Estado de GitHub: problemas de acceso e interrupciones

Problemas en las últimas 24 horas

El siguiente gráfico muestra la cantidad de informes que hemos recibido sobre GitHub por hora del día durante las últimas 24 horas. Una interrupción se determina cuando la cantidad de informes es mayor que la línea de referencia, representada por la línea roja.

Problemas Más Reportados

Los siguientes son los problemas más recientes informados por los usuarios de GitHub a través de nuestro sitio web.

• Sitio Caído (69%)
• Inicio de Sesión (17%)
• Errores (14%)

Mapa de interrupciones en vivo

La mayoría de reportes de fallos e interrupciones se originaron en

City	Problem Type	Report Time
Lure	Sitio Caído	hace 3 días
Ashkelon	Sitio Caído	hace 4 días
Veigné	Errores	hace 12 días
Paris	Sitio Caído	hace 16 días
Saint-Paul	Sitio Caído	hace 17 días
Saint-Paul	Sitio Caído	hace 17 días

Mapa de Fallos

Discusión comunitaria

¿Consejos? ¿Frustraciones? Compártelos aquí. Los comentarios útiles incluyen una descripción del problema, la ciudad y el código postal.

Tenga cuidado con los "números de soporte" o las cuentas de "recuperación" que se pueden publicar a continuación. Asegúrate de informar y votar negativamente esos comentarios. Evite publicar su información personal.

Reportes de Fallos de GitHub

Los últimos problemas e interrupciones reportados en social media:

• 
  Fran Pradas | Ingeniero de IA (@franpradasAI) reportó hace 3 minutos

  🤖 Gestión de Dependabot Prompt: “Revisa las pull requests abiertas de Dependabot en GitHub. Analiza cada actualización, comprueba sus riesgos y ejecuta los tests en un entorno aislado. Si algo falla, encuentra la causa y prepara la corrección mínima. Fusiona solo cambios menores y seguros con permiso. Pide aprobación para actualizaciones importantes o dudosas. No publiques, comentes ni fusiones nada sin autorización. Al final, resume qué se revisó, corrigió, fusionó o quedó bloqueado.”

• 
  CryptoWhale™ (@SCryptowhale) reportó hace 4 minutos

  Un tipo apodado nbatman en Reddit edificó accidentalmente el sitio web más práctico del internet. Se llama FMHY (Free Media Heck Yeah). Este es el portal que Google borró de los resultados de búsqueda por infracciones DMCA, que Reddit censuró en las sombras por promocionar piratería, que la Motion Picture Association etiquetó como amenaza principal de piratería, y que la RIAA presionó a los proveedores de hosting para que lo abandonaran. Continúa en línea. Se actualiza cada mes. Así funciona. FMHY es el catálogo. La wiki misma no hospeda nada. Únicamente te especifica dónde reside realmente cada cosa gratuita en internet, estructurada en 14 secciones con evaluaciones de seguridad en cada enlace particular. → Películas y series en 4K de más de 50 plataformas de streaming → Música con calidad de Spotify y Apple Music → Adobe Creative Cloud, Microsoft Office, AutoCAD, JetBrains → Cada curso pago en cada plataforma mayor de aprendizaje → 100 millones de libros y artí***** a través de Anna's Archive → Opciones gratuitas a cada utilidad de IA paga → Una extensión de navegador SafeGuard que marca sitios inseguros en tiempo real Arrancó como un único documento de Google gestionado por un moderador de Reddit en 2018. Google lo liquidó con un retiro por DMCA en 2023. La comunidad reconstruyó la wiki en su propio dominio, la replicó en GitHub e IPFS, y actualmente la ejecuta en 12 dominios de respaldo contemporáneamente. No hay empresa. No hay CEO. No hay servidor central. Seis voluntarios anónimos sostienen todo el proyecto en su tiempo personal. Las donaciones vía Ko-fi costean el hosting. Nadie embolsa ganancias. Hollywood no logra cerrar esto. Spotify no logra cerrar esto. Adobe no logra cerrar esto. Toda la economía de suscripciones se mantiene porque no sabes que esta wiki existe.

• 
  Ernesto 🇨🇱🇦🇶 (@gnapse) reportó hace 4 minutos

  @galislab La rama en sí no la tiene. El PR en GitHub es el que tiene la info. Pero branch ≠ pull request. Los commits sí tienen la info, pero es un paso adicional para buscarla. Anyway, no es que sea de gran ayuda, pero no veo por qué alguien perdería mi respeto por eso.

• 
  Cristian Aboitiz | Abogado penalista | CABA y GBA (@abogadoaboitiz) reportó hace 5 minutos

  Para los que quieren control total, las opciones son: 1. Auditoría: Leer el código en GitHub antes de conectar para saber qué hace el servidor. 2. Fork + despliegue propio Forkear el repo, revisarlo, desplegarlo en su propia infraestructura (un VPS, un servidor propio, incluso localmente). El endpoint es suyo. Nadie más recibe las queries. Requiere Node.js o Python según el caso, y saber correr un proceso en un servidor. Un técnico de confianza lo hace en una hora. 3. Despliegue local Correrlo en su propia máquina. Sin servidor externo de ningún tipo. Compatible con Claude Desktop (que soporta transporte stdio). No funciona con claude web. Es la opción de máxima privacidad para quien ya usa Claude Desktop.

• 
  precis0x (@precisox) reportó hace 6 minutos

  Un desarrollador automatizó absolutamente toda su vida con scripts. Después renunció. Sus compañeros descubrieron todo. El repositorio se llama Hacker Scripts. Más de 49.500 estrellas en GitHub. Basado en una historia real. La historia original apareció en un foro ruso alrededor de 2015. Un ingeniero de builds dejó la empresa. Sus compañeros revisaron su antigua máquina. Esto es lo que encontraron: Script 1: "hangover" Si eran las 8:45 de la mañana y todavía no había iniciado sesión, el script le enviaba un correo a su jefe diciendo “no me siento bien, voy a trabajar desde casa”. Elegía la excusa al azar de una lista que él mismo había preparado con antelación. Script 2: "kumar-asshole" Cuando un cliente concreto escribía un correo con palabras como “help”, “trouble” o “sorry”, el script se conectaba por SSH al servidor del cliente, revertía la base de datos al último backup estable y respondía: “no te preocupes, ten más cuidado la próxima vez”. El cliente nunca habló con una persona real. Script 3: "smack-my-bitch-up" Si pasaban de las 9 de la noche y seguía conectado, el script le mandaba un mensaje a su esposa diciendo “trabajando hasta tarde”, acompañado de una excusa elegida aleatoriamente de una lista predefinida. Script 4: "fucking-coffee" La cafetera de la oficina funcionaba con Linux y tenía un puerto TCP abierto. Cada mañana, exactamente 17 segundos después de iniciar sesión, el script abría una conexión telnet a la máquina y le daba la orden de preparar café. Un latte mediano half-caf que tardaba 24 segundos en salir. Su café siempre estaba listo justo cuando él llegaba a la cocina. Todos los días. Durante años. Su jefe lo consideraba el desarrollador más atento del equipo. Su esposa pensaba que siempre la mantenía al tanto. El cliente creía que tenía el soporte más rápido de la industria. Los cuatro estaban hablando con scripts de bash. Nadie se enteró. Durante años. Cuando sus compañeros encontraron los scripts, los subieron a GitHub. Desarrolladores de todo el mundo los reescribieron en 17 lenguajes diferentes: Ruby, Python, Go, Java, Kotlin, PHP, PowerShell, Node.js y más. Una sola leyenda. Diecisiete lenguajes. 150 commits. La licencia es WTFPL. Una licencia real de código abierto que significa “Do What The **** You Want To Public License”. No automatizó solo su trabajo. Automatizó su vida entera. Y nadie lo descubrió hasta que se fue. 49.500+ estrellas. Con licencia WTFPL. Legendario.

• 
  Luis M. Gutierrez (@cast2012) reportó hace 8 minutos

  @github soy mexicano y me bloquearon mi cuenta porque según estoy en un país sancionado por la OFAC y ya tengo más de una semana y nadie es capaz de responder mis ticket pidiendo ayuda. El servicio no es si fuerte mi usuario es lordluis2021

• 
  🎄Zukaarimoto Zukirinkutoku🎄 (@cangri2k5) reportó hace 9 minutos

  @bloodyraintatii Antes y ahora también xD El problema sigue siendo la puerta de entrada, os enseñan a hacer cosas pero no sabéis venderos, la gente tiene los mismos proyectos replicados en sus GitHub (si es que los tienen), pocos tienen un E2E con algo que hayan hecho, aunque sea súper simple El objetivo es que cuando alguien te pregunte que sabes hacer, en vez de responderle con lo que estudiaste, le explicas lo que has creado, los problemas que te encontraste y como los solucionaste, cualquiera que te entreviste y tenga un poco de idea, va a poner más foco en tu perfil por el mero hecho de haberte puesto a hacer cosas

• 
  Clau Cave (@ccavezzali) reportó hace 9 minutos

  @imonsh @github Hackear el badge no es solo creatividad — es la forma más rápida de entender cómo funciona el dispositivo de verdad. El que juega con los límites del hardware antes que nadie siempre llega con ventaja cuando el contexto cambia.

• 
  GptZone (@gptzone_net) reportó hace 10 minutos

  La parte menos vistosa está en los fixes: - Windows recibe correcciones en ConPTY para finales de línea y backspace, además de casos límite con reintentos de credenciales en sandbox. - Se arreglan prompts de seguridad obsoletos en la TUI y revisiones canceladas que podían dejar el arranque de MCP con apariencia de estar ocupado. - Mejora la recuperación cuando los exec servers están temporalmente caídos y se evitan tormentas de reintentos al refrescar tokens de remote-control. - Se conserva texto final de transcripciones realtime y eventos de terminal durante el apagado, evitando pérdidas en cierres de sesión. - El instalador reduce fallos por límites de la API de GitHub reutilizando metadatos de releases. También hay actualizaciones de OpenSSL, Hono, fast-uri, quick-xml y crossbeam-epoch para cubrir avisos de seguridad. No es una versión de escaparate: es una versión para quitar puntos de rotura.

• 
  Acelerador (@accelereta42_) reportó hace 13 minutos

  @Gsnchez @untipocurios Conmigo lo hacían y sin mucho problema. Los links no le importan a nadie (yo subí mis códigos a un GitHub privado y nadie se enteró) y el papel te permite hacer dibujos para entender cosas, que en física al menos es importante (sobre todo si te ponen una cosa fuera de tu campo)

• 
  angel (@angeldot_) reportó hace 14 minutos

  ESTE REPO HACE QUE CLAUDE ESCRIBA HASTA UN 94% MENOS DE CÓDIGO Fable 5 es el mejor modelo de código del mundo. También el más caro. Cada línea que escribe de más, la pagas tú. Ponytail lo arregla con una idea absurdamente simple: convierte a tu agente en el senior vago del equipo. Ese que mira tus 50 líneas y las reemplaza por una. Antes de escribir nada, el agente se pregunta: → Esto necesita existir? → Ya está en el codebase? → Lo hace la librería estándar? → Lo hace el navegador de forma nativa? → Cabe en una línea? Solo si todo falla, escribe el mínimo que funciona. Resultado: • hasta 94% menos código • un 20% menos de factura • un 27% más rápido Sin recortar seguridad ni validaciones. Se instala en 2 comandos: /plugin marketplace add DietrichGebert/ponytail /plugin install ponytail@ponytail 83.000 estrellas en GitHub. Gratis y open source. El mejor código es el que nunca escribiste. Enlace al repositorio abajo👇

• 
  silvan (@silvanrec) reportó hace 20 minutos

  UN DEV HIZO EN OPEN SOURCE LO QUE NOTION Y CONFLUENCE NO QUIEREN QUE EXISTA encontré openknowledge y es de esas herramientas que deberían ser el estándar y todavía no lo son la idea es simple: tu documentación deja de vivir presa en un saas y pasa a ser archivos markdown normales, versionados con git como el resto de tu código la diferencia real está en el mcp nativo. claude, cursor y codex ya no solo leen tu base de conocimiento, la indexan, la consultan y coescriben directo ahí. se acabó el copy paste de specs y contexto cada vez que abrís un agente esto no es “otra wiki con ia”, es la wiki dejando de ser un silo corre 100% local primero, con cli (npm install -g @inkeep/open-knowledge) o dmg nativo en mac, y aun así tiene el wysiwyg fluido de una wiki moderna la parte que nadie cuenta: cuando tu documentación es texto plano portable, el vendor lock-in de las wikis saas deja de ser un problema técnico, se vuelve una elección es open source, es gratis, y ya está en github

• 
  Amarillo (@anyelamarillo) reportó hace 23 minutos

  🚨 UN PROGRAMADOR SOLO ACABA DE LOGRAR LO QUE GOOGLE LLEVA AÑOS IGNORANDO Desarrolló Obscura, un navegador headless en Rust creado específicamente para agentes de IA, scraping masivo y automatización. Solo usa 30 MB de RAM. Las páginas cargan en 85 ms. Bloquea automáticamente 3.520 trackers. Elimina anuncios, analíticas y todo script de rastreo. Se llama Obscura y tiene lo que Chrome nunca podrá darte: Cada sesión genera una huella digital completamente distinta. GPU, canvas, audio, batería… todo se randomiza en tiempo real. Ningún detector de bots lo identifica porque se comporta exactamente como un Chrome real. Es el reemplazo directo de Puppeteer y Playwright. Sin Node.js. Sin dependencias pesadas. Un solo binario ligero. Ya supera las 19k estrellas en GitHub. 100% open source. Totalmente gratis. Si trabajas con scraping, IA o automatización… esto no es solo una mejora. Es un cambio de juego. Guarda este post antes de que se te olvide. Es una de las mejores herramientas que han salido este año 💎

• 
  PA13L0 (@Fluyeporlaweb) reportó hace 23 minutos

  AirDrop solo funciona entre dispositivos Apple. No es un fallo técnico. Es la razón por la que mucha gente no se cambia de iPhone. Alguien publicó en GitHub la alternativa que funciona entre todos. Se llama LocalSend. 83.2k estrellas. Apache 2.0. Mandas un archivo desde tu Android al Mac de tu colega. Desde tu iPhone al PC con Windows. Desde Linux a iOS. Sin cable. Sin cuenta. Sin internet. ✅ Windows, Mac, Linux, Android e iOS - todos hablan entre sí ✅ Cero servidores intermedios - los dispositivos se comunican directamente por tu red local ✅ Cifrado HTTPS con certificados TLS generados al vuelo en cada dispositivo ✅ Cero telemetría, cero cuentas, cero tracking - no hay nada que recopilar porque nada sale de tu red ✅ Comparte archivos y mensajes de texto entre dispositivos ✅ App de escritorio se puede iniciar oculta en la bandeja del sistema ✅ Protocolo abierto y documentado - cualquiera puede construir clientes compatibles ✅ 229 contribuidores. 24 releases. v1.17.0. Apache 2.0. La pregunta que deberías hacerte: ¿Por qué Apple no ha hecho esto en 15 años de AirDrop? Porque que tu iPhone no hable bien con un Android es, para ellos, una función. No un bug. el enlace 👇

• 
  Gentleman Programming (@G_Programming) reportó hace 23 minutos

  Hoy mejoré mi sistema de review adversarial a la mañana, y ese mismo sistema custodió todo lo que shippeé el resto del día. Nació y se pagó solo en la misma sesión. Te cuento el proceso completo, porque acá lo que vale no es el resultado, es cómo se llegó. Empezó con una auditoría de tokens a mi propia herramienta. Resulta que gentle-ai le inyectaba unos 13.600 tokens de contexto fijo a CADA sesión de Claude Code antes de que escribas una sola palabra. El protocolo de memoria entraba tres veces por canales distintos. La persona entraba dos veces. Y lo peor: las dos copias habían drifteado, eran textos parafraseados diciendo casi lo mismo con wording distinto. Eso no es solo plata, locura. Instrucciones repetidas con palabras diferentes te degradan el compliance del modelo. Es calidad la que se te va. ¿Cuál fue la regla? No tocar una sola línea de código sin proceso. Cada cambio pasó por el ciclo completo de Spec-Driven Development: exploración, propuesta, diseño, tareas, implementación con TDD estricto, verificación. Y arriba de todo eso, judgment day: dos jueces ciegos revisando en paralelo, un ledger de findings persistido, y re-reviews acotados solo a lo que tocaron los fixes. Y acá viene el dato que me parece el más importante del día. Cinco veces el verify formal dio PASS. Y las cinco veces los jueces adversariales encontraron críticos reales. Un data race reproducido con go test -race. Un GET HTTP a la API de GitHub metido en cada session start que nadie había pedido. Reglas de contenido perdidas en una migración que los tests no veían, porque comparaban versión nueva contra versión nueva y nunca contra la fuente de verdad. En total: 54 findings encontrados, arreglados y verificados antes de mergear. Los números finales quedaron una flor: entre 1.700 y 2.600 tokens menos por sesión. Y reviews que antes churneaban infinito ahora convergen de verdad. Cinco findings, después uno, después uno, después cero. Finish. La parte que más me gusta ya te la spoileé arriba, pero mereces el detalle: el primer feature que shippeamos a la mañana era justo el contrato de review con ledger. Ese mismo sistema custodió los otros tres durante el resto del día. Construimos la herramienta de calidad primero, y la herramienta se pagó sola. Tres lecciones que me llevo. Un test de regresión vale lo que vale su baseline. A los agentes la evidencia se les dicta verbatim, porque cuando parafrasean, inventan. Y la IA es una herramienta: el humano dirige, la IA ejecuta, y los procesos existen para que ninguno de los dos se mienta a sí mismo. gentle-ai v1.44.0 y engram v1.19.0 ya están afuera, con todos los artefactos y ledgers de review archivados en los repos para el que quiera auditar cada decisión. Esto es lo que pasa cuando dejás de pedirle código a la IA y empezás a construir SISTEMAS con ella. Éxitos, nos vemos ahí. Y disfruten el nuevo Gentle-Ai !!

• 
  Adrian K. (@kabezadekarpa) reportó hace 23 minutos

  Que mal humor estas apps de github que tenes que ser ingeniero para instalarlas

• 
  Jose L. del Palacio (@jl_palacio) reportó hace 29 minutos

  @marcvidal Cuando una empresa gasta su presupuesto anual de IA en cuatro meses por convertir PDFs en PowerPoint, el problema no es la IA. Es que alguien autorizó gasto sin medida. Uber limitó Claude Code, GitHub cobra por token en lugar de tarifa plana. La realidad: mucha gente usa IA para lo que un botón hacía antes y ahora lo pagás por tokens. La fiesta de "IA sin límites = productividad" terminó cuando llegó la factura. Ahora viene lo real: medir retorno de verdad o desactivar.

• 
  sammwy (@sammwy) reportó hace 33 minutos

  @xezrxl A este punto creo que es bait, pero te respondo porque no está de mal divulgar. Los launchers de MC están hechos en lenguajes de programación completos que permiten tener utilidades como parsing de archivos. Minecraft usa JSON dinamicos para el meta-version, el cual es una set de instrucciones de como el juego debe iniciar dependiendo la versión, el sistema operativo, la arquitectura y el jugador. Existe una API de mojang llamada piston que entrega los meta versión de cada versión (ej 1.20.1) El archivo JSON tiene de estructura la verificación de integridad (checksum), el listado de assets y su indexado por hashes (.minecraft/assets), el manejo de binarios nativos dependiendo arch y OS (.minecraft/native) el cual debe descomprimir en un .zip, el manejo de dependencias con namespace (.minecraft/libraries) y el manejo local del meta-json y el JAR del entry point (.minecraft/versions) Una vez teniendo esto en cuenta, se arma algo llamado classpath, el cual es un listado de todos los archivos que van a corresponder a esa versión del juego, los nativos a integrar, el asset path a usar y el "mcdir" junto con mas argumentos como la sesión del jugador, etc... Mi idea es construir todo esto desde un script de windows ".bat" o de bash ".sh", el cual, al menos Windows, es bastante básico. No poseo parser JSON, ni validación de checksum, ni forma de decomprimir el ZIP, ni forma de iterar, descargar o interpretar los meta de forma correcta. Por eso es complicado, y hasta la fecha no vi nada igual. tuve que ingeniarmelas usando un truco que se me ocurrió. Esa es la razón. Podés ver el código del script en GitHub.

• 
  Facundo Pascual (@PascualInvest) reportó hace 34 minutos

  $MSFT : Es una buena oportunidad hoy a largo plazo? Microsoft cotiza hoy a $411, casi 26% por debajo de sus máximos de mediados de 2025. Para la mayoría de los inversores eso suena a problema. Para mí suena a contexto que vale la pena entender antes de sacar conclusiones. El negocio que hay detrás del precio: Las métricas operativas de Microsoft no reflejan una empresa en dificultades. El margen bruto es 68.3%, el margen EBIT 46.8%, el ROE 34% y el ROIC 27.4%. Estos no son números de una empresa que está perdiendo relevancia competitiva, son números de un negocio con ventajas estructurales que se han profundizado con el tiempo, no erosionado. El crecimiento forward a dos años proyecta ingresos al 16.8% CAGR, EBITDA al 21.3% y EPS al 19.1%. Una empresa de $3 trillons de market cap creciendo earnings casi al 20% anual no es una empresa cara en términos relativos, es una empresa que el mercado está evaluando con el múltiplo de una utility cuando el perfil de crecimiento es el de una plataforma tecnológica en expansión. Por qué cayó y qué dice eso: La corrección de $550 a $360 entre mediados de 2025 y marzo 2026 fue una de las más pronunciadas de los últimos años para Microsoft. Las razones fueron varias y vale separarlas. Primero, la preocupación genuina sobre si el capex masivo en IA, que para Microsoft supera los $80B anuales, va a generar los retornos que justifican la inversión. Segundo, la desaceleración relativa en el crecimiento de Azure frente a las expectativas que el mercado había construido durante el rally de 2024. Tercero, el contexto macro de tasas altas que comprimió múltiplos en toda la categoría de software de alta calidad. Lo que el mercado no está procesando bien es que ninguno de esos factores cambia la posición competitiva estructural de Microsoft. Azure sigue siendo el segundo cloud del mundo con crecimiento de doble dígito alto. El segmento de Productivity and Business Processes, que incluye Office 365, Teams y LinkedIn, tiene una base de ingresos recurrentes que ningún competidor puede replicar en el corto plazo. Y GitHub Copilot, con más de 15 millones de usuarios de pago, es la adopción de IA empresarial más concreta y medible del mercado. La tesis de largo plazo y por qué sigue intacta: Microsoft tiene algo que muy pocas empresas en el mundo tienen: tres negocios distintos que son cada uno líderes en su categoría y que se refuerzan mutuamente. Azure es la infraestructura. Office y Teams son la capa de productividad. Y la integración de Copilot en ambas capas es el vector de monetización de IA más avanzado del mercado empresarial. La relación con OpenAI, que el mercado sobrereaccionó cuando se renegociaron los términos, sigue siendo estratégicamente valiosa. Microsoft no necesita poseer OpenAI para beneficiarse de los modelos, necesita que Azure sea la infraestructura donde esos modelos corren y que Copilot sea la interfaz donde las empresas los consumen. Eso sigue siendo exactamente así. El Fwd PE de 22.5x con crecimiento de EPS al 19% CAGR implica un PEG de aproximadamente 1.2x. Para el S&P 500 en promedio ese ratio está cerca de 2x. Microsoft cotiza con descuento de calidad respecto al índice, lo que históricamente ha sido una oportunidad de entrada, no una señal de alerta. Lo que hay que monitorear: Hay dos variables que definen si la tesis se confirma o se deteriora en los próximos cuatro trimestres. La primera es el crecimiento de Azure, específicamente si la aceleración que el management prometió para la segunda mitad del año fiscal se materializa en los números. La segunda es la conversión de Copilot de producto de adopción temprana a línea de ingresos material. Microsoft reportó $13B en ingresos anualizados de Copilot hace pocos trimestres y ese número tiene que seguir creciendo para que el múltiplo actual se justifique sin necesidad de expansión adicional. El MktCap/FCF de 67x es el número que más me incomoda y hay que nombrarlo con honestidad. Es elevado incluso para Microsoft, y refleja que el mercado está capitalizando crecimiento futuro de FCF que todavía no está en los estados financieros. Si el capex en IA no se traduce en expansión de márgenes en los próximos dos años, ese múltiplo va a tener que comprimirse. Mi conclusión: A $411 con 22.5x Fwd PE, 27% de ROIC, tres negocios líderes en sus categorías y la plataforma de IA empresarial más adoptada del mercado, el perfil de riesgo retorno de largo plazo es asimétrico a favor del inversor paciente. El riesgo no es que Microsoft pierda relevancia. El riesgo es que el capex masivo en IA tarde más de lo esperado en traducirse en FCF. Y ese es un riesgo que creo vale la pena asumir cuando el precio de entrada es este y no el de $555.

• 
  Edd Ꙩsorio (@dobleub) reportó hace 34 minutos

  @powerhdeleon Si, la neta, yo si pagué la anualidad de Github Copilot, los dos años anteriores no estuvieron mal, pero este año si esta cañón

• 
  PA13L0 (@Fluyeporlaweb) reportó hace 35 minutos

  alguien publicó en GitHub un buscador y descargador de torrents que vive en tu terminal. cero configuración. cero cliente instalado. cero interfaz web. escribes el nombre de lo que buscas, te lista los resultados con seeders y leechers, seleccionas y descarga. todo desde la línea de comandos. ✅ busca en múltiples índices de torrents a la vez ✅ soporte de magnet links ✅ cero setup, funciona con npx directamente ✅ tu máquina, tus descargas, sin intermediarios 2.5k estrellas en 3 días. MIT. Y acaba de sacar la v1.2.0. se llama torlink 👇

• 
  Mbantino Pérez (@Tacantinho) reportó hace 46 minutos

  @Balatreado Si no es de las que trae las piezas soldadas y se puede reemplazar/upgradear, entonces no hay problema. Como consejo diría que busques un tuto para usar "WinUtil" y lo uses de vez en cuando. Es una herramienta de Github que te limpia apps en 2do plano y archivos basura del pc.

• 
  Chesny (@chesny) reportó hace 47 minutos

  4 agentes de IA viven dentro de 1 bóveda de Obsidian y dirigen un negocio en Etsy con una nómina de $100. La bóveda es un segundo cerebro donde cada archivo está conectado a todos los demás, un grafo vivo que los agentes leen antes de moverse, rastreando lo que 1 cambio provoca en 3 archivos aguas abajo antes de tocar nada. Matt es el gerente que realiza reuniones en una nota de sala de guerra y escribe informes diarios que su dueño lee con el café, registrando cada decisión como un informe para accionistas. Bunkin dirige la producción de camisetas, velas, listados, mientras Dennis se sienta en el laboratorio de investigación cocinando ideas todo el día, soltando cada una en un pipeline donde los otros agentes son enviados en misiones para convertirlas en dinero. Luke cierra el ciclo en el laboratorio de medios, creando TikToks para los productos de Bunkin sin cámara, sin editor y sin factura. Todo el grafo fue dibujado con Git Nexus, de código abierto y gratis en GitHub, y todo el personal funciona con 1 suscripción plana a Codex con GPT 5.5 $100 al mes para un gerente, un diseñador, un investigador y un equipo de video. La mayoría de los fundadores queman $4,000 al mes en freelancers y aún responden sus propios correos a la 1 de la mañana. La bóveda sigue pensando después de que su dueño cierra sesión.

• 
  NatyShi 🦇🔊🏴 (@NatyShi_) reportó hace 48 minutos

  @noestelar @NousResearch Tengo hermes en pc para desarrollo de skills y agentes y uso diario que hace push a github de las novedades en memory, skills etc y en la documentacion de cambios en contenido que levanto con obsidian. En la vm con linux en un server local tengo hermes que hace pull del repo y se mantiene actualizado de las novedades, corre 24/7 y es el gateway con telegram para q desde mi movil pueda interactuar con hermes 24/7. La vm es un "digital twin" de hermes pc como backup y corriendo 24/7 desde donde necesite aun sin pc, sincronizado a traves de un repo. No se si eso ayuda a entender o confunde mas. Estoy documentando todo sobre arquitectura y logica para el q quiera armarse algo asi si es de interes

• 
  Patricio Ivan Rivera (@patricioirivera) reportó hace 55 minutos

  @SergioGMN te iba a preguntar por el github, pero veo que le estás pidiendo ayuda a la gente equivocada.

• 
  PA13L0 (@Fluyeporlaweb) reportó hace 55 minutos

  Un tío en Reddit automatizó la captura de leads con Zapier. 8 pasos por lead. 100 leads al día. Factura de fin de mes: $847. Lo peor no fue el dinero. Lo peor fue que empezó a eliminar pasos de sus flujos de trabajo para ahorrar tareas. Estaba optimizando para la factura de Zapier en lugar de para su negocio. Eso es lo que pasa cuando pagas por tarea. Cada ejecución golpea el servidor de Zapier. Ellos lo cuentan. Te lo cobran. Activepieces funciona al revés. Corre en tu servidor. Una tarea es una llamada a función local. No hay nada que contar. No hay nada que cobrar. 22.7k estrellas en GitHub. Un contenedor Docker. Tareas ilimitadas. ✅ 200+ integraciones: Slack, Gmail, Notion, GitHub, Stripe, HubSpot y más ✅ Constructor visual sin código - igual que Zapier pero en tu máquina ✅ Nodos de IA nativos para llamar a cualquier LLM dentro del flujo ✅ 400 servidores MCP integrados - Claude, ChatGPT y Cursor pueden ejecutar tus automatizaciones directamente ✅ Docker en un comando. Sin dependencias externas. ✅ 333 releases. Activo hace 1 hora. MIT. Zapier tiene 9.000 integraciones. Activepieces tiene 200. Si necesitas las 9.000: sigue con Zapier. Si necesitas 20 que funcionen en tu servidor sin límites: esto. el enlace 👇

• 
  🤖 (@fluyeporlaIA) reportó hace 56 minutos

  Hay un paper del MIT CSAIL que está poniendo en duda una de las tendencias más fuertes de los últimos meses. En vez de seguir empujando context windows cada vez más grandes, proponen un enfoque diferente: almacenar los documentos fuera del modelo como variables de Python. El modelo no resume. Escribe código (regex, slicing, navegación) para recuperar solo las partes relevantes, lanza instancias paralelas cuando hace falta y sintetiza al final. Según los benchmarks que muestran, consiguen resultados muy superiores en tareas de contexto largo (incluso llegando a manejar 10M de tokens) sin perder información por compresión. El código está open source en GitHub. Esto choca bastante con la dirección actual de la industria (1M, 2M, 10M tokens de contexto). La tesis es que el contexto masivo tiene un problema de “context rot” y que la recuperación selectiva mediante código es más eficiente y preciso. Si esto escala bien, podría cambiar cómo diseñamos sistemas de agents que necesitan procesar grandes volúmenes de información sin degradación.

• 
  Cristian Córdova 🐧 (@barckcode) reportó hace 57 minutos

  Que queréis que os diga. Yo no estoy descontento con GitHub más allá de que las PRs son lentas y aveces van mal. Aun así probar alternativas nunca está demás. Nunca se sabe.

• 
  IVAN | IA (@ivnways) reportó hace 57 minutos

  GitHub Copilot te está cobrando ahora mismo. Y lo peor: la mayoría de devs no sabe cuánto ni por qué... Cada petición tiene un precio. Cada contexto que se dispara, también. Y cuando llega la factura, ya es tarde. 5 hábitos para dejar de sangrar dinero: - Modelo potente solo cuando la tarea lo merece - Modelos pequeños para tareas simples - Controla el contexto antes de que se dispare - Fragmenta trabajos complejos en etapas - Monitoriza el consumo antes de que duela. La IA bien usada es un arma de precisión. La IA mal usada es un agujero en tu bolsillo.

• 
  Camaleón Raro (@camale0nrar0) reportó hace 60 minutos

  La ejecución está commoditizada. Replit Agent, Cursor, v0, GitHub Copilot, to funciona bien. El diferenciador ahora: criterio pa reconocer patrones, anticipar edge cases, saber cuándo NO delegar al agente.