Github Trends®
8663 findingsmedian surprise 0.00452window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: own snapshots
FINDING #4990 · 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

SURPRISE0.00146
ENGAGEMENT0.68
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
3.33
ACCEL
+2.00
RETENTION
0.0%
PEAK 2026-08-30 · FORK-RETENTION 0.0% · 10 STARS / WINDOW

Author Audience

AUDIENCE
2,242
FOLLOWERS
461
OWNER ★
5,541

Engagement Signals

FORKS
708
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 10 / 10 (DIVERSITY 1.00)

Why This Is A Finding

higgsfield-ai/higgsfield собрал 10 звёзд за окно, тогда как у автора всего 461 подписчиков — эффективная аудитория ≈ 2,242. Это даёт surprise-индекс 0.00146 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 8663 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 42%
VELOCITY3.335.67-2.33ABOVE 18%
RETENTION0.0%41.7%-41.7 PPABOVE 0%
FORKS708332+376ABOVE 64%
SURPRISE0.000.00-0.00ABOVE 31%