FINDING #7890 · 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
3.71
ACCEL
-1.07
RETENTION
14.3%
PEAK 2026-10-11 · FORK-RETENTION 50.0% · 26 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 26 / 26 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 26 звёзд за окно, тогда как у автора всего 4,357 подписчиков — эффективная аудитория ≈ 34,972. Это даёт surprise-индекс 0.000106 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 50.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 18% OF 9651 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 18%
VELOCITY3.713.14+0.57ABOVE 56%
RETENTION14.3%16.7%-2.4 PPABOVE 44%
FORKS1,922277+1,645ABOVE 84%
SURPRISE0.000.00-0.00ABOVE 8%