.47.0rc1
releases_from_tags否
days_since_latest_release7
mean_days_between_releases7.8

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？

91优秀 · 占总体的 17%

流行度与采用

90优秀
评分方式
58.1/60星标 — 3,818 个星标
23.1/25复刻 — 600 个复刻
8.3/15关注者 — 32 位关注者
所用输入
forks600
stars3,818
watchers32
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

92优秀
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（Apache-2.0）
18/18CONTRIBUTING 指南
13.5/13.5行为准则
0/7.2议题模板
6.3/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges3
has_contributing是
has_issue_template否
has_code_of_conduct是
readme_badge_servicesshields.io
has_pull_request_template是

生态采用（下载量）

92优秀
评分方式
73.5/80月度下载量 — pypi 合计每月 326,565 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
packagesnvidia-modelopt
dependents—
ecosystemspypi
total_downloads—
monthly_downloads326,565
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？

93卓越 · 占总体的 23%

维护者韧性（巴士系数）

91优秀
评分方式
51.3/54巴士系数 — 7 位贡献者贡献了半数提交
17.1/22.5提交分布 — 头号贡献者编写了 24% 的提交
13.5/13.5贡献者广度 — 86 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor7
contributors_sampled86
top_contributor_share0.241

议题与 PR 响应能力

82优秀
评分方式
33/42议题解决 — 78% 的议题已关闭
23.5/30PR 接受 — 已裁定的 PR 中 1,335/1,705 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_prs1,335
open_issues94
closed_issues343
prs_merged_7d40
prs_decided_7d59
prs_merged_30d40
prs_decided_30d59
issue_closed_ratio0.785
closed_unmerged_prs370
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

所有权与托管责任

100卓越
评分方式
30/30所有权背书 — 组织持有
20/20已验证域名
25/25所有者影响力 — NVIDIA 有 30,142 位关注者
25/25既往记录 — 803 个公开仓库，账户约 14 年
所用输入
followers30,142
owner_typeOrganization
is_verified是
owner_loginNVIDIA
public_repos803
account_age_days5,242

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 7 天前
20/20版本历史 — 39 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
packagesnvidia-modelopt
ecosystemspypi
any_deprecated否
min_days_since_publish7

工程质量

基础的工程与文档实践是否到位？

87优秀 · 占总体的 19%

工程实践

92优秀
评分方式
24/24CI 工作流 — 13 个工作流
24/24存在测试
16/16Linter 配置 — pyproject.toml ([tool.ruff])
9.6/9.6Pre-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是
has_precommit_config是

文档

80优秀
评分方式
30/30README
25/25文档目录
15/15文档 / 主页站点 — https://nvidia.github.io/Model-Optimizer/
10/10仓库描述
0/10主题标签
0/10Wiki
所用输入
topics—
has_wiki否
homepagehttps://nvidia.github.io/Model-Optimizer/
docs_sitehttps://nvidia.github.io/Model-Optimizer/
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？

52中等 · 占总体的 16%

安全态势

40薄弱
评分方式
30/30安全策略（SECURITY.md）
0/25Dependabot 配置
0/25依赖锁定文件 — 已发布的类库——锁定文件属于应用层关注点，不作要求
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfilesuv.lock
manifestspyproject.toml
has_codeql_workflow否
has_security_policy是
has_dependabot_config否
已排除计分（无数据或不适用）：依赖锁定文件。 其余权重已重新归一化。

依赖安全公告

100卓越
评分方式
35/35直接依赖不含已知公告 — 没有直接依赖携带已知公告
25/25间接依赖不含已知公告 — 没有间接依赖携带已知公告
0/40没有长期未处理的公告 — 没有公告带有发布日期
所用输入
sourceosv
advisories0
affected_packages0
assessed_packages49
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
已排除计分（无数据或不适用）：没有长期未处理的公告。 其余权重已重新归一化。 比对的是 pypi:nvidia-modelopt@0.46.1 的运行时依赖闭包——安装已发布的软件包时真正被拉取进来的内容——共 49 个软件包。 未对可达性进行分析。

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。

85优秀 · 占总体的 4%

AI 代理上下文与指引

100卓越
评分方式
45/45代理指令 — AGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
15/15机器可读文档（llms.txt） — 项目网站提供 llms.txt（https://docs.nvidia.com/llms.txt）
40/40可读的提交历史 — 97 次人类提交中有 97 次说明了意图（结构化标题或解释性正文）
所用输入
has_llms_txt是
llms_txt_urlhttps://docs.nvidia.com/llms.txt
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md, tools/debugger/CLAUDE.md, tools/launcher/CLAUDE.md
agent_instruction_max_bytes3,952

验证循环（构建 / 测试 / 类型检查）

79良好
评分方式
18/18一条命令的引导启动 — noxfile.py
22/22自动化测试
11/11Lint / 格式化配置 — pyproject.toml ([tool.ruff])
0/11静态类型检查
10/10可复现环境 — Dockerfile, lockfile
10/10已体现的代理实践 — 最近 100 次提交中有 40 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
lockfilesuv.lock
has_dockerfile是
typed_language否
bootstrap_filesnoxfile.py
has_devcontainer否
has_linter_config是
typecheck_configs—
agent_commit_share0.4
toolchain_manifests—
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 1,299 个源文件中有 33 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes114,583
source_files_sampled1,299
oversized_source_files33

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
20/20MCP 服务器
40/40可运行示例 — examples, notebooks, recipes
所用输入
example_dirsexamples, notebooks, recipes
has_mcp_signal是
api_schema_files—
interfaces_expected_of—
已排除计分（无数据或不适用）：API 模式（OpenAPI/GraphQL/proto）。 其余权重已重新归一化。

关键数据

3,818GitHub 星标
86贡献者
1,131最近 12 个月提交数
0距最近推送天数
48发布版本数
7巴士系数（bus factor）
94开放议题
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
  • First-time contributor figures cover 12 of 16 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/17 07:39:00 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 ★ / 600 ⇿
0Star
600Fork
48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。

0100200300400500600590132024-052025-072026-09
主版本 0次版本 16修订 6

每个点涵盖 3 天。

直接依赖 15
注册表软件包版本约束清单文件
PyPIninja—pyproject.toml
PyPInumpy—pyproject.toml
PyPInvidia-ml-py>=12pyproject.toml
PyPIpackaging—pyproject.toml
PyPIsetuptools>=80pyproject.toml
PyPItorch>=2.8pyproject.toml
PyPItqdm—pyproject.toml
PyPIPyYAML>=6.0pyproject.toml
PyPIomegaconf>=2.3.0pyproject.toml
PyPIpulp<4.0pyproject.toml
PyPIpydantic>=2.0pyproject.toml
PyPIregex—pyproject.toml
PyPIrich—pyproject.toml
PyPIsafetensors—pyproject.toml
PyPIscipy—pyproject.toml
全部依赖 303

来自 GitHub 依赖图的完整解析依赖集合：32 个直接依赖与 271 个间接（传递）软件包。仓库提交锁文件时，传递闭包才是完整的。

注册表软件包版本关系
PyPIninja1.13.2直接
PyPInumpy—直接
PyPInumpy1.23.5直接
PyPInumpy1.26.4直接
PyPInumpy2.2.6直接
PyPInumpy2.4.6直接
PyPInumpy2.5.3直接
PyPInvidia-ml-py13.610.43直接
PyPIomegaconf—直接
PyPIomegaconf2.3.1直接
PyPIpackaging26.3直接
PyPIpulp3.3.2直接
PyPIpydantic—直接
PyPIpydantic2.13.5直接
PyPIpyyaml6.0.3直接
PyPIregex2026.9.10直接
PyPIrich—直接
PyPIrich15.0.0直接
PyPIsafetensors—直接
PyPIsafetensors0.8.0直接
PyPIscipy—直接
PyPIscipy1.15.3直接
PyPIscipy1.17.1直接
PyPIscipy1.18.1直接
PyPIsetuptools—直接
PyPIsetuptools84.0.0直接
PyPItorch—直接
PyPItorch2.14.0直接
PyPItorch2.7.0+cu128直接
PyPItqdm—直接
PyPItqdm4.66.5直接
PyPItqdm4.70.1直接
PyPIaccelerate—间接
PyPIaccelerate1.15.0间接
PyPIaccelerate1.4.0间接
PyPIaiohappyeyeballs2.7.1间接
PyPIaiohttp3.14.3间接
PyPIaiosignal1.4.0间接
PyPIalabaster1.0.0间接
PyPIannotated-doc0.0.5间接
PyPIannotated-types0.8.0间接
PyPIantlr4-python3-runtime4.9.3间接
PyPIanyio4.15.1间接
PyPIargcomplete3.7.2间接
PyPIast-serialize0.11.2间接
PyPIasync-timeout5.0.1间接
PyPIattrs26.1.0间接
PyPIautodoc-pydantic2.2.0间接
PyPIav20.2.1间接
PyPIbabel2.18.0间接
PyPIbandit1.7.9间接
PyPIboto3—间接
PyPIbotocore—间接
PyPIcachetools7.1.8间接
PyPIcertifi2026.7.22间接
PyPIcffi2.1.1间接
PyPIcfgv3.5.0间接
PyPIcharset-normalizer3.5.1间接
PyPIclick8.5.0间接
PyPIcloudpickle3.1.2间接
PyPIcolorama0.4.6间接
PyPIcoloredlogs15.0.1间接
PyPIcolorlog6.12.0间接
PyPIcompressed-tensors—间接
PyPIcoverage7.14.3间接
PyPIcppimport26.4.17间接
PyPIcryptography50.0.1间接
PyPIcuda-pathfinder1.8.1间接
PyPIcupy-cuda12x14.2.0间接
PyPIdatabricks-sdk0.139.0间接
PyPIdatasets—间接
PyPIdatasets2.19.0间接
PyPIdatasets4.4.2间接
PyPIdatasets5.0.1间接
PyPIdeepspeed0.19.6间接
PyPIdefusedxml0.7.1间接
PyPIdependency-groups1.3.2间接
PyPIdescartes1.1.0间接
PyPIdiffusers0.40.0间接
PyPIdill0.4.1间接
PyPIdistlib0.4.3间接
PyPIdocutils0.22.4间接
PyPIeinops0.8.1间接
PyPIeinops0.8.2间接
PyPIevaluate—间接
PyPIexceptiongroup1.3.1间接
PyPIfastapi0.141.1间接
PyPIfilelock3.32.6间接
PyPIfire—间接
PyPIfire0.6.0间接
PyPIfire0.7.1间接
PyPIflash-attn—间接
PyPIflash-attn0.2.8间接
PyPIflatbuffers25.12.19间接
PyPIfrozenlist1.8.0间接
PyPIfsspec2026.6.0间接
PyPIgitdb4.0.12间接
PyPIgitpython3.1.62间接
PyPIgoogle-auth2.58.0间接
PyPIh110.16.0间接
PyPIhf-xet1.6.0间接
PyPIhjson3.1.0间接
PyPIhttpcore1.0.9间接
PyPIhttpx0.28.1间接
PyPIhuggingface-hub1.31.0间接
PyPIhumanfriendly10.0间接
PyPIhumanize4.16.0间接
PyPIhydra-core1.3.6间接
PyPIidentify2.6.19间接
PyPIidna3.19间接
PyPIimagesize2.0.1间接
PyPIimmutabledict4.3.1间接
PyPIimportlib-metadata9.0.1间接
PyPIiniconfig2.3.0间接
PyPIipywidgets—间接
PyPIjinja23.1.6间接
PyPIjiwer—间接
PyPIjoblib1.6.0间接
PyPIkernels—间接
PyPIkornia0.6.12间接
PyPIlibrosa—间接
PyPIlibrt0.15.0间接
PyPIlief1.0.0间接
PyPIliger-kernel—间接
PyPIlm-eval—间接
PyPIlru-dict1.4.1间接
PyPIltx-core—间接
PyPIltx-pipelines—间接
PyPIltx-trainer—间接
PyPIlyft-dataset-sdk0.0.8间接
PyPImako1.4.1间接
PyPImarkdown-it-py4.2.0间接
PyPImarkupsafe3.0.3间接
PyPImath-verify—间接
PyPImcp—间接
PyPImdurl0.1.2间接
PyPIml-dtypes0.6.0间接
PyPImlflow-skinny—间接
PyPImlflow-skinny3.16.0间接
PyPImmcv-full1.7.0间接
PyPImmdet2.28.2间接
PyPImmdet3d1.0.0rc6间接
PyPImmsegmentation0.30.0间接
PyPImpmath1.3.0间接
PyPImsgpack1.2.2间接
PyPImultidict6.8.0间接
PyPImultiprocess0.70.19间接
PyPImypy2.1.0间接
PyPImypy-extensions1.1.0间接
PyPInemo-automodel—间接
PyPInemo-run—间接
PyPInetworkx3.4.2间接
PyPInetworkx3.6.1间接
PyPInltk3.10.3间接
PyPInodeenv1.10.0间接
PyPInox2026.8.17间接
PyPInuscenes-devkit1.1.11间接
PyPInvidia-modelopt—间接
PyPInvtx—间接
PyPIonnx1.17.0间接
PyPIonnx1.21.0间接
PyPIonnx-graphsurgeon0.6.1间接
PyPIonnx-ir1.0.0间接
PyPIonnxconverter-common1.16.0间接
PyPIonnxruntime1.19.2间接
PyPIonnxruntime1.22.1间接
PyPIonnxruntime1.24.4间接
PyPIonnxruntime-ep-nv-tensorrt-rtx-cu130.4.0间接
PyPIonnxruntime-genai—间接
PyPIonnxruntime-gpu1.20.1间接
PyPIonnxruntime-gpu1.22.0间接
PyPIonnxruntime-gpu1.23.2间接
PyPIonnxruntime-gpu1.24.4间接
PyPIonnxscript0.7.2间接
PyPIonnxsim0.5.0间接
PyPIonnxslim0.1.96间接
PyPIopenai—间接
PyPIopencv-python—间接
PyPIopencv-python4.5.5.64间接
PyPIopencv-python-headless—间接
PyPIopentelemetry-api1.44.0间接
PyPIopentelemetry-proto1.44.0间接
PyPIopentelemetry-sdk1.44.0间接
PyPIopentelemetry-semantic-conventions0.65b0间接
PyPIoptimum—间接
PyPIoptimum1.23.3间接
PyPIpandas—间接
PyPIpandas2.2.2间接
PyPIpandas2.3.3间接
PyPIpandas3.0.5间接
PyPIpathspec1.1.1间接
PyPIpeft—间接
PyPIpeft0.18.1间接
PyPIpeft0.20.0间接
PyPIpillow12.3.0间接
PyPIplatformdirs4.11.8间接
PyPIpluggy1.6.0间接
PyPIpolygraphy0.53.4间接
PyPIpre-commit4.6.0间接
PyPIpropcache0.5.2间接
PyPIprotobuf6.33.6间接
PyPIpsutil—间接
PyPIpsutil7.2.2间接
PyPIpy-cpuinfo9.0.0间接
PyPIpy7zr—间接
PyPIpyarrow—间接
PyPIpyarrow25.0.1间接
PyPIpyasn10.6.4间接
PyPIpyasn1-modules0.4.2间接
PyPIpybind113.1.0间接
PyPIpycparser3.0间接
PyPIpydantic-core2.46.5间接
PyPIpydantic-settings2.15.0间接
PyPIpygments2.21.0间接
PyPIpygments-styles0.3.0间接
PyPIpyparsing3.3.2间接
PyPIpyquaternion0.9.9间接
PyPIpyreadline33.5.6间接
PyPIpytest9.1.1间接
PyPIpytest-cov7.1.0间接
PyPIpytest-instafail0.5.0间接
PyPIpytest-timeout2.4.0间接
PyPIpython-dateutil2.9.0.post0间接
PyPIpython-discovery1.6.0间接
PyPIpython-dotenv1.2.3间接
PyPIpytz2026.3.post1间接
PyPIray—间接
PyPIrefile0.4.1间接
PyPIrequests2.34.2间接
PyPIroman-numerals4.1.0间接
PyPIruff0.15.20间接
PyPIrwkv—间接
PyPIseaborn—间接
PyPIsentencepiece—间接
PyPIsentencepiece0.2.2间接
PyPIshapely1.8.5.post1间接
PyPIshellingham1.5.4间接
PyPIshibuya2026.7.12间接
PyPIsix1.17.0间接
PyPIsmmap5.0.3间接
PyPIsnowballstemmer3.1.1间接
PyPIsoundfile—间接
PyPIsphinx9.1.0间接
PyPIsphinx-argparse0.6.1间接
PyPIsphinx-autobuild2025.8.25间接
PyPIsphinx-copybutton0.5.2间接
PyPIsphinx-inline-tabs2025.12.21.14间接
PyPIsphinx-togglebutton0.4.5间接
PyPIsphinxcontrib-applehelp2.0.0间接
PyPIsphinxcontrib-devhelp2.0.0间接
PyPIsphinxcontrib-htmlhelp2.1.0间接
PyPIsphinxcontrib-jsmath1.0.1间接
PyPIsphinxcontrib-qthelp2.0.0间接
PyPIsphinxcontrib-serializinghtml2.0.0间接
PyPIsqlparse0.6.0间接
PyPIstarlette1.6.0间接
PyPIstevedore5.8.0间接
PyPIstevedore5.9.1间接
PyPIsympy1.14.0间接
PyPItensorboard—间接
PyPItensorboardx—间接
PyPItermcolor3.3.0间接
PyPItiktoken—间接
PyPItiktoken0.14.0间接
PyPItiktoken0.7.0间接
PyPItimm—间接
PyPItimm1.0.29间接
PyPItokenizers—间接
PyPItokenizers0.22.2间接
PyPItomli2.4.1间接
PyPItorch-geometric2.8.0.post1间接
PyPItorch-tensorrt—间接
PyPItorchao—间接
PyPItorchaudio2.7.0+cu128间接
PyPItorchprofile0.0.4间接
PyPItorchvision—间接
PyPItorchvision0.29.0间接
PyPItrackio—间接
PyPItransformers—间接
PyPItransformers4.57.3间接
PyPItransformers5.14.1间接
PyPItransformers-stream-generator—间接
PyPItrimesh2.35.39间接
PyPItrl—间接
PyPItypeguard4.6.0间接
PyPItyper0.27.2间接
PyPItyping-extensions4.16.0间接
PyPItyping-inspection0.4.4间接
PyPItzdata2026.4间接
PyPIurllib32.7.0间接
PyPIuv0.12.13间接
PyPIuvicorn0.53.0间接
PyPIvirtualenv21.7.9间接
PyPIwandb—间接
PyPIwatchfiles1.2.0间接
PyPIwebsockets17.1间接
PyPIwheel0.48.0间接
PyPIwonderwords3.0.1间接
PyPIxxhash4.0.1间接
PyPIyapf0.32.0间接
PyPIyarl1.24.5间接
PyPIzipp4.1.0间接
PyPIzstandard—间接
依赖安全公告 0

安装 pypi:nvidia-modelopt@0.46.1 会引入 49 个包（直接与传递）：其中 0 个存在已知公告，0 个为直接依赖。

没有已知公告影响已评估的依赖。

公告表示依赖图中记录的版本落入某条公告的受影响范围。可达性未经分析，且依赖图包含开发与测试的版本固定——某项发现可能只涉及工具链而非交付的软件。

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 NVIDIA/Model-Optimizer 共享目录标签或生态系统的已检测仓库。 并排阅读 →

100mlco2/codecarbonTrack emissions from Compute and recommend ways to reduce their impact on the environment.卓越100home-assistant/frontend:lollipop: Frontend for Home Assistant卓越100uxlfoundation/oneDNNOpen-source library of optimized deep learning operations (matmul, convolution, attention) for CPUs (x64, AArch64, RISC-V) and Intel GPUs. Used by PyTorch, TensorFlow, OpenVINO, and ONNX Runtime.卓越100python/cpythonThe Python programming language卓越100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.卓越100risingwavelabs/risingwaveEvent streaming platform for agentic AI. Continuously ingest, transform, and serve event streams in real time, at scale.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 v0.34.0—— 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.