公开记录
软件健康报告模式 0.34.0 · 指标 2.10.0 · 2026-09-14 18:49 UTC

bytedance / xpu-perf

[HPCA 2026] AI Accelerator Benchmark focuses on evaluating AI Accelerators from a practical production perspective, including the ease of use and versatility of software and hardware.

PythonApache-2.0★ 383 星标⑂ 130 复刻始于 2023年4月在 GitHub 上查看 ↗
类型网络服务如何判定

bytedance/xpu-perf 的健康指数为 100 分中的 50 分,处于「中等」区间。 其得分最高的类别是Sustainability & Governance(69/100),最低的是Security(16/100)。 最近一次更新在 145 天前。 近期的大部分工作由 2 位贡献者完成。

50
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。

50
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 50 经校准后在公布的指数量表上为 50(记录校准 2026-08-02)。

所有权

19,001 关注者418 个公开仓库始于 2013年4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。

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?

35薄弱 · 占总体的 21%

开发活跃度

29存在风险
评分方式
9.9/36推送新近度 — 最近一次推送于 145 天前
4.2/36提交节奏 — 52 周中有 6 周有提交
12.2/18提交量 — 最近一年 22 次提交
0/10OpenSSF Scorecard:Maintained — 无数据
所用输入
commits_last_year22
human_commit_share1
days_since_last_push145
active_weeks_last_year6

发布纪律

44薄弱
评分方式
27/27有发布版本 — 已发布 1 个发布版本
0/36发布时效 — 最近一次发布版本于 749 天前
12.6/27发布节奏 — 节奏未知(仅一次发布)
0/10OpenSSF Scorecard:Signed-Releases — 无数据
所用输入
releases_count1
latest_release_tagv1.0.0
releases_from_tags否
days_since_latest_release749
mean_days_between_releases—

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?

67良好 · 占总体的 17%
评分方式
41.9/60星标 — 383 个星标
17.6/25复刻 — 130 个复刻
5.8/15关注者 — 12 位关注者
所用输入
forks130
stars383
watchers12
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(Apache-2.0)
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_badges0
has_contributing是
has_issue_template否
has_code_of_conduct否
readme_badge_services—
has_pull_request_template否

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?

69良好 · 占总体的 23%
评分方式
25.2/54巴士系数 — 2 位贡献者贡献了半数提交
13.9/22.5提交分布 — 头号贡献者编写了 38% 的提交
13.5/13.5贡献者广度 — 15 位贡献者
0/10OpenSSF Scorecard:Contributors — 无数据
所用输入
bus_factor2
contributors_sampled15
top_contributor_share0.382
评分方式
27.8/42议题解决 — 66% 的议题已关闭
23.4/30PR 接受 — 已裁定的 PR 中 88/113 已合并
0/13Newcomer PR acceptance — 30 天内没有首次贡献者的 PR 得到裁决
0/15OpenSSF Scorecard:Code-Review — 无数据
所用输入
merged_prs88
open_issues26
closed_issues51
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0.662
closed_unmerged_prs25
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
已排除计分(无数据或不适用):Newcomer PR acceptance。 其余权重已重新归一化。
评分方式
30/30所有权背书 — 组织持有
0/20已验证域名
25/25所有者影响力 — bytedance 有 19,001 位关注者
25/25既往记录 — 418 个公开仓库,账户约 13 年
所用输入
followers19,001
owner_typeOrganization
is_verified否
owner_loginbytedance
public_repos418
account_age_days4,900

工程质量

基础的工程与文档实践是否到位?

56中等 · 占总体的 19%

工程实践

50中等
评分方式
0/24CI 工作流
24/24存在测试
16/16Linter 配置 — .flake8, .pylintrc
0/9.6Pre-commit 钩子
0/6.4.editorconfig
0/20OpenSSF Scorecard:CI-Tests — 无数据
所用输入
has_ci否
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config否

文档

65良好
评分方式
30/30README
0/25文档目录
15/15文档 / 主页站点 — https://xpu-perf.ai/
10/10仓库描述
10/10主题标签 — 1 个主题标签
0/10Wiki
所用输入
topicspython
has_wiki否
homepagehttps://xpu-perf.ai/
docs_sitehttps://xpu-perf.ai/
has_readme是
has_docs_dir否
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?

16危急 · 占总体的 16%
评分方式
0/30安全策略(SECURITY.md)
0/25Dependabot 配置
0/25依赖锁定文件
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfiles—
manifestspyproject.toml
has_codeql_workflow否
has_security_policy否
has_dependabot_config否
评分方式
20.2/35直接依赖不含已知公告 — 1 个受影响:numpy 1.19.2 (moderate 5.3)
0/25间接依赖不含已知公告 — 在此范围内,传递依赖集合无法与开发和测试依赖区分
35.3/40没有长期未处理的公告 — 1 个携带公告的软件包超过 90 天未处理;最早一条发布于 1,731 天前
所用输入
sourceosv
advisories1,859
affected_packages18
assessed_packages38
unassessed_packages52
affected_by_severitycritical 12, high 5, moderate 1
direct_affected_packages1
已排除计分(无数据或不适用):间接依赖不含已知公告。 其余权重已重新归一化。 已将 38 个已解析依赖与 OSV 比对。 有 52 项无法评估——没有已解析的版本、生态系统不受支持,或超出所报告的软件包清单。 该仓库未发布任何索引可解析的软件包,因此改为评估仓库依赖图。该图将开发与测试版本固定同交付的依赖混在一起,因此仅对声明的运行时依赖计分;传递性发现仅作为背景信息列出,不计入评分。 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。

62中等 · 占总体的 4%
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)
19.7/40可读的提交历史 — 100 次人类提交中有 37 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_share0.37
agent_instruction_files—
agent_instruction_max_bytes—
评分方式
18/18一条命令的引导启动 — projects/train_perf/Megatron-LM/megatron/core/datasets/Makefile
22/22自动化测试
11/11Lint / 格式化配置 — .flake8, .pylintrc
11/11静态类型检查 — projects/train_perf/Megatron-LM/mypy.ini
10/10可复现环境 — Dockerfile
0/10已体现的代理实践 — 最近 100 次提交中没有代理编写的提交
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
lockfiles—
has_dockerfile是
typed_language否
bootstrap_filesprojects/train_perf/Megatron-LM/megatron/core/datasets/Makefile
has_devcontainer否
has_linter_config是
typecheck_configsprojects/train_perf/Megatron-LM/mypy.ini
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0
评分方式
27/45可类型检查的代码 — Python,已配置类型检查(projects/train_perf/Megatron-LM/mypy.ini)
54.4/55可控的文件大小 — 采样的 757 个源文件中有 8 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes132,791
source_files_sampled757
oversized_source_files8
评分方式
40/40API 模式(OpenAPI/GraphQL/proto) — projects/infer_perf/llm_perf/server/server.proto
0/20MCP 服务器
40/40可运行示例 — examples, recipes
所用输入
example_dirsexamples, recipes
has_mcp_signal否
api_schema_filesprojects/infer_perf/llm_perf/server/server.proto
interfaces_expected_ofnetwork-service

关键数据

383GitHub 星标
15贡献者
22最近 12 个月提交数
145距最近推送天数
1发布版本数
2巴士系数(bus factor)
26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
  • Could not fetch pypi package 'xpu-perf' from its registry
  • Advisory severity resolved for 120 of 573 advisories (lookup cap); the remainder are reported as unknown severity
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/14 18:46:43 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 ★ / 130 ⇿
0Star
130Fork
1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。

02040608010012010552023-042024-122026-08
主版本 1次版本 0修订 0

每个点涵盖 4 天。

直接依赖 5
注册表软件包版本约束清单文件
PyPIprettytable—pyproject.toml
PyPIjsonlines—pyproject.toml
PyPIflask—pyproject.toml
PyPIrequests—pyproject.toml
PyPInumpy<=1.26.4pyproject.toml
全部依赖 90

来自 GitHub 依赖图的完整解析依赖集合:8 个直接依赖与 82 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
PyPIflask—直接
PyPIjsonlines—直接
PyPInumpy—直接
PyPInumpy1.19.2直接
PyPInumpy1.23.0直接
PyPInumpy1.23.4直接
PyPIprettytable—直接
PyPIrequests—直接
PyPIaccelerate—间接
PyPIattrs21.2.0间接
PyPIbackoff—间接
PyPIbert—间接
PyPIbert-tensorflow1.0.1间接
PyPIblack23.1.0间接
PyPIdecorator—间接
PyPIeinops—间接
PyPIflask-restful—间接
PyPIfpdf—间接
PyPIgoogle-api-python-client—间接
PyPIgoogle-cloud-core2.3.2间接
PyPIgraphviz0.8.4间接
PyPIgrpcio—间接
PyPIisort—间接
PyPIkeras2onnx—间接
PyPImatplotlib—间接
PyPImatplotlib3.3.4间接
PyPImatplotlib3.4.2间接
PyPImultipledispatch—间接
PyPImypy-protobuf2.8间接
PyPInltk—间接
PyPInvidia-modelopt—间接
PyPIonnx—间接
PyPIonnx1.12.0间接
PyPIonnx1.13.1间接
PyPIonnxconverter-common1.12.2间接
PyPIonnxruntime—间接
PyPIonnxruntime1.12.0间接
PyPIopencv-python—间接
PyPIopencv-python-headless—间接
PyPIpackaging—间接
PyPIpandas—间接
PyPIpandas1.3.3间接
PyPIpandas1.5.1间接
PyPIprompt-toolkit—间接
PyPIprotobuf—间接
PyPIprotobuf3.19.4间接
PyPIprotobuf3.19.6间接
PyPIprotobuf3.20.2间接
PyPIpsutil—间接
PyPIpulp—间接
PyPIpybind11—间接
PyPIpydot—间接
PyPIpytest—间接
PyPIpytest-cov—间接
PyPIpytest-mock—间接
PyPIpytest-random-order—间接
PyPIpyyaml—间接
PyPIscikit-learn—间接
PyPIscipy—间接
PyPIsentencepiece—间接
PyPIsentencepiece0.1.96间接
PyPIsetuptools67.5间接
PyPIsynr0.4间接
PyPItensorflow—间接
PyPItensorflow1.15.0间接
PyPItensorflow2.4.0间接
PyPItensorflow2.7.2间接
PyPItensorflow2.8.4间接
PyPItensorflow-datasets4.7.0间接
PyPItensorstore—间接
PyPItf2onnx—间接
PyPItiktoken—间接
PyPItokenization—间接
PyPItorch—间接
PyPItorch1.12.1间接
PyPItorch1.13.1间接
PyPItorch1.9.1间接
PyPItorchvision—间接
PyPItorchvision0.10.1间接
PyPItorchvision0.13.1间接
PyPItqdm—间接
PyPItransformers—间接
PyPItransformers4.40.0间接
PyPItriton2.1.0间接
PyPItyping-extensions3.7.4.3间接
PyPIvirtualenv16.7.9间接
PyPIwandb—间接
PyPIwrapt—间接
PyPIwrapt1.14.1间接
PyPIzarr—间接
依赖安全公告 18

该仓库未发布可被索引解析的包,因此评估的是其自身的依赖图——共 38 个包,其中也包含从不交付的开发与测试版本固定:18 个存在已知公告,1 个为直接依赖。 有 52 个无法评估——没有已解析的版本、生态系统不受支持,或不在所列包清单之内。

软件包版本关系严重程度公告数修复版本
black23.1.0间接严重426.3.1
onnx1.12.0间接严重261.22.0
onnx1.13.1间接严重241.22.0
tensorflow1.15.0间接严重7452.12.1
tensorflow2.4.0间接严重7602.12.1
tensorflow2.7.2间接严重942.12.1
tensorflow2.8.4间接严重462.12.1
torch1.12.1间接严重302.13.0
torch1.13.1间接严重282.13.0
torch1.9.1间接严重302.13.0
transformers4.40.0间接严重445.10.0
virtualenv16.7.9间接严重420.36.1
protobuf3.19.4间接高66.33.5
protobuf3.19.6间接高46.33.5
protobuf3.20.2间接高46.33.5
sentencepiece0.1.96间接高20.2.1
setuptools67.5间接高683.0.0
numpy1.19.2直接中21.22

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。

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.