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 (19%)
• Errores (13%)

Mapa de interrupciones en vivo

La mayoría de reportes de fallos e interrupciones se originaron en

City	Problem Type	Report Time
Créteil	Sitio Caído	hace 5 días
Trichūr	Errores	hace 9 días
Brasília	Inicio de Sesión	hace 9 días
Lyon	Sitio Caído	hace 9 días
Tel Aviv	Sitio Caído	hace 13 días
Rive-de-Gier	Sitio Caído	hace 13 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:

• 
  K0lateral (@K0lateral) reportó hace 27 segundos

  @CopyRebeldia @CopyRebeldia Vaya, dos años regalando tu dinero como un campeón. Menos mal que GitHub te salva el pellejo, ahora a facturar como un máquina

• 
  Guillermo Izquierdo (@gizquierdo_dev) reportó hace 4 minutos

  Y esta semana lo viste en concreto: hasta GitHub fue comprometido. La IA baja el costo de atacar más rápido de lo que baja el costo de defender. Esa asimetría es el problema real.

• 
  Metaload (@Metaload_ES) reportó hace 5 minutos

  🚨 Microsoft estudia separar Xbox del resto de su negocio. Según un informe de The Information, la compañía estaría barajando convertir Xbox en una subsidiaria independiente, similar a cómo gestiona LinkedIn o GitHub, e incluso valoraría una empresa conjunta con socios externos. El motivo: el margen de beneficio de Xbox ha caído al 3% y la división lleva años sin justificar la compra de Activision Blizzard por 69.000 millones de dólares. Asha Sharma envió un email interno reconociendo que la división está "sobrepasada" y se prevén despidos masivos en julio. Pese al panorama complicado, Sharma ha conseguido aprobación de Satya Nadella y Amy Hood para aumentar la inversión en franquicias top como Halo, Fallout y The Elder Scrolls. La plataforma alcanza ya a más de mil millones de jugadores entre consola, PC, móvil y cloud.

• 
  DDobleDe (@SoyDDobleDe) reportó hace 8 minutos

  @paulatr3ides @eXtas1stv Cada vez que Microsoft tambalea, empezar a hacer ese tipo de estupideces. Le estaba pidiendo a todas sus divisiones (Xbox, GitHub, LinkedIn, Office, Windows etc) que de algún modo hicieran un montón de dinero a lo estúpido para recuperarse de un mal año fiscal.

• 
  BlackthornE (@blackthornecl) reportó hace 9 minutos

  ¿SABES LO QUE BYTEDANCE ACABA DE SOLTAR EN GITHUB? 🔥🦌 DeerFlow 2.0 es un SUPER AGENT HARNESS de código abierto que está DESTRUYENDO todo lo que conocías. Imagina un agente de IA que puede investigar, codificar y crear durante MINUTOS O HORAS sin que le holding la mano. Aquí viene lo LOCO: 🏆 1 en GitHub Trending el 28 de febrero 2026 - detrás de ByteDance, los creadores de TikTok ¿Qué puede hacer? Básicamente TODO: -Sub-agents que trabajan en paralelo como un equipo de desarrolladores elite -Memoria de largo plazo que NO olvida nada -Sandboxes aislados para ejecutar código sin romper tu sistema -Skills extendibles que le dan superpoderes -Message gateway que orchestra todo La arquitectura es BRUTAL: - Integra Claude Code, Codex, Cursor, Windsurf - Soporta DeepSeek v3.2, Kimi 2.5, Doubao-Seed-2.0-Code - Funciona con cualquier modelo compatible con OpenAI - Puedes usar vLLM para correr modelos locales El setup es RIDÍCULAMENTE fácil: make setup y te pregunta todo el wizard - modelo, búsqueda web, sandbox, acceso bash, herramientas de escritura de archivos. 2 minutos y listo. Modo sandbox = seguridad total. El agente ejecuta código en contenedores aislados. No va a romperte el servidor. Y lo MEJOR: 350 estrellas en tiempo récord. La comunidad está EXPLOTANDO. Esta es la próxima generación de agentes de investigación profunda. Ya no es solo "deep research" - es un harness completo para construir CASI CUALQUIER COSA.

• 
  Nicolás Schürmann (@_nasch_) reportó hace 10 minutos

  Tengo un flujo de trabajo con agentes desde mi teléfono y mi modelo local LLM corriendo en un servidor que me tiene vuelto loco. Le doy órdenes en la calle y luego de un rato reviso en github. Me encanta.

• 
  anonimo (@anonimo1is) reportó hace 15 minutos

  @precisox Interesante propuesta. Pero GitHub ya integra Copilot, GitHub Code Search AI y GitHub Actions con AI. ¿Qué hace a Origin diferente que no se pueda replicar aquí? Sería útil ver un caso concreto donde GitHub falla y Origin lo soluciona.

• 
  Marcho (@MarchoSn) reportó hace 17 minutos

  @D_Espanadero Eso es lo de menos, porque podes levantar cuenta de GitHub y servidores vacíos sin comprometer nada personal. El problema es el riesgo de tener algo productivo con datos de usuarios reales “protegidos” por dudosa seguridad. Ahí está el verdadero problema.

• 
  ElQueLoVe (@ElQueLoVex) reportó hace 17 minutos

  Microsoft descubrió que Claude Code tiene una vulnerabilidad crítica que permitiría a atacantes robar credenciales directamente de GitHub. El fallo expone tokens de autenticación cuando el código se procesa, según reporta Decrypt, poniendo en riesgo a desarrolladores que usan la IA para programar. Las empresas tech deben parchear inmediatamente antes de comprometer sus repositorios. #CyberSecurity #AI #GitHub

• 
  Álvaro López | Sabiadicción (@SabioSentido) reportó hace 20 minutos

  UN CHINO HA CREADO OFICIALMENTE UNA MÁQUINA DE IMPRIMIR DINERO. Hay una herramienta en GitHub que ha recibido 13 000 estrellas. Se llama moneyprinterturbo. La ha creado un desarrollador chino. Es gratuita y totalmente de código abierto. Genera automáticamente vídeos completos para TikTok, Reels y YouTube Shorts. ¿Cómo funciona? Lo hace todo en un único flujo de trabajo. Creación del guion, locución, subtítulos, recursos visuales, edición... todo en cuestión de minutos. El resultado es un vídeo listo para publicar. Tú no tienes que tocar nada. Ahora bien, ¿por qué se ha vuelto tan popular? Porque normalmente este proceso funciona así: Una herramienta para el guion, otra para la locución, otra para los subtítulos, otra para las imágenes y otra para la edición. Cada una requiere dinero, tiempo y aprendizaje por separado. Moneyprinterturbo lo ha reunido todo bajo un mismo techo. Se ha convertido en el proyecto de código abierto más popular de su categoría, gratuito y sin límites. Los canales de TikTok Shop y YouTube Shorts ganan entre 6000 y 10 000 dólares al mes. Ellos utilizan este proceso. La diferencia es la siguiente: Ellos pagan por las herramientas. Tú no pagas nada. La instalación te llevará 5 minutos. Búscalo en GitHub. Instálalo, ejecútalo, crea contenido: todo está totalmente en tus manos.

• 
  Esteban Grandal (@egrandal) reportó hace 20 minutos

  @midudev Ya no sirve para nada. Es absurdo. Este mes exploro OpenCode y probablemente me de de baja en GitHub. Una pena, porque era el mejor, pero lo entiendo. El ritmo de crecimiento de uso y recursos (cómputo) que ha experimentado también ha sido absurdo.

• 
  Gaseous Snake (@Gaseous_Snakee) reportó hace 22 minutos

  Adivinad quien acaba de perder ~6 horas de trabajo en un proyecto que supuestamente es en grupo pero yo estoy haciendo el 100% del trabajo porque mis compañeros son inútiles y no se indignan a aprender como funciona github y no les da la **** gana hacer pull antes de ponerse a -

• 
  Culiacan.AI (@CuliacanAI) reportó hace 24 minutos

  GitHub Copilot abandona la tarifa fija y cobra por token a partir de junio 2026. No es un ajuste de precio — es el momento en que la industria del software admite que el modelo SaaS tradicional no funciona para IA. La lógica es simple: los costos de inferencia son variables, así que el pricing debe serlo también. Pero las implicaciones son profundas. Cada empresa que use Copilot ahora tiene que pensar en eficiencia de prompts como piensa en eficiencia de código. El desarrollador que escribe contextos precisos pagará menos que el que hace preguntas vagas. La habilidad de comunicarse con IA se convierte literalmente en un centro de costo. Para CTOs en Latam esto es accionable hoy: si tu equipo usa Copilot, necesitas visibilidad sobre consumo por desarrollador antes de que llegue la factura de julio. Mientras tanto, OpenAI y PwC formalizan una alianza para automatizar flujos financieros con agentes de IA. El dato interesante no es la tecnología — es que PwC pone su marca y reputación regulatoria detrás de agentes autónomos tocando contabilidad y reportes. Cuando una Big Four dice que confía en agentes de IA para funciones de CFO, el mensaje al mercado enterprise es claro. Y Big Tech valida la apuesta: resultados trimestrales superan expectativas y responden subiendo capex en infraestructura de IA. No están celebrando — están duplicando. La pregunta para founders: si el pricing por token se vuelve estándar en toda herramienta con IA, ¿tu modelo de negocio absorbe esa variabilidad o la transfiere al cliente? #CuliacanAI #AIpricing

• 
  OverXeT (@Overxet) reportó hace 27 minutos

  🚨 GitHub parchó falla crítica (CVE-2026-3854) que permitía acceder a millones de repositorios privados mediante ejecución remota de código. Protege tu proyecto actualizando ahora. #GitHub #Seguridad

• 
  Mr.M (@cybermrm) reportó hace 28 minutos

  El pipeline de desarrollo se volvió parte del perímetro. Un PR externo, un workflow mal configurado o un paquete recién publicado pueden terminar tocando tokens de GitHub, npm, PyPI, cloud, runners, secrets de CI o credenciales locales de devs.

• 
  precis0x (@precisox) reportó hace 33 minutos

  NVIDIA acaba de abrir el código de SkillSpector, una de las herramientas más importantes que han salido últimamente para la seguridad en agentes de IA. La gente está descargando “skills” de GitHub para usarlos en Claude Code, Codex, Gemini y otros agentes. El problema es que estos skills no son solo prompts: traen instrucciones + código ejecutable que corre con los mismos permisos que tienes tú. Un skill que instalas “para ahorrar tiempo” puede leer tus variables de entorno, robar tus API keys o enviar información sin que te des cuenta. Un estudio reciente encontró que aproximadamente 1 de cada 4 skills públicos tiene vulnerabilidades, y una parte de ellos son directamente maliciosos. SkillSpector cierra ese hueco. Es un escáner de seguridad que te responde una pregunta clave antes de instalar cualquier skill: ¿esto es seguro de ejecutar? Funciona con: - Enlaces de GitHub - Zips - Carpetas locales - Archivos .md individuales Hace un análisis estático rápido (detecta patrones peligrosos, inyecciones, exfiltración de datos, etc.) y compara las dependencias contra CVEs en tiempo real. Opcionalmente usa un LLM para revisar la intención y reducir falsos positivos. Al final te da un score de riesgo del 0 al 100 + un veredicto claro: Safe / Caution / Do Not Install. Es open source (Apache 2.0) y ya soporta Claude Code, Codex CLI y Gemini. Antes de confiar en el próximo skill que encuentres por ahí escanéalo primero. Repo en los comentarios👇

• 
  IVAN | IA (@ivnways) reportó hace 34 minutos

  Entrar en código ajeno suele ser una pesadilla. Miles de archivos. Cero contexto. Documentación desactualizada. Google acaba de solucionar ese problema. Ha lanzado CodeWiki, que convierte cualquier repo de GitHub en una especie de Wikipedia interactiva del código. Pegas un repositorio y te explica: • cómo funciona • qué hace cada parte • cómo se conectan los archivos • y por dónde empezar Incluso genera diagramas y un chat que entiende todo el proyecto. Así debió ser siempre la documentación. Enlace en los comentarios.

• 
  Ronnie Moncayo (@RonnieMoncayo) reportó hace 34 minutos

  El problema es lo que viene después... Tienes el HTML generado por la IA y quieres compartirlo con alguien. Hoy casi siempre esto se traduce a: - Pasar el archivo por Slack y rezar para que lo abran en el navegador - Crear un repo de cero - Hacer deploy a Vercel / GitHub Pages - O rogarle a alguien técnico que lo publique Todo eso para una demo que quizá viva 2 días.

• 
  anonimo (@anonimo1is) reportó hace 35 minutos

  ¿Te ha pasado que le pides a una IA una función simple... Y te devuelve 500 líneas de código, 8 dependencias nuevas y una arquitectura digna de la NASA? 🚨 Un desarrollador se cansó de eso y creó Ponytail. La idea es brillante. Está inspirado en ese programador veterano que lleva más años en la empresa que Git. Le enseñas 50 líneas de código. Las mira. Y las reduce a una sola línea que hace exactamente lo mismo. Ahora tu agente de IA puede pensar igual. Antes de generar código, Ponytail le obliga a hacerse estas preguntas: → ¿Realmente necesito escribir esto? → ¿Ya existe en la librería estándar? → ¿La plataforma ya lo resuelve de forma nativa? → ¿Se puede hacer con menos código? → ¿Hay una solución más simple? Solo cuando la respuesta es "no" a todo lo anterior... Entonces genera código. Los resultados son absurdos: • 80-94% menos líneas de código • 47-77% menos consumo de tokens • Hasta 6 veces más rápido Su filosofía es simple: "The best code is the code you never wrote." Funciona con: ✓ Claude Code ✓ Cursor ✓ GitHub Copilot ✓ Aider ✓ Otros agentes compatibles También incluye comandos como: /ponytail /ponytail-review /ponytail-audit para revisar, simplificar y auditar automáticamente el código generado por la IA. Si estás cansado de que los agentes conviertan problemas simples en proyectos de 3 carpetas y 12 archivos... Necesitas ver esto. Repo en los comentarios 👇

• 
  InferenciaPura (@InferenciaPura) reportó hace 35 minutos

  @github 10 desarrolladores en la empresa parados porque configurando para que no se cobren sobrecostes, a pesar de haber pagado 228$ por un servicio que ahora no puedo usar. Tengo 30k créditos sin usar, PAGADOS, y ahora por mucho que reconfiguro los budgets, nada funciona.

• 
  precis0x (@precisox) reportó hace 36 minutos

  CapCut decidió cobrar por funciones básicas y empezó a entrenar su IA con todos los vídeos que editaban sus usuarios. Un grupo de developers se molesto tanto que clonaron la app entera desde cero y la subieron gratis a GitHub. Se llama OpenCut. 45.800 estrellas en menos de un año, y sí, la gente está migrando en silencio. -> Edición por timeline con múltiples pistas -> Vista previa en tiempo real (sin renderizar) -> Cero watermarks en cualquier exportación → Sin suscripciones, sin premium, sin funciones bloqueadas -> Funciona en web, escritorio y móvil con el mismo código -> Tus vídeos nunca salen de tu dispositivo (todo en el navegador) -> Licencia MIT: cualquiera puede forkearlo y lanzar su propia versión CapCut empezó siendo gratis hasta que paywalleó las transiciones básicas, luego la resolución alta, luego puso watermarks y finalmente usó tu contenido para entrenar IA. El clásico camino de toda herramienta “gratis”. OpenCut rompe ese ciclo porque es imposible hacer lo mismo con él. Licencia MIT = nadie puede poner paywall, obligar cuenta ni entrenar IA con tus proyectos. Si lo intentan, alguien lo forkeará en 48 horas. Ventajas que ya le ganan a CapCut: - Todo se procesa localmente (privacidad real) - Sin cuenta de CapCut, Apple ni Google - Código abierto que puedes auditar línea por línea - +90 contributors activos cada semana - Versión web que corre hasta en Chromebooks y Linux - Sin tracking ni fingerprinting Números que explican el boom: - 45.800 estrellas en GitHub - 4.700 forks - 1.280 commits en desarrollo activo - Respaldado por Vercel La verdad incómoda para CapCut: Su único moat era ser “gratis”. En cuanto apareció una alternativa open source que lo igualó ese moat desapareció. OpenCut ya lo alcanzó. MIT License. • 100% Open Source • Gratis para siempre. Repo en los comentarios, espero te sirva 👇

• 
  santi (@santtiagom_) reportó hace 37 minutos

  si querés estudiar IA para crear agentes, tenés que entender los fundamentos. este es el roadmap que seguiría: 1) modelos → una idea básica de qué son los LLMs y cómo hacer tu primera llamada a una API. 2) contexto → qué información ve el modelo y cómo funciona el context window. 3) tools → cómo un modelo puede leer archivos, buscar información, ejecutar código o llamar APIs. 4) MCP → cómo conectás servicios externos, como Google Calendar, GitHub o Slack. 5) RAG → cómo recuperás información relevante sin llenar todo el contexto. por ejemplo: responder preguntas sobre un PDF. 6) harness → el sistema que coordina modelo, contexto, tools, permisos y ejecución. 7) memoria → qué información se guarda para no tener que explicarle lo mismo al modelo una y otra vez. 8) loop agéntico → cómo un agente ejecuta acciones, observa resultados, verifica si cumplió el objetivo y vuelve a intentar. después podés profundizar en: subagents, fan-out, planning, verification loops, evals, permisos y arquitectura. crear agentes es aprender a diseñar sistemas alrededor de modelos. gran parte del trabajo aparece cuando empezás a conectar contexto, tools, memoria, permisos y loops de ejecución.

• 
  BlackthornE (@blackthornecl) reportó hace 42 minutos

  Este proyecto acaba de explotar en GitHub (7.9K stars) y casi nadie lo vio venir 🔥 Resulta que cuando usas un coding agent para escribir React, el código parece funcional... pero esconde antipatrones, problemas de rendimiento y errores sutiles. react-doctor lo detecta automáticamente. Puntuación de 0 a 100 con diagnóstico accionable en segundos. Soporta Next.js, Vite y React Native. Detecta problemas en: 1. Estado y efectos (useEffect mal uso, setState en cascada) 2. Rendimiento (renders innecesarios, falta de memo) 3. Accesibilidad y seguridad 4. Código muerto Se integra con GitHub Actions y publica resultados directamente en PRs. Perfecto para equipos que usan AI coding tools y necesitan mantener calidad sin revisar cada línea manualmente. Instalación: npx -y react-doctor@latest . ¿Te llegó útil? Cuéntame 👇 Guarda este hilo y sígueme para más 🔖✨

• 
  Carlos Villuendas (@carlosvillu) reportó hace 46 minutos

  @WoodruffW Funciona offline por defecto. Tu YAML no sale de tu máquina. Tres niveles de paranoia: - normal (signal alto, poco ruido) - `--persona pedantic` - `--persona auditor` (te lo canta TODO) Saca SARIF, se enchufa a GitHub Code Scanning y los hallazgos aparecen como annotations en el PR.

• 
  ❥┊ Akeideu ₊˚. (@akeideu) reportó hace 49 minutos

  ¿Está caído Github otra vez?

• 
  PA13L0 (@Fluyeporlaweb) reportó hace 51 minutos

  Github se acaba de f0llar al vibe coding Acaba de publicar spec-kit y en pocos días tiene 95k estrellas y 8.3k forks Esto no es un proyecto cualquiera. Es GitHub diciéndote cómo se programa con IA de verdad. El problema con los agentes de IA no es el modelo Es que le mandas una idea en texto y él interpreta lo que quiere Spec-kit resuelve eso con 6 comandos que convierten tu idea en una especificación estructurada antes de escribir una sola línea de código ✅ /speckit.constitution → las reglas del proyecto: calidad, testing, arquitectura ✅ /speckit.specify → describes QUÉ construir, no el stack ✅ /speckit.clarify → el agente pregunta lo que no entiende antes de empezar ✅ /speckit.plan → ahora sí eliges la tecnología ✅ /speckit.tasks → lista de tareas ordenada por dependencias ✅ /speckit.implement → el agente construye El entregable ya no es código generado a lo loco Es una especificación viva que tu IA lee, valida y ejecuta paso a paso Funciona con Claude Code, Cursor, Copilot, Codex, Gemini CLI y más de 25 agentes La diferencia real es esta Antes: "hazme una app de tareas" y rezas para que el agente no se pierda a mitad Ahora: especificación primero, código después El agente sabe exactamente qué construir, en qué orden y por qué 95k estrellas. 8.3k forks. Publicado por el propio GitHub. Licencia MIT. el repo aquí 👇

• 
  MarcoDevOps (@MarcoDevOp) reportó hace 55 minutos

  @marianorenteria No es falta de opciones a GitHub, es costo de salida. Cuando tu SDLC depende del proveedor, cambiar deja de ser decisión y se vuelve problema.

• 
  Dario Perez (@dario_perez) reportó hace 55 minutos

  @cociclo @fergleiser Estoy forzando a mis alumnos a mudarse a GitHub + latex para los manuscritos. Preparé un servidor que compila cuando recibe commits con un webhook… Todos trabajan localmente.

• 
  6x6es16 (@maquiavelo_san) reportó hace 56 minutos

  @Atom_Hamburger @TheUnknownMikan @InformaCosmos Ok, entendí el punto, pero mi comentario era más en tono de burla por eso puse lo de “ayuda de la IA”. Aun así, no hay IAs especializadas en eso jajaja solo copian un repositorio de GitHub de unos indios que usan un "FER" y ya. Busca lo que es TensorFlow.

• 
  Zurdo (@catracho_rojo) reportó hace 60 minutos

  Hay tanto ijueputa en esta red social que mandarlos a comer ****** de uno a la vez me llevaría toda la vida, debe haber una forma más eficiente de resolver este problema. ¿Alguna app en Github?