FINDING #6760 · 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)
3% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
30.29
ACCEL
-1.04
RETENTION
73.1%
PEAK 2026-08-26 · FORK-RETENTION 51.0% · 212 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 212 / 212 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 212 звёзд за окно, тогда как у автора всего 4,037 подписчиков — эффективная аудитория ≈ 32,902. Это даёт surprise-индекс 0.000919 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 51.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 31% OF 9755 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9755 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 31%
VELOCITY30.293.71+26.57ABOVE 92%
RETENTION73.1%37.5%+35.6 PPABOVE 94%
FORKS1,57990+1,489ABOVE 95%
SURPRISE0.000.01-0.01ABOVE 14%