Github Trends®
9747 findingsmedian surprise 0.00854window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #5462 · 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

SURPRISE0.00313
ENGAGEMENT0.50
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
13.57
ACCEL
+1.04
RETENTION
94.1%
PEAK 2026-10-10 · FORK-RETENTION 38.9% · 95 STARS / WINDOW

Author Audience

AUDIENCE
4,302
FOLLOWERS
1,046
OWNER ★
8,141

Engagement Signals

FORKS
1,074
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 1,046 подписчиков — эффективная аудитория ≈ 4,302. Это даёт surprise-индекс 0.00313 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 38.9% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9747 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 44%
VELOCITY13.573.57+10.00ABOVE 83%
RETENTION94.1%33.3%+60.8 PPABOVE 99%
FORKS1,074104+970ABOVE 92%
SURPRISE0.000.01-0.01ABOVE 27%