Github Trends®
9591 findingsmedian surprise 0.00783window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
FINDING #6124 · UNIT ID 134999697
higgsfield-ai/higgsfield
Fault-tolerant, highly scalable GPU orchestration, and a machine learning framework designed for training models with billions to trillions of parameters
[ JUPYTER NOTEBOOK ][ ORG ][ VERIFIED ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00139
ENGAGEMENT0.54
FRESHNESS1.38
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.17
ACCEL
-0.03
RETENTION
26.4%
PEAK 2026-08-08 · FORK-RETENTION 50.0% · 95 STARS / WINDOW

Author Audience

AUDIENCE
2,234
FOLLOWERS
458
OWNER ★
5,509

Engagement Signals

FORKS
708
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 95 / 95 (DIVERSITY 1.00)

Why This Is A Finding

higgsfield-ai/higgsfield собрал 95 звёзд за окно, тогда как у автора всего 458 подписчиков — эффективная аудитория ≈ 2,234. Это даёт surprise-индекс 0.00139 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 50.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9591 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 36%
VELOCITY3.173.63-0.47ABOVE 44%
RETENTION26.4%24.8%+1.5 PPABOVE 53%
FORKS708120+588ABOVE 87%
SURPRISE0.000.01-0.01ABOVE 18%