Die zehn KI-Tools mit den meisten Sternen und die zehn am häufigsten installierten teilen sich einen Namen
Bei den 78 Tools, bei denen wir beides messen, sind Stern-Rang und Installations-Rang nahezu unabhängig — Spearman 0.131. TensorFlow ist bei den Sternen Erster und bei den Installationen Dreizehnter. LangChain ist der einzige Name in beiden Top-Tens.
TL;DR — die kurze Version
Die zehn Tools mit den meisten Sternen und die zehn am häufigsten installierten teilen sich genau einen Namen, LangChain. Bei den 78 Tools, bei denen wir beides messen, sind Stern-Rang und Installations-Rang nahezu unabhängig — Spearman 0.131, also erklärt die Sternreihenfolge 1.7 % der Installationsreihenfolge.
Es gibt keinen Wechselkurs. Im am wenigsten installierten Quartil der Kohorte ist ein Stern 0.56 Downloads pro Monat wert; im am meisten installierten Quartil 607. Derselbe Stern, 1,084× auseinander.
Die Sterngeschwindigkeit ist nicht besser. Der Sternzuwachs dieser Woche’s — das Signal, auf dem jede Trending-Seite basiert — korreliert mit Installationen bei 0.082.
Was das für Sie bedeutet: Eine Sternanzahl beantwortet “hat das jemanden einmal beeindruckt?”. Sie beantwortet nicht “läuft das bei jemandem?”. Für eine Abhängigkeit finden Sie die zweite Zahl.
Jedes Tool-Verzeichnis im Internet, auch unseres, sortiert nach Sternen. Es ist die einzige Zahl, die jedes Repository trägt, also wurde es die Zahl, die jeder verwendet. Wir können jetzt prüfen, was sie wert ist, denn für einen Teil unseres Katalogs messen wir auch etwas, das schwerer zu fälschen ist: wie oft das Paket tatsächlich installiert wird.
78 der 242 Tools, die wir verfolgen, veröffentlichen ein PyPI-Paket, also haben wir beide Zahlen für sie. Die beiden Rankings stimmen kaum überein.
Das Tool mit den meisten Sternen ist bei den Installationen auf Platz dreizehn.
| Werkzeug | Sterne | Rang nach Installationen | Installationen pro Tag |
|---|---|---|---|
| TensorFlow | 201,193 | 13th von 78 | 391,010 |
| Firecrawl | 193,164 | 25th | 175,424 |
| Open WebUI | 156,214 | 41st | 42,803 |
| Langflow | 155,855 | 64th | 1,240 |
| LangChain | 148,096 | 2nd | 5,599,795 |
| Browser-Nutzung | 118,573 | 20th | 264,848 |
| Whisper | 110,897 | 27th | 163,803 |
| vLLM | 94,167 | 38th | 61,019 |
| RAGFlow | 92,501 | 67th | 536 |
| PaddleOCR | 91,397 | 45th | 40,890 |
Zehn Tools ganz oben in der Stern-Rangliste, und ihre Installations-Ränge reichen von 2nd bis 67th. Nur LangChain steht in beiden nahe der Spitze. Verschiebt man die gesamte Kohorte von einer Rangliste zur anderen, verschiebt sich das mittlere Tool 23 Plätze von 78; ein Drittel von ihnen — 26 Tools — bewegen sich um mehr als 30.
Es gibt keinen Wechselkurs zwischen einem Stern und einer Installation
Wenn Sterne ein schwacher, aber ehrlicher Indikator wären, würde man ein ungefähr konstantes Verhältnis erwarten: so viele Downloads pro Stern, mehr oder weniger. Sortiert man die Kohorte nach Installationsvolumen in Quartile, driftet das Verhältnis nicht — es ändert sich um drei Größenordnungen.
Die größte Lücke, die wir gefunden haben
MetaGPT trägt 70,932 Sterne, 3,087 mehr als scikit-learn. scikit-learn wird 184,326,320 Mal pro Monat installiert; MetaGPT 3,393. Das ist ein Faktor von 54,325 in die entgegengesetzte Richtung zum Applaus.
Ganz am Ende sitzt BabyAGI: 22,356 Sterne, 101 Installationen pro Monat. Drei pro Tag. Es war das Repository, auf das in den ersten Wochen der Agentenwelle alle verlinkten, und die Sternanzahl hat es seitdem sichtbar gehalten, weil Sterne nie verfallen.
Wo diese Kennzahl unfair ist, und das sollten wir sagen
Neun Tools in der Kohorte haben 20,000+ Sterne und verzeichnen weniger als 1,000 Installationen pro Tag. Es wäre einfach — und falsch — alle neun als Repositories darzustellen, die niemand nutzt. Bei mehreren von ihnen ist pip einfach nicht der Weg, um die Software zu beziehen: RAGFlow und Label Studio werden mit Docker bereitgestellt, InvokeAI bringt einen eigenen Installer mit, LLaMA-Factory wird geklont statt installiert, und fastbook ist das Notebook-Set eines Buches. Ihre PyPI-Zahl unterschätzt sie, und wir haben keine äquivalente Zahl für den Kanal, den sie tatsächlich nutzen.
Das Ergebnis übersteht diese Korrektur, weil es nicht auf diesen neun beruht. Es beruht auf 78 Zahlenpaaren mit einer Rangkorrelation von 0.131, auf einer Top Ten, die von zehn Namen nur einen teilt, und auf der Tatsache, dass dieselbe Einheit hier 0.56 Downloads und dort 607 bekommt.
Die tiefere Grenze liegt bei uns. Nur 87 unserer 242 Tools — 36 % — haben überhaupt eine Installationszahl,, weil der Rest als Binärdateien, Desktop-Apps, Editor-Erweiterungen oder Container-Images ausgeliefert wird, die wir nicht zählen. Ollama, llama.cpp und ComfyUI gehören dazu. Für fast zwei Drittel des Katalogs ist die Sterneanzahl immer noch die einzige Zahl auf der Karte, und dieser Artikel ist das Argument, das zu beheben, statt ihm zu vertrauen.
Und Trending ist schlimmer als Sterne
Wenn die Gesamtzahl der Sterne ein schlechter Indikator ist, ist vielleicht die jüngste Dynamik besser — das Signal hinter jeder “trending”-Seite. Ist sie nicht. Bei den 72 Tools, bei denen wir beides haben, korreliert der Sternezuwachs der letzten sieben Tage mit den monatlichen Installationen bei 0.082: niedriger als die Gesamtzahl und nicht von Rauschen zu unterscheiden.
Das ergibt Sinn, sobald man es klar ausspricht. Ein Stern wird von jemandem vergeben, der liest; eine Installation wird von jemandem durchgeführt, der baut. Das erste ist eine Reaktion auf eine README, das zweite eine Entscheidung in einer Anforderungen-Datei. Wir haben das zweite bewertet, indem wir das erste gemessen haben.
pypistats oder die PyPI-Seite liefert monatliche Downloads mit einem Klick. Für einen Container zeigt Docker Hub Pulls. Für alles andere zählen die Release-Downloads auf dem Repository. Wenn das Projekt überhaupt keine zweite Zahl hat, behandeln Sie die Sterneanzahl als das, was sie ist — ein Hinweis, dass es einmal interessant war — und schauen Sie, ob noch jemand Code pusht, was unsere Health Tracker misst.
Methode
Die Zahlen stammen aus den olud.ai-Tool-Metriken, Stand 20. Oktober 2026, die 242 Tools abdecken. Die Kohorte besteht aus den 78 Tools, die ein PyPI-Paket veröffentlichen und eine Sterneanzahl haben; Docker Hub (15 Tools) und npm (14 Tools) werden separat gemessen und ergeben 0.143 und 0.037, was wir als Bestätigung melden, nicht als unabhängigen Beweis — diese Kohorten sind viel zu klein, um eine Korrelation zu tragen. Korrelationen sind Spearman-Rangkoeffizienten, die Ordnungen statt Werte vergleichen, sodass ein einzelner Riese sie nicht verzerren kann. “Installs pro Tag” ist die Monatszahl geteilt durch 30.44. Ein Tool ohne PyPI-Paket hat keine Download-Zahl und wird ausgeschlossen, niemals als Null gezählt — deshalb ist die Kohorte 78 und nicht 242. Download-Zahlen sind keine Menschen: PyPI-Summen umfassen Continuous-Integration-Läufe, Spiegel, Container-Builds und transitive Abhängigkeitsauflösung, was ausgereifte Bibliotheken aufbläht, die von anderen Paketen angezogen werden — ein Teil der Lücke, die wir messen, ist Maschinenverkehr. Eine Momentaufnahme, keine Zeitreihe: Wir können nicht sagen, ob diese Lücke größer wird.
Daten: olud.ai-Tool-Metriken, täglich aktualisiert — Methode unter /methodology.html.
Weiterlesen
- Ein Fork pro 6.9 Sterne — der andere Zähler auf der Seite und was er darüber verrät, was ein Repository ist.
- 459 Repos halten die Hälfte der Sterne — wie steil die Beifallskurve überhaupt ist.
- 127 Repos mit über 10,000 Sternen werden von weniger als zehn Personen getragen. — die dritte Zahl, die lesenswert ist, bevor Sie sich auf etwas verlassen.