FINDING #7113 · 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)
6% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
13.43
ACCEL
-0.93
RETENTION
30.5%
PEAK 2026-09-22 · FORK-RETENTION 79.3% · 403 STARS / WINDOW
Author Audience
AUDIENCE
34,972
FOLLOWERS
4,357
OWNER ★
131,288
Engagement Signals
FORKS
1,922
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 403 / 403 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 403 звёзд за окно, тогда как у автора всего 4,357 подписчиков — эффективная аудитория ≈ 34,972. Это даёт surprise-индекс 0.000384 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 79.3% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 26% OF 9675 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9675 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 26%
VELOCITY13.433.80+9.63ABOVE 83%
RETENTION30.5%20.3%+10.2 PPABOVE 72%
FORKS1,922138+1,784ABOVE 94%
SURPRISE0.000.01-0.01ABOVE 10%