FINDING #1538 · 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)
6% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
16.71
ACCEL
-0.82
RETENTION
57.0%
PEAK 2026-10-04 · FORK-RETENTION 75.0% · 117 STARS / WINDOW
Author Audience
AUDIENCE
600
FOLLOWERS
70
OWNER ★
2,298
Engagement Signals
FORKS
264
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 117 / 117 (DIVERSITY 1.00)
Why This Is A Finding
syv-ai/HyperQwen собрал 117 звёзд за окно, тогда как у автора всего 70 подписчиков — эффективная аудитория ≈ 600. Это даёт surprise-индекс 0.0261 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 75.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 84% OF 9775 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9775 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 84%
VELOCITY16.713.57+13.14ABOVE 86%
RETENTION57.0%40.0%+17.0 PPABOVE 73%
FORKS264108+156ABOVE 71%
SURPRISE0.030.01+0.02ABOVE 77%