FINDING #1172 · UNIT ID 1054512829
vllm-project/vllm-omni
A framework for efficient model inference with omni-modality models
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
7% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
2.39
ACCEL
-0.05
RETENTION
3.2%
PEAK 2026-03-22 · FORK-RETENTION 68.7% · 430 STARS / WINDOW
Author Audience
AUDIENCE
32,902
FOLLOWERS
4,037
OWNER ★
124,140
Engagement Signals
FORKS
1,579
ISSUE AUTH
252
PR AUTH
454
UNIQUE STARGAZERS 430 / 430 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 430 звёзд за окно, тогда как у автора всего 4,037 подписчиков — эффективная аудитория ≈ 32,902. Это даёт surprise-индекс 0.0000725 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 68.7% и 706 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 29% OF 1643 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1643 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 29%
VELOCITY2.392.82-0.43ABOVE 41%
RETENTION3.2%4.7%-1.5 PPABOVE 33%
FORKS1,5791,609-30ABOVE 49%
SURPRISE0.000.00-0.00ABOVE 16%