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 (53%)
• Errores (33%)
• Inicio de Sesión (14%)

Mapa de interrupciones en vivo

La mayoría de reportes de fallos e interrupciones se originaron en

City	Problem Type	Report Time
Paris	Sitio Caído	hace 9 días
Ahmedabad	Errores	hace 15 días
Delme	Inicio de Sesión	hace 16 días
Lyaud	Sitio Caído	hace 16 días
Catania	Errores	hace 18 días
Inverness	Sitio Caído	hace 1 mes

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:

• 
  Pedro Sorrentino (@PedroSorrentin0) reportó hace 8 minutos

  Automatización con GitHub ​Conectas tu repositorio de GitHub a tu instancia de Coolify. ​A partir de ahí, el flujo es idéntico a Cloud: ​Haces git push a tu rama principal. ​Coolify recibe el webhook, construye el contenedor y despliega sin caída de servicio (zero-downtime). ​Misma experiencia de desarrollo, control total del servidor.

• 
  Nix0n (@UnTalNixon_exe) reportó hace 8 minutos

  @0xKento_ Las estrellas en GitHub son un buen indicador de que el proyecto tiene comunidad y tracción, pero no son una garantía absoluta de que esté libre de fallos o que reciba soporte constante. Muchos repositorios explotan en popularidad por una combinación atractiva —como correr clonación de voz en local con interfaz gráfica—, pero al rascar la superficie te puedes encontrar con dependencias que se rompen con cada actualización de PyTorch, problemas de compatibilidad con drivers de video o falta de mantenimiento a mediano plazo. Sirve para saber que el proyecto es relevante y que hay mucha gente probándolo, pero siempre toca auditarlo un poco antes de meterlo en un flujo de trabajo serio.

• 
  🔥🐲 Javier  (@nuevo_31) reportó hace 14 minutos

  GitHub está como lento que ladilla

• 
  Josué Hernández (@josueisaihs) reportó hace 15 minutos

  La analogía falla en el punto que importa: el lock-in de GitHub era social graph y CI; el de HF es la ruta de resolución de artefactos. from_pretrained resuelve contra su CDN en cada build. Ahí el dueño no controla un repo, controla el default de descarga de todo el stack.

• 
  Disiento con usted (@yodisiento) reportó hace 16 minutos

  @powerhdeleon La forma de trabajar es esencial. Armar siempre planes es clave, incluso para las tareas que presumimos sencillas, para saber si entendió y que quiere hacer, antes de tocar nada. Dialogar lo suficiente hasta cerrar el alcance, antes de tocar nada, es tiempo ganado y renegar menos. Se trata de revisar cada cosa del plan que no se entienda, saber qué quiere hacer y el porqué. Ahí salta mucha sobre-ingeniería que podemos y debemos evitar. Antes de tocar nada. Atomizar las planes, escalonar los cambios, es decir, achicar los problemas para resolver, es una forma adicional de tener resultados controlables. Antes de tocar nada. Luego, una vez aplicados los cambios, revisarlos. En mi caso, con una interfaz amigable como GitHub Desktop. Es esencial para ver que no haya tocado cosas del Core que no autorizamos. Ojo con esto, a veces hace cosas que no dijo que haría, que no están en el plan, y el/la hijoepú las mete, total, después te pide disculpas. Y si algo parece mal, seguí tus entrañas. Es mejor hacer Undo All y hacer todo de nuevo que un Commit que sea un iceberg. Preguntále a Di Caprio si no. Todo esto en un entorno de Desarrollo, porsupu. Si hacés esto en Producción sos vos el ********** malnacido y ojalá te hagan el tratamiento capilar de Luis XVI y María Antonieta. Lo que puedo afirmar con mucha convicción es que, para casos que muchas veces no es tan grande el cambio pero sí es muy grande el análisis, el Auto se queda corto y me hace perder mucho tiempo de análisis y armado del alcance. Y como además observa y rastrea lo justo y necesario, no planifica y entonces cuando mete la mano arregla una y rompe dos. Y tenés que rehacer. Para ese tipo de casos uso los mejores, sin necesidad de exagerar consumo, porque 5.6 Sol Medium me ha dado excelentísimos resultados. Analiza tan bien y no deja cosas en el camino, que no pierdo nada de tiempo adicional. Hasta me sorprende. Es como hablar con alguien que entiende el desafío y me entiende a mí. La diferencia con Auto es demasiado grande y el costo también, pero se paga solo, porque tu paz y tu salud no tienen precio.

• 
  Jorge J. Ramos (@YoryoBass) reportó hace 19 minutos

  @Xopsy @dordokamaisu El problema es definir que es el límite. No puedes estar preparado para ciertos niveles de presión seas GitHub o cualquiera de los gigantes. Y el tema agentivo ha hecho daño en infraestructura porque imagino que no será fácil de estimar, si un solo agente puede estar haciendo operaciones 24/7

• 
  Roger (@navywakura) reportó hace 20 minutos

  En esta captura la RAM sale mal. No hagan caso. Sigo programando e investigando, y creo que en setiembre podré publicarlo finalmente ya que estoy cerca de comprar AKD1000. Una vez tenga el benchmark de julios y mW, publicare el source code y la ISO. Tengo pensado ponerle la licencia BSL 1.1. Pero aun estoy pensando. Habrá una versión con GPLv3 del kernel base. echOS kernel estará disponible en github pronto!

• 
  Iceebook (@iceebook_) reportó hace 20 minutos

  Un agente de IA basado en el modelo Kimi K3 tenía que resolver un reto de ciberseguridad en un entorno cerrado y, en vez de resolverlo, buscó la trampa. Vio que la prueba había dejado accesible GitHub, se descargó el repositorio oficial y leyó ahí la respuesta. No hackeó nada ni explotó ningún fallo, solo aprovechó una puerta que los propios evaluadores dejaron abierta. El caso importa porque enseña un problema de cómo se diseñan estas pruebas, ya que si le das a un agente acceso a un terminal, también puede fisgar conexiones y permisos que no tocaban.

• 
  Pato (@byElPatoCuak) reportó hace 27 minutos

  GitHub está caído. Día cancelado me vuelvo a la cama

• 
  Juan Fabio Rey (@juanfabiorey) reportó hace 29 minutos

  @edusoyy Acá la cosa es muy sencilla. Si no sabés programar no hay IA que te salve. Aparte de ingeniero en sistemas son un cazador de vulnerabilidades, si supieran el desastre que hicieron algunos "vibe-coders" con el NPM Supply-chain (gusano Shai-Hulud/ChainDrop), por no saber, por no utilizar wrappers (NVM), ofuscación, control de versiones y no auditar las pull requests, no reconocer carpetas como '.cursor' o '.claude' que existen con esos nombres, o que el paquete 'cross_env' esté tan obeso, o desconocer el uso del flag 'ignore scrpt=true'. Repito, son cosas básicas que todo buen programador Propagaron malware por todos los sitios/repositorios. Y si usan VSCode o Node por fuera de Nvm. Lo lamento mucho, sus rsda_keys, github secrets, actions, datos de aws o azure... ya andan dando vueltas por el mercado negro. La IA es una herramienta de productividad para expertos, no un "hazme todo" para principiantes. La IA está entrenada para ofrecer patrones conocidos en el menor tiempo posible, no se fija si la configuración de policies del endpoint de tu API es segura y si un script te ejecuta un payload malicioso. La experiencia es la mejor herramienta para la evaluación de calidad del software. La IA me ayuda a construir más rápido, porque se lo quite estoy h haciendo.

• 
  Aniol Comas (@aniol46) reportó hace 35 minutos

  @ErickSky Usa 'GoHarder' puedes hacer lo mismo y funciona offline, puedes pasar el paywall sin pagar y usarla gratis sin lios de github

• 
  shinojosa (@sergiohavila) reportó hace 38 minutos

  @carlos_olivera @github Entonces tienes un bug por qué tú agente debería notificar alguna falla en origen no?

• 
  martin (@marterrz) reportó hace 42 minutos

  @Carbeno_ @npm_run_fede @GordoLeyes Entonces no te la agarres con GitHub si tu problema es con el distribuidor. No es para vos, es para programadores. Lo único que tenés que recordar es git clone URL y funciona con cualquier git, no solo GH. Btw abrile un issue en el repo y decile que publique en otro lado.

• 
  Jorge J. Ramos (@YoryoBass) reportó hace 42 minutos

  Me sigue sorprendiendo mucho que compañeros de profesión altamente cualificados y experimentados, sigan pensando que los problemas de GitHub vienen porque más de la mitad de su código está hecho por una IA. Al parecer es un problema de sistemas distribuidos, y si te interesa el tema este post mortem es oro. En cualquier caso, me da mucha pena que todavía haya ingenieros de software, programadores, analistas y arquitectos haciendo bromas con aire de superioridad, porque GitHub utiliza IA activamente para su código. Me da pena por ellos, porque cuando quieran rectificar será tarde y el tren les habrá pasado por encima ya.

• 
  David J Marquez Batiz (@djmbdv) reportó hace 45 minutos

  @powerhdeleon Genio, todo el mundo tiene su propio git, github es solo una copia de otro server en la nube. Realmente lo que falla de github mas que todo son servicios como Actions, Pages. Puedes tener tu CI en otro lado, o bien subir tus cositas con filezilla por ftp

• 
  David Fernández (@naroh) reportó hace 45 minutos

  Hoy me voy a entretener estableciendo un flujo automatizado para solucionar las issues que se reportan en tracker (Bugsink, compatible con Sentry) que utilizamos. La primera etapa fue forkearlo y añadir MCP. Ahora, el plan es: Establecer mi servidor remoto (una torre que tengo en el salón) como servidor remoto de Orca, donde estarán corriendo tanto Claude Code como OpenCode con OpenCode Go. En este servidor también corre Hermes. Me conecto a él por Tailscale. Hermes orquestará cada X minutos una búsqueda de issues reportadas y hará triaje. Para las que crea que son merecedoras de atención generará una issue en el repositorio de Github, diagnosticando el problema con un modelo SOTA, y delegará a OpenCode corriendo en Orca implementar la solución. Orca/OpenCode realizarán la implementación utilizando los workspaces remotos de Coder en los que trabajamos. En principio la idea es que esto corra desatendido, pero si quiero podría conectarme a Orca desde mi móvil o desde otro dispositivo para chequear qué hace. Cuando acabe, enviará un PR con la solución para revisión humana.

• 
  german... (@german_sindatos) reportó hace 46 minutos

  @vheeorji22 Github sirve para que de un archivo no crees N copias que se llamen version_final, version_final_2, version_final_esta_si_es

• 
  roman (@Nozelcode) reportó hace 46 minutos

  EL 75% DE LO QUE LE PAGAS A CLAUDE ES TU AGENTE REPASANDO LO QUE YA SABÍA AYER Cada vez que Claude abre tu proyecto empieza de 0. Reconstruyendo un mapa que ya hizo hace una hora y tiró a la basura. Esa exploración la pagas tú. En cada sesión. Graft lo arregla con una idea absurdamente simple: convierte a tu agente en el que ya lleva un año en la empresa. Ese que no abre 15 archivos para ubicarse porque ya sabe dónde vive todo. Escanea el repo una vez, lo escribe como markdown enlazado dentro de tu git, y el agente lo lee antes de tocar nada. Así que antes de empezar ya sabe: → qué sistema toca este cambio → dónde vive esa lógica → qué se rompe si la mueves → qué se decidió antes y por qué Y se mantiene sincronizado solo, en segundo plano. Su benchmark, 162 runs: → 46% menos tool calls → 32% menos coste → 60% menos latencia → misma correctness 5 pull requests reales de PocketBase: Sonnet con Graft los reprodujo todos, tocando los mismos archivos que los mantenedores. Nivel Opus y un 21% más barato. Sin embeddings. Sin vector DB. Son archivos markdown dentro de tu repo. npm install -g @nanonets/graft graft init MIT, gratis y open source. trending en GitHub esta semana. El contexto más barato es el que no vuelves a buscar. Enlace al repositorio abajo👇

• 
  Raul Santos ⛵️ (@RaulESantos) reportó hace 46 minutos

  Ayer en la noche configuré un servidor virtual para poder hacer coding desde Claude code en mi celular sin depender de la laptop. Hoy GitHub está caído, por lo que lo tendré que probar después. En todo caso, estamos en una nueva era para los negocios.

• 
  Sweex (@sweexx9) reportó hace 49 minutos

  🚨GitHub mató el vibe coding de una vez por todas. Acaban de soltar Spec Kit y ya va por +127K estrellas. ¿El truco? Deja de tirar prompts al aire y rezar para que la IA no te destroce el repo. Spec Kit obliga a la IA a escribir una especificación clara y estructurada ANTES de generar una sola línea de código. Primero entiende exactamente qué quieres, te pregunta lo que falta, arma el plan y recién ahí programa. Resultado: cero errores random, código consistente y resultados que realmente se parecen a lo que pediste. El flujo es brutal de simple: /constitution → reglas del proyecto /specify → qué vas a construir /clarify → aclara dudas antes de empezar /plan → arquitectura + stack /tasks → tareas ordenadas /implement → a codear Funciona con Claude Code, Cursor, Copilot, Codex, Gemini CLI y +30 agentes más. 127K estrellas 11K forks 100% open source Hecho por GitHub

• 
  Manu | 🥥 (@ManuAF6) reportó hace 49 minutos

  Ayer dediqué unas horas a probar Origin para dar feedback al equipo antes del lanzamiento Algunas de sus características destacadas incluyen: - Almacenamiento de código en un servidor Git en tiempo real - Permite a los agentes abrir borradores de cambios - Revisión de instantáneas (versiones), no de ramas activas - Fusión cuando esté listo - Replicación de un repositorio de GitHub Revisa una imagen estática, no una rama activa

• 
  Federico Echeverri (@echeverrifm) reportó hace 52 minutos

  @TELMEXSoluciona @Telmex @github Es que es lo que no entienden, no es mi caso es la región con problema

• 
  ronix ⎋ (@ronixtec) reportó hace 54 minutos

  APPLE ACABA DE MOSTRAR CÓMO EJECUTAR 10 AGENTES DE IA LOCALMENTE EN MAC - SIN NUBE, SIN CLAVES DE API, COSTO CERO 00:10 El ingeniero de Apple dice: "tus datos permanecen en tu dispositivo, IA disponible en cualquier lugar en cualquier momento, costo de uso cero" el agente lee tu código, revisa GitHub, encuentra lo que necesita atención y escribe un informe - todo en tu Mac, nada se va a internet 10 agentes trabajan simultáneamente - uno escribe código, otro prueba, el tercero corrige errores - en paralelo sin colas construyó una app completa para iPad desde cero en 2 minutos, corrigió sus propios errores y compiló sin problemas toma 5 minutos para configurar - y nunca pagas de nuevo por un bot que funciona 24/7 guárdalo y sígueme para más → @ronixtec todo está en el articulo fijado↓

• 
  winden^capsule^rgba^ntw^bg (@winden) reportó hace 55 minutos

  @sequentiasoft El GitHub del sword of ianna de spectrum. Pero básicamente se reduce a probar a cargar el fichero por su nombre y, si no funciona, entonces pedir " mete el disco X y pulsa espacio". Así si tienes todos los ficheros en un solo disco de 3.5 o en HD, funciona de forma transparente

• 
  Pedro Sorrentino (@PedroSorrentin0) reportó hace 56 minutos

  El número que casi nadie está mirando: En abril, GitHub procesaba 1.400 millones de commits al mes. En agosto, 2.900 millones. En 4 meses se duplicó el corazón de la plataforma. Eso no es un pico de humanos. Es otra especie usando GitHub: agentes de IA haciendo commits, PRs y pushes en bucle. GitHub lo dice en el postmortem: no hubo cambio de código ni de configuración. Fue un fallo de capacidad.

• 
  santi (@santtiagom_) reportó hace 56 minutos

  unos amigos tienen una pequeña empresa de merchandising. durante años llevaron gran parte de la gestión en documentos de Google: cotizaciones, facturas, ventas y varias tareas del día a día. hace poco, uno de ellos se descargó Claude Code y empezó a pedirle que convirtiera todo ese proceso en un sistema. no sabía programar. solo conocía muy bien el negocio, cómo trabajaban y qué necesitaban resolver. 2 o 3 semanas después ya tenían un MVP funcionando: podían cotizar productos desde la página, cargar facturas, registrar ventas y tener toda la información ordenada en un mismo lugar. no es un sistema pensado para escalar ni para atender a millones de usuarios. tampoco lo necesitan. es una herramienta interna, construida alrededor de su forma de trabajar, que les ahorra muchísimo tiempo todos los días. hace unos años, desarrollar algo así probablemente habría sido demasiado caro para una empresa tan chica. necesitaban contratar a alguien, explicarle todo el negocio y pagar semanas o meses de desarrollo. hoy, una persona que entiende bien el problema puede convertirlo en una solución usando lenguaje natural. algo que noté durante el proceso es que todavía hay una parte bastante confusa para quien nunca programó: entender GitHub, manejar versiones, configurar un dominio y hacer un deploy. más allá de eso, una persona sin conocimientos de programación pudo crear en pocas semanas una herramienta que resuelve un problema real y le aporta valor todos los días. creo que esto va a ser cada vez más común: personas que conocen muy bien su trabajo y se animan a usar la IA para construir soluciones pequeñas y hechas a su medida. saben qué necesitan, cómo debería funcionar y qué corregir cuando algo no les sirve. pueden explicárselo a un agente, probar el resultado y mejorarlo sobre la marcha. mucho del software que antes no tenía sentido construir por tiempo o costo, ahora sí se puede hacer.

• 
  GptZone (@gptzone_net) reportó hace 56 minutos

  La resistencia práctica tampoco está resuelta. En apenas 24 horas apareció en GitHub un repositorio que afirmaba eliminar marcas de Claude, ChatGPT y Gemini. Un sistema que puede degradarse mediante reescritura o herramientas accesibles no sirve como prueba única para sancionar a un estudiante.

• 
  No context Hazz ⛩ (@HazzimIO) reportó hace 58 minutos

  Se están viendo lentos los de GitLab, deberían estar haciendo leña del GitHub caído.

• 
  GptZone (@gptzone_net) reportó hace 59 minutos

  Perplexity acaba de atacar uno de los costes menos visibles de los agentes: pagar la nube por cada paso, incluso cuando tu propio ordenador podría resolverlo. Portable Computer lleva su entorno de IA a NVIDIA DGX Spark y ejecuta las tareas localmente por defecto. Los archivos se procesan en el equipo, los datos sensibles no salen a servidores externos y el trabajo local no consume créditos ni tokens de la suscripción. El mecanismo económico importa más que la etiqueta de «IA local». Un agente no hace una única consulta. Puede leer documentos, buscar información, consultar Gmail, Google Drive, Slack o GitHub, ejecutar herramientas y encadenar decenas de acciones antes de entregar un resultado. Si cada paso pasa por la nube, el coste crece con la autonomía del sistema. Perplexity propone una arquitectura híbrida: el hardware local absorbe el volumen rutinario y la nube queda reservada para los cuellos de botella. Cuando el modelo detecta que una tarea supera su capacidad de razonamiento o alcance, detiene el proceso y pide permiso antes de enviar solo ese paso a un modelo remoto. Después reincorpora la respuesta al flujo local. Esto convierte el gasto variable por tokens en una combinación distinta: inversión inicial en hardware, consumo eléctrico y uso remoto puntual. No garantiza que salga más barato en todos los casos. Sí permite que un equipo intensivo deje de pagar el mismo margen de nube por clasificar un documento sencillo que por resolver una tarea compleja. También reduce una fricción que ha frenado la IA local: montarla exigía configurar inferencia, agentes, aislamiento y herramientas por separado. Portable Computer empaqueta modelos, motor de inferencia, conectores, lectura de PDF, dictado por voz y acceso a la terminal. Los comandos se ejecutan dentro de un sandbox restrictivo para limitar daños si el modelo falla. La propuesta inicial llega con Qwen 3.8 27B y Qwen 3.6 35B ajustados por Perplexity para tareas de agentes. Está previsto añadir NVIDIA Nemotron 3.5 Lightning y permitir servidores propios para necesidades especializadas. Hay límites relevantes. DGX Spark es el primer hardware certificado; el acceso inicial requiere Linux y una suscripción Pro, Max, Enterprise Pro o Enterprise Max. El soporte para tarjetas NVIDIA RTX en Linux llegará más adelante y la versión nativa para Windows está prevista para septiembre. Por eso todavía no es una alternativa universal a la nube. Es una prueba de una arquitectura que puede encajar especialmente bien en empresas con datos sensibles, cargas repetitivas y suficiente uso para amortizar el hardware. La métrica decisiva no será cuántos tokens procesa el modelo ni qué puesto ocupa en un benchmark. Será el coste por tarea terminada, incluyendo hardware, energía, mantenimiento, intervenciones humanas y escalados remotos. Si ese número mejora, NVIDIA no solo estará vendiendo una máquina compacta y Perplexity no solo estará distribuyendo software. Estarán trasladando parte de la economía de los agentes desde el centro de datos hasta el escritorio.

• 
  Fernando (@fnandot) reportó hace 60 minutos

  @carlesnunez Yo lo veo justo al revés: no creo que el problema sea que estemos abusando de GitHub, sino que ha cambiado radicalmente lo que significa producir software.