FINDING #367 · UNIT ID 1292817311
meta-models/meta-model-cookbook
Developer recipes for Meta Model API — agentic workflows, multi-agent orchestration patterns, and use case examples with cost comparisons. Colab notebooks + standalone Python files.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
98% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
7.29
ACCEL
-4.39
RETENTION
6.9%
PEAK 2026-07-09 · FORK-RETENTION 0.0% · 51 STARS / WINDOW
Author Audience
AUDIENCE
48
FOLLOWERS
19
OWNER ★
52
Engagement Signals
FORKS
6
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 51 / 51 (DIVERSITY 1.00)
Why This Is A Finding
meta-models/meta-model-cookbook собрал 51 звёзд за окно, тогда как у автора всего 19 подписчиков — эффективная аудитория ≈ 48. Это даёт surprise-индекс 0.0824 (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 95% OF 6892 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6892 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.030.00+0.02ABOVE 95%
VELOCITY7.294.14+3.14ABOVE 66%
RETENTION6.9%40.6%-33.7 PPABOVE 16%
FORKS689-83ABOVE 6%
SURPRISE0.080.01+0.07ABOVE 91%