Github Trends®
4978 findingsmedian surprise 0.00481window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: own snapshots
FINDING #4849 · UNIT ID 1345606017
Tencent/WeMM-Embedding
WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vision Team at Tencent, supporting multimodal understanding and retrieval.
[ PYTHON ][ ORG ][ VERIFIED ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00000676
ENGAGEMENT0.35
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.67
ACCEL
-1.00
RETENTION
14.3%
PEAK 2026-10-16 · FORK-RETENTION 0.0% · 11 STARS / WINDOW

Author Audience

AUDIENCE
542,256
FOLLOWERS
14,922
OWNER ★
542,087

Engagement Signals

FORKS
123
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 11 / 11 (DIVERSITY 1.00)

Why This Is A Finding

Tencent/WeMM-Embedding собрал 11 звёзд за окно, тогда как у автора всего 14,922 подписчиков — эффективная аудитория ≈ 542,256. Это даёт surprise-индекс 0.00000676 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 4978 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 3%
VELOCITY3.675.33-1.67ABOVE 25%
RETENTION14.3%0.0%+14.3 PPABOVE 55%
FORKS123346-223ABOVE 32%
SURPRISE0.000.00-0.00ABOVE 1%