Github Trends®
9558 findingsmedian surprise 0.00429window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: own snapshots
FINDING #5648 · 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

SURPRISE0.00161
ENGAGEMENT0.49
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
0% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.67
ACCEL
-2.00
RETENTION
60.0%
PEAK 2026-08-26 · FORK-RETENTION 0.0% · 11 STARS / WINDOW

Author Audience

AUDIENCE
2,234
FOLLOWERS
458
OWNER ★
5,509

Engagement Signals

FORKS
708
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 11 / 11 (DIVERSITY 1.00)

Why This Is A Finding

higgsfield-ai/higgsfield собрал 11 звёзд за окно, тогда как у автора всего 458 подписчиков — эффективная аудитория ≈ 2,234. Это даёт surprise-индекс 0.00161 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9558 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 41%
VELOCITY3.675.67-2.00ABOVE 25%
RETENTION60.0%42.9%+17.1 PPABOVE 66%
FORKS708333+375ABOVE 65%
SURPRISE0.000.00-0.00ABOVE 33%