FINDING #209 · UNIT ID 1334946608
syv-ai/HyperQwen
Serve large Qwen models fast on the GPUs you actually own. Qwen3.8-27B on a single 24 GB card with vLLM: 127 tok/s single-user (381 when the answer quotes the prompt), ~1,035 tok/s at 64 concurrent, 150k-262k context. vLLM patches, requant pipeline, benchmarks.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
1.57
ACCEL
-0.18
RETENTION
8.8%
PEAK 2026-09-11 · FORK-RETENTION 0.0% · 47 STARS / WINDOW
Author Audience
AUDIENCE
600
FOLLOWERS
70
OWNER ★
2,298
Engagement Signals
FORKS
264
ISSUE AUTH
6
PR AUTH
11
UNIQUE STARGAZERS 47 / 47 (DIVERSITY 1.00)
Why This Is A Finding
syv-ai/HyperQwen собрал 47 звёзд за окно, тогда как у автора всего 70 подписчиков — эффективная аудитория ≈ 600. Это даёт surprise-индекс 0.00245 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 17 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 81% OF 1105 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1105 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 81%
VELOCITY1.572.80-1.23ABOVE 5%
RETENTION8.8%9.4%-0.6 PPABOVE 46%
FORKS2641,173-909ABOVE 25%
SURPRISE0.000.00+0.00ABOVE 67%