FINDING #3461 · 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)
26% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
16.37
ACCEL
-0.02
RETENTION
32.9%
PEAK 2026-06-09 · FORK-RETENTION 0.0% · 1,473 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 1,473 / 1,473 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 1,473 звёзд за окно, тогда как у автора всего 3,694 подписчиков — эффективная аудитория ≈ 30,768. Это даёт surprise-индекс 0.000531 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 46% OF 6380 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6380 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 46%
VELOCITY16.373.99+12.37ABOVE 86%
RETENTION32.9%17.1%+15.7 PPABOVE 81%
FORKS1,28390+1,194ABOVE 95%
SURPRISE0.000.01-0.01ABOVE 11%