FINDING #2472 · 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)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
27.00
ACCEL
0.00
RETENTION
0.0%
PEAK 2026-07-15 · FORK-RETENTION 0.0% · 27 STARS / WINDOW
Author Audience
AUDIENCE
30,768
FOLLOWERS
3,694
OWNER ★
116,898
Engagement Signals
FORKS
1,283
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 27 / 27 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 27 звёзд за окно, тогда как у автора всего 3,694 подписчиков — эффективная аудитория ≈ 30,768. Это даёт surprise-индекс 0.000876 (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.
Related Findings
RANKS ABOVE 23% OF 3194 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 3194 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 23%
VELOCITY27.0010.00+17.00ABOVE 79%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS1,283176+1,107ABOVE 89%
SURPRISE0.000.02-0.02ABOVE 11%