FINDING #5298 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
27.00
ACCEL
-6.00
RETENTION
72.7%
PEAK 2026-08-28 · FORK-RETENTION 85.0% · 81 STARS / WINDOW
Author Audience
AUDIENCE
32,902
FOLLOWERS
4,037
OWNER ★
124,140
Engagement Signals
FORKS
1,579
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 81 / 81 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 81 звёзд за окно, тогда как у автора всего 4,037 подписчиков — эффективная аудитория ≈ 32,902. Это даёт surprise-индекс 0.00082 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 85.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 39% OF 8663 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 8663 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 39%
VELOCITY27.005.67+21.33ABOVE 89%
RETENTION72.7%41.7%+31.1 PPABOVE 81%
FORKS1,579332+1,247ABOVE 78%
SURPRISE0.000.00-0.00ABOVE 22%