FINDING #5888 · 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)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
36.33
ACCEL
-3.50
RETENTION
86.3%
PEAK 2026-08-26 · FORK-RETENTION 75.0% · 109 STARS / WINDOW
Author Audience
AUDIENCE
32,816
FOLLOWERS
4,025
OWNER ★
123,987
Engagement Signals
FORKS
1,559
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 109 / 109 (DIVERSITY 1.00)
Why This Is A Finding
vllm-project/vllm-omni собрал 109 звёзд за окно, тогда как у автора всего 4,025 подписчиков — эффективная аудитория ≈ 32,816. Это даёт surprise-индекс 0.00111 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 75.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 38% OF 9558 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9558 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 38%
VELOCITY36.335.67+30.67ABOVE 92%
RETENTION86.3%42.9%+43.4 PPABOVE 91%
FORKS1,559333+1,226ABOVE 78%
SURPRISE0.000.00-0.00ABOVE 27%