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 10 días
Ahmedabad	Errores	hace 16 días
Delme	Inicio de Sesión	hace 16 días
Lyaud	Sitio Caído	hace 16 días
Catania	Errores	hace 19 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:

• 
  Kuha (Re:World D.) (@_Kuha_) reportó hace 33 segundos

  @LuchoGarabito Si estuviera bien hecho te diría re piola. Onda 99.9% de la programación hoy en día es IA El tema con esto es que luego tenes algo super slop mal hecho, que es un PELIGRO enorme de seguridad, y la gente sin saber ejecuta código random de github en su pc sin entender el riesgo

• 
  roman (@Nozelcode) reportó hace 48 segundos

  GitHub acaba de solucionar el mayor problema del vibe coding. Acaban de lanzar Spec Kit y en poco tiempo ya tiene +126K estrellas. ¿La idea? En vez de tirar prompts vagos y rezar para que el agente no rompa tu proyecto… Spec Kit obliga a la IA a crear una especificación estructurada ANTES de tocar código. La IA primero entiende lo que quieres construir, pregunta lo que falta, organiza el proyecto y después empieza a programar. Eso significa menos tiempo arreglando errores absurdos, menos código inconsistente y resultados mucho más predecibles cuando trabajas con agentes. El flujo es simple: /constitution → reglas y estándares /specify → qué quieres construir /clarify → dudas antes de empezar /plan → arquitectura y stack /tasks → tareas ordenadas /implement → ejecución Compatible con Claude Code, Cursor, Copilot, Codex, Gemini CLI y +25 agentes. 95K estrellas. 8K forks. Open source. Publicado por GitHub. Enlace al repositorio👇

• 
  Case (@david_nlil) reportó hace 2 minutos

  @Bonescraft_ Sip, desconozco la manera pero es posible creo que con github y si hablamos de acceder a ellos pues kemono nunca falla en eso ahí descargaba mods de smash

• 
  Los ingobernables del caribe🌴 (@Losingoberm5nv) reportó hace 2 minutos

  🚨 UN DESARROLLADOR CHINO ACABA DE REVELAR LA VERDADERA IMPRESORA DE DINERO (Y ES 100% GRATIS) Existe una herramienta open source en GitHub que ya supera las 100.000 estrellas. Se llama MoneyPrinterTurbo. La creó un programador chino. Abajo, en el siguiente post, te dejo el enlace de GitHub (y Drive si aplica) para descargarla completamente gratis. Es código abierto total. Genera videos completos y listos para publicar en TikTok, Reels y YouTube Shorts… de forma automática. Cómo funciona (y por qué está volviendo loca a la gente): Todo en un solo flujo automático: ✅ Guion generado por IA ✅ Locución realista ✅ Subtítulos sincronizados ✅ Materiales visuales ✅ Edición final En minutos tienes el video terminado. Tú casi no haces nada. Por qué se volvió un fenómeno viral: Hasta ahora el proceso era un infierno: Una herramienta para el guion → otra para la voz → otra para subtítulos → otra para clips → otra para editar. Cada una cobrando, cada una con su curva de aprendizaje, cada una robándote horas. MoneyPrinterTurbo lo unió TODO en un solo lugar. Gratis. Ilimitado. Y se convirtió en el proyecto open source más viral de su categoría. Dueños de tiendas de TikTok y canales de YouTube Shorts están sacando entre 6.000 y 10.000 $ al mes usando exactamente este sistema. La diferencia es brutal: Ellos pagan por un montón de herramientas. Tú no pagas ni un centavo. La instalación tarda unos 5 minutos. Guarda este post YA para no perderlo. En el siguiente comentario/post te dejo el Drive y el GitHub listos para descargar.

• 
  Hugo Latra (@hugolatra) reportó hace 4 minutos

  @thomasiuz @flasheante Hoy pines un problema en Github, la IA lo lee y lo resuelve, marca como resuelto y sube el nuevo código. Eso ya está pasando.

• 
  Pablo E. Untroib (@PEU_AR) reportó hace 4 minutos

  El prompt (si les sirve úsenlo): Quiero que me busques las 10 marcas que más autos de origen chino vendieron en Argentina desde el inicio de 2026. Importante: no me refiero solamente a marcas chinas. Quiero incluir cualquier marca que venda en Argentina modelos fabricados en China. Por ejemplo, Ford vende la Territory, que es de origen chino. Esta información va a ir a un archivo marcas.json. Después, para cada una de esas marcas, necesito que listes sus modelos vendidos en Argentina y los ordenes por volumen de ventas. Esa información va a ir a otro archivo llamado modelos.json. Una vez que tengamos marcas.json, necesito que entres en la página web oficial de cada marca y busques el listado de concesionarios oficiales en Argentina. Para cada concesionario, quiero que obtengas todos los datos de contacto que puedas encontrar, dando prioridad a: WhatsApp Email Teléfono Dirección Página web, si corresponde Con esa información quiero generar un nuevo archivo concesionarios.json, organizado por marca y, dentro de cada marca, por concesionario. El objetivo final es hacer una página web para un hosting básico que solamente tiene acceso por FTP. En esa página, el usuario debería poder: Elegir una marca. Elegir un modelo de esa marca. Ver información del modelo. Si es posible, ver fotos del auto, sus versiones/variantes y colores disponibles. Escribir o modificar un mensaje. Enviar fácilmente ese mensaje a todos los concesionarios que vendan ese modelo. La idea es que el usuario pueda, por ejemplo, elegir: BYD → Song Plus → escribir un mensaje → contactar a todos los concesionarios que venden ese modelo. Si durante el scraping podemos obtener de fuentes oficiales las fotos de los autos, las distintas versiones y los colores disponibles, sería genial poder mostrarlos durante el proceso de selección. Sobre las fuentes Para los datos de ventas y modelos quiero usar fuentes confiables y, cuando sea posible, fuentes oficiales o asociaciones del sector. Para los concesionarios, quiero priorizar siempre la página oficial de la marca, no directorios de terceros. Si un dato no está disponible o no se puede verificar, prefiero que quede indicado como faltante antes que inventarlo. Sobre las decisiones técnicas No necesito que me hagas una entrevista sobre las decisiones técnicas del proyecto. Asumo que vos podés determinar cuál es la mejor solución técnica para cada caso. Esto incluye, entre otras cosas: tecnología que conviene usar; estructura de los JSON; arquitectura de la página; cómo resolver el funcionamiento en un hosting que solamente permite FTP; cómo relacionar marcas, modelos y concesionarios; cómo implementar el contacto por WhatsApp/email; cómo hacer el scraping; cómo manejar las fotos y demás información; cualquier otra decisión técnica necesaria para que el resultado funcione correctamente. Tomá vos esas decisiones buscando la solución más simple, robusta y adecuada para este proyecto. GitHub y despliegue Los avances del proyecto, cuando lo consideres necesario, se irán subiendo al repositorio: GitHub pablopeu/autoschinos Quiero además que configures un GitHub Action para que, dadas las credenciales de FTP y el folder de destino, pueda compilar el proyecto y subir automáticamente la versión final al hosting. Las credenciales no deben quedar escritas en el código ni en el repositorio. Utilizá el mecanismo apropiado de GitHub Secrets para guardar: dirección/host FTP; usuario FTP; contraseña FTP; folder remoto de destino. El Action debería encargarse de: Obtener el código. Instalar las dependencias. Compilar/generar la versión de producción. Subir los archivos necesarios al FTP. Dejar el sitio listo para funcionar en el hosting. La solución debe estar pensada para que posteriormente pueda cambiar fácilmente las credenciales o el folder de destino sin modificar el código. Validación del funcionamiento Podés y debés verificar el funcionamiento localmente durante el desarrollo. Sin embargo, la fuente de verdad de que el sistema funciona correctamente será siempre la versión de la web que está efectivamente subida al hosting por FTP. Por lo tanto, después de cada despliegue importante, si es posible, verificá que la versión publicada responda correctamente y que los archivos necesarios estén disponibles. De todos modos, la validación final del funcionamiento en el hosting la tiene que hacer el usuario. Es decir, no des por terminado el proyecto solamente porque funciona localmente: el usuario debe confirmar que la versión subida al hosting funciona correctamente. Importante sobre el trabajo Antes de empezar, solamente preguntame si necesitás alguna información funcional que realmente no puedas determinar por tu cuenta. No me consultes sobre decisiones técnicas: tomá esas decisiones vos. Cuando tengas toda la información necesaria, armá un plan de trabajo completo y después hacé todo one shot, es decir, ejecutá el trabajo completo sin ir pidiéndome confirmación en cada etapa. El resultado final debería incluir los archivos: marcas.json modelos.json concesionarios.json la página web lista para subir por FTP, y el workflow de GitHub Actions configurado para realizar el build y deploy por FTP.

• 
  Pedro Sorrentino (@PedroSorrentin0) reportó hace 6 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.

• 
  Ben Pierron (@Ben_escrito) reportó hace 6 minutos

  Todo el mundo quiere que Claude escriba mejor código. Pero casi nadie quiere configurar Claude. Las expectativas son enormes. Skills. Agentes. MCP. Hooks. Pero haz una pregunta muy sencilla: "¿Qué tienes dentro de tu carpeta .claude?" Y observa la reacción. No "¿usas Claude Code?". No "¿creaste un CLAUDE.md alguna vez?". ¿Qué tienes realmente configurado? La mayoría no tiene un problema con Claude. Tiene un problema de configuración. → Un CLAUDE.md vacío o convertido en un documento de 500 líneas sin estructura. → Cero hooks, cero barreras de seguridad. → El mismo prompt escrito una y otra vez en cada sesión. → Sin skills, sin subagentes y sin MCP conectados. → Una única conversación sobrecargada intentando hacerlo todo. Y luego se preguntan por qué Claude sigue equivocándose. Esto es lo que hace realmente cada componente: CLAUDE.md → El documento del proyecto que Claude lee al iniciar cada sesión. Sin él, tendrás que volver a escribir cosas como: "usa TypeScript en modo estricto, crea primero los tests y no toques la carpeta de migraciones". settings.json → Los permisos y el modelo que utilizará Claude. Aquí es donde dejas de aprobar el mismo comando de Bash 40 veces al día. skills/ → Playbooks modulares que Claude solo carga cuando son necesarios. Evitan que un CLAUDE.md gigantesco arrastre contexto innecesario a cada conversación. agents/ → Subagentes especializados, cada uno con una única función. Revisor de código. Auditor de seguridad. Cada uno trabaja en su propio contexto para mantener limpio el hilo principal. hooks/ → Scripts que se ejecutan antes o después de utilizar herramientas. Formatean automáticamente el código, bloquean comandos peligrosos y realizan todas esas tareas que siempre olvidas ejecutar manualmente. .mcp.json → Las conexiones con GitHub, Slack, tu base de datos o tu herramienta de diseño. Claude deja de ser una simple ventana de chat y pasa a formar parte de tu stack tecnológico. Configurar Claude no es un problema de ingeniería. Nunca lo fue. Es un problema de prioridades disfrazado de problema técnico. Porque alguien tiene que hacer primero ese trabajo de configuración, poco atractivo pero imprescindible. Hasta que eso ocurra, cualquier "workflow impulsado por IA" seguirá siendo simplemente un chat nuevo con las mismas instrucciones escritas una y otra vez. Claude no arregla una mala configuración. La amplifica. Y eso no es una característica. Es un radio de impacto.

• 
  IntelArt - Innovación IA (@_IntelArt) reportó hace 6 minutos

  @josesilesdata Los repositorios de GitHub han tomndo fuerza porque funciona. Pero he visto que al Usuario Común lo confunde eso de "Local" y cree debe tener un notebook moderno y caro, nada más errado. He probadob Kimi, esta hecho para cosas complejas, no funciona bien con preguntas básicas.

• 
  7incho (@7incho_lopez) reportó hace 8 minutos

  Cuál timing será el mejor: -El lanzamiento de Origin cuando Github está caído. -Github caído evitando el "Sync from Github"

• 
  Mario Juárez (@mariomka) reportó hace 10 minutos

  Los agentes hacen cosas extremadamente complejas bien y luego fallan en lo más simple: sintaxis, casos obvios y formateo. Por eso uno de los pilares de la programación agéntica es darles feedback rápido, lo que llaman back pressure. Un agente sin feedback trabaja a ciegas. Lo primero que hago al arrancar un proyecto es pedirle al agente que configure todo el back pressure posible. Linter, formateador, análisis estático, tipado estricto y tests. Y que se ejecute todo en git hooks. Cuanto antes falle mejor trabaja el agente. El prompt con el que arranco un proyecto es más o menos: "Quiero arrancar un proyecto para X con este stack: Y. Prepárame todo el feedback automático que puedas: linter, formateador, análisis estático, tipado estricto y tests con el máximo coverage posible. Configura también los git hooks: en pre-commit lo rápido (formateo, linter, tipos) y en pre-push los tests, que es lo más lento. Que si algo falla que sea rápido." El coverage alto fue mala idea durante años porque escribir tests salía caro y acababas testeando cosas absurdas. Ahora los escribe el agente y por eso las tornas han cambiado. Lo que antes era un gran coste hoy es una señal, y bastante barata, para saber si lo que ha hecho funciona de verdad. Después, cuando ya tienes la arquitectura definida, mete tests o herramientas que comprueben que no se rompe. Que nadie se salte una capa ni meta una dependencia donde no toca. Ah, y ya que montas todo el tinglado, pídele que te lo configure también GitHub Actions o el CI de turno. Que no será la primera vez que un agente lanza un push con --no-verify para saltarse los hooks.

• 
  Iceebook (@iceebook_) reportó hace 12 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.

• 
  Gabs (@constrainterror) reportó hace 14 minutos

  @matiasblnc Hmm a ver de mis tiempos en front que recuerde: - teoría de cajas - typescript vs javascript - frameworks - responsive design - un mínimo de desarrollo seguro (no subir credenciales, ofuscar cosas visualmente, manejo de secretos, etc) - CMS vs programar a pelo - en qué te apoyas para programar (copilot, vibecoding, documentacion, lo que uses) - toma de decisiones (por qué eliges una tecnología sobre otra, etc) sobre una feature o troy project que tengas, etc - git/github/ trabajar en equipo y control de versiones - darte una web lenta y ver como investigas qué pasa - darte un componente que renderiza demasiadas veces y ver que falla - cómo diferencias entre que algo se vea bien y que esté bien implementado? - diseñar o implementar un buscador o un login - qué preguntas le haces a un diseñador que te da un diseño ambiguo -cuándo crearías una abstracción y cuándo duplicarías código temporalmente? Cuándo eliges modularidad y cuando un monolito? - tipos de testing, te doy una feature y te pregunto como la probarías - qué hace quye una API sea consumible comodamente desde el front? Por ejemplo

• 
  askie (@imaskie) reportó hace 16 minutos

  DeepSeek Harness atiende primero una consulta, reúne los datos y aclara lo básico. Cuando hace falta criterio humano, me entrega la conversación completa. Puedo tomar el control sin pedir al usuario que repita su problema. #DeepSeek #DeepSeekHarness #Grix Busca en GitHub: askie/grix

• 
  Disiento con usted (@yodisiento) reportó hace 17 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.

• 
  JoseGuadalupe (@SrGuadalupano) reportó hace 18 minutos

  8 horas de caída lleva github. debemos asumir que ya no va a volver... han vibecodeado demasiado. nadie en el equipo entiende las últimas 15 millones de líneas que claude añadió. y los "Tienes toda la razón, he cometido un error" que lleva en no ayuda a solucionar el problemon

• 
  Consejo d Seguridad d Información y Ciberseguridad (@CONSEJOSIAC) reportó hace 19 minutos

  📋 ¿Cómo se filtran estas claves? Código expuesto en repositorios públicos de GitHub, registros de GitHub Actions sin enmascarar, archivos de configuración accesibles, o malware infostealer y respaldos mal protegidos.

• 
  Sergie Code (@sergiecode) reportó hace 20 minutos

  ¿Y si en vez de enseñarle a un agente de IA con prompts, simplemente le mostrás cómo hacer la tarea una vez? Microsoft acaba de publicar Skill Recorder, un proyecto que graba cómo trabajás en tu computadora y usa GitHub Copilot para convertir esa sesión en una serie de pasos que un agente puede reutilizar Grabás → la IA entiende lo que hiciste → revisás los pasos → lo convertís en una Skill o Automation Lo interesante es que no busca repetir clicks como un RPA tradicional, sino entender la intención y generar un procedimiento reutilizable que pueda usar herramientas nativas del agente Por ejemplo: hacés una tarea una sola vez y después el agente puede aprender a repetirla bajo demanda o incluso ejecutarla automáticamente según un trigger Soporta macOS y Windows 11, procesa la grabación localmente y está publicado bajo licencia MIT El repo de Microsoft está en el primer comentario 👇

• 
  Joaquin Cartagena (@Joaquin_888) reportó hace 22 minutos

  @macroman66 @midudev Creo que este problema lo estamos viendo por ahí vi que desarrollaron una alternativa a github con un árbol de decisiones de ia . Sigo sin entender por qué competir con github en vez de integrarlo ahí pero bueno hay que encontrar una solución global

• 
  roman (@Nozelcode) reportó hace 23 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👇

• 
  Fumando IA (@DiarioNegroZain) reportó hace 26 minutos

  @BettaTech No entiendo la gente tanta hostia con GitHub. Te compras un NAS synology, le instalas el servidor git, abres el puerto en el router y ya no dependes de nadie

• 
  Devin (@elpata_chingol0) reportó hace 26 minutos

  @Thomassin0 Safari: muy cheto, y muy creído. Mira con asco a los demás. Solo lo usa su Mac de 3k dólar para editar fotos y le quedan mal igual Firefox: Millenial +40. Gordo, barba, nerd. Zurdo pero nunca peronista. Contribuye en Wikipedia y en github. Olor a bolas

• 
  Carbeno (@Carbeno_) reportó hace 27 minutos

  @marterrz @npm_run_fede @GordoLeyes 1) caes en el 30% entonces 2) y asi y todo lamentablemente muchos deciden subir sus cosas a github, sin dejarte otra opción mas que agarrar la IA y que te pase todo el código para pegar en cmd, que parece facil pero nunca funciona a la primera, siempre algo falta

• 
  Germán Valle | Arquipartidas 🎮🏛️ (@GerValleArq) reportó hace 42 minutos

  @VigasocoSDL @ManuelPazosMSX @juantomas Suena interesante pero no tengo ni idea de cómo funciona el formato STL. He visto que en el enlace de GitHub hay .png pero no se ve nada en ellos. 🙁

• 
  Jmaxdev (@jmaxdev) reportó hace 44 minutos

  En mi caso, todas mis bases de datos se guardan a la noche en cloudflare r2. Ademas, uso github para alojar el codigo, así que tengo todo lo necesario por si necesito migrar o ver soluciones por si falla el servidor.

• 
  Manu | 🥥 (@ManuAF6) reportó hace 44 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

• 
  🔥🐲 Javier  (@nuevo_31) reportó hace 45 minutos

  GitHub está como lento que ladilla

• 
  Jokker (@0xJokker) reportó hace 49 minutos

  Un exingeniero de Netflix acaba de liberar uno de los repositorios mas interesantes para reducir el coste de los agentes de IA Ya supera las 67k estrellas en GitHub Es open source y 100% gratis Se llama Headroom Y comprime todo lo que tu agente lee antes de enviarlo al modelo → Salidas de herramientas → Logs interminables → Fragmentos de RAG → Archivos y codigo → Historial de conversaciones El resultado: Hasta un 95% menos de tokens en JSON y datos estructurados 15-20 % menos en agentes de codigo Y lo mejor → Corre de forma local → Tus datos permanecen en tu maquina → Conserva los archivos originales → El agente puede recuperarlos cuando necesite mas detalles Funciona con Claude, Cursor, Codex... y cualquier stack (library, proxy o MCP) Paga por lo que el modelo realmente necesita. No por el ruido Si usas agentes y sigues pagando por basura que el modelo nunca usa Te recomiendo que lo guardes 👇

• 
  Dámaso Velázquez (@damasovelazquez) reportó hace 50 minutos

  Github está caído 😢

• 
  Brunvelop (@Brunvelop) reportó hace 53 minutos

  Joe Rogan sube episodios de 2-3 horas. Tú ves clips de 30 segundos. Alguien los corta. Los creadores pagan $29 al mes por una IA que haga ese trabajo. Un desarrollador solitario en China lo regaló gratis. Se llama AutoClip. 6.391 estrellas en GitHub. 1.253 forks. Licencia MIT. Todos los clips que guardas de un podcast, stream o entrevista salieron de algo más largo. Los streamers no se hacen virales con streams: se hacen virales con clips de streams. Un episodio de 2 horas esconde entre 15 y 25 clips virales. Encontrarlos a mano: 4-6 horas. Esto es lo que hace AutoClip. Pegas un enlace de YouTube o Bilibili, o sueltas un video local. La IA lee la transcripción completa, puntúa cada momento por potencial viral, corta los highlights, añade subtítulos y te entrega una carpeta de verticales listos para TikTok, Reels y Shorts. Qué lo diferencia de OpusClip: • Corre local en tu máquina. Tu material nunca sale de tu ordenador. • Funciona con OpenAI, Gemini, Qwen o SiliconFlow. Elige el LLM más barato. • Sin créditos ni tope de minutos mensuales. Procesa un directo de 4 horas si quieres. • Licencia MIT. Hazle fork, mételo en un producto, véndelo. Sin pedir permiso. • Docker en una línea. Corre en el navegador en localhost:3000. El stack: FastAPI, React, Celery, Redis, SQLite, yt-dlp y FFmpeg. Un desarrollador llamado zhouxiaoka escribió 89 commits y entregó todo. La parte interesante: OpusClip levantó $68 millones de SoftBank, Samsung Next y DCM Ventures para montar un negocio de suscripción sobre exactamente este flujo de trabajo. Todo el mercado de IA para video corto está tarifado como SaaS porque la mayoría de los creadores no sabe que existe una alternativa open source. Una persona en Hangzhou lo escribió en su tiempo libre. Seis mil estrellas. Mil doscientos forks. Nota honesta: el último commit fue hace 77 días. El mantenedor es una persona y parte del roadmap sigue "en desarrollo". Si quieres un producto pulido con soporte, paga OpusClip. Si quieres ser dueño de la herramienta que corta tus videos, descarga esto hoy. Quien posee el software, posee el flujo de trabajo. Tus videos. Tu IA. Tus shorts.