Github Trends®
9651 findingsmedian surprise 0.00326window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #9254 · UNIT ID 1345606017
Tencent/WeMM-Embedding
WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vision Team at Tencent, supporting multimodal understanding and retrieval.
[ PYTHON ][ ORG ][ VERIFIED ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00000869
ENGAGEMENT0.39
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
4.71
ACCEL
+0.04
RETENTION
36.7%
PEAK 2026-10-14 · FORK-RETENTION 0.0% · 33 STARS / WINDOW

Author Audience

AUDIENCE
542,256
FOLLOWERS
14,922
OWNER ★
542,087

Engagement Signals

FORKS
123
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 33 / 33 (DIVERSITY 1.00)

Why This Is A Finding

Tencent/WeMM-Embedding собрал 33 звёзд за окно, тогда как у автора всего 14,922 подписчиков — эффективная аудитория ≈ 542,256. Это даёт surprise-индекс 0.00000869 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 4%
VELOCITY4.713.14+1.57ABOVE 64%
RETENTION36.7%16.7%+20.0 PPABOVE 71%
FORKS123277-154ABOVE 35%
SURPRISE0.000.00-0.00ABOVE 2%