一句话Xerus 是一个面向高阶张量、Tensor-Train/Matrix Product States 与通用张量网络数值计算的 C++/Python 库。
定价免费开源 正文未提及商业定价；项目以 AGPL v3.0 发布，可自由使用和修改，但分发包含该库的软件或提供基于该库的服务时，需要按兼容许可证提供完整源代码。
适合谁需要进行高阶张量、张量分解、Tensor-Train/MPS、张量网络数值计算的科研人员、数值算法开发者和 C++/Python 开发者。
核心功能支持任意阶张量计算提供 Tensor-Train Decomposition / Matrix Product States 实现支持一般张量网络处理C++11 现代代码与概念完整 Python bindings，语法接近 C++Einstein-like notation 表达张量收缩惰性求值与自动寻找高效收缩顺序的启发式策略集成 BLAS 与 LAPACK 作为高性能线性代数后端通过 SuiteSparse 支持快速稀疏张量计算提供示例、构建指南、Doxygen 文档与 issue tracker
功能与用途通用数值计算库，专注高阶张量、Tensor-Train Decompositions / Matrix Product States 以及通用 Tensor Networks；支持任意阶张量计算、Einstein-like notation 张量收缩、惰性求值、自动选择收缩顺序，并包含 ALS、ADF、CG 等算法能力。
支持语言/框架核心为现代 C++11；提供完整 Python bindings，且语法与 C++ 非常相近。正文未提及对特定深度学习框架的支持。
开源还是闭源开源，许可证为 AGPL v3.0。
自托管选项可通过 git 获取源码或下载归档，并按 Building xerus 指南自行构建和安装；作为库可在本地项目中集成。正文未涉及服务器型自托管服务。
定价正文未提及收费；按 AGPL v3.0 免费使用、修改和分发，但有源代码开放义务。
API/SDK提供 C++ 库接口与完整 Python bindings；示例语法包括 A(i,j) = B(i,k,l) * C(k,j,l) 形式的 Einstein-like notation。正文未提及 HTTP API 或独立 SDK。
集成与生态直接集成 BLAS、LAPACK 作为高性能线性代数后端；使用 SuiteSparse 支持稀疏矩阵/稀疏张量能力；提供 Git、Issue Tracker、Examples、Contact 等项目协作入口。
文档质量提供入门说明、构建指南、较完整的基础用法文档、示例以及面向高级开发者的 Doxygen 文档；正文称文档还解释设计选择。无法从正文判断文档是否持续更新或覆盖所有边界案例。
中国访问未知
适用场景科研数值计算、高阶张量建模、Tensor-Train 分解、Matrix Product States 计算、张量网络算法实验、稀疏张量计算、需要 C++ 性能与 Python 原型接口结合的项目。
同类可考虑 NumPy/SciPy、PyTorch、TensorFlow、TensorLy、ITensor、Eigen 及其他张量网络或数值计算库；具体替代取决于是否需要 Tensor-Train/MPS 与 C++ 集成。