Github Trends®
9595 findingsmedian surprise 0.00815window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
FINDING #6027 · 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

SURPRISE0.00142
ENGAGEMENT0.56
FRESHNESS1.40
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.23
ACCEL
-0.04
RETENTION
26.8%
PEAK 2026-08-08 · FORK-RETENTION 54.5% · 97 STARS / WINDOW

Author Audience

AUDIENCE
2,242
FOLLOWERS
460
OWNER ★
5,521

Engagement Signals

FORKS
708
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 97 / 97 (DIVERSITY 1.00)

Why This Is A Finding

higgsfield-ai/higgsfield собрал 97 звёзд за окно, тогда как у автора всего 460 подписчиков — эффективная аудитория ≈ 2,242. Это даёт surprise-индекс 0.00142 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 54.5% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9595 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 37%
VELOCITY3.233.67-0.43ABOVE 44%
RETENTION26.8%24.6%+2.2 PPABOVE 54%
FORKS708115+593ABOVE 88%
SURPRISE0.000.01-0.01ABOVE 18%