Github Trends®
9651 findingsmedian surprise 0.00326window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #4360 · 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

SURPRISE0.00168
ENGAGEMENT0.72
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
7.43
ACCEL
-2.14
RETENTION
0.0%
PEAK 2026-10-15 · FORK-RETENTION 0.0% · 52 STARS / WINDOW

Author Audience

AUDIENCE
4,388
FOLLOWERS
1,061
OWNER ★
8,310

Engagement Signals

FORKS
1,119
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 52 / 52 (DIVERSITY 1.00)

Why This Is A Finding

higgsfield-ai/higgsfield собрал 52 звёзд за окно, тогда как у автора всего 1,061 подписчиков — эффективная аудитория ≈ 4,388. Это даёт surprise-индекс 0.00168 (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 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 55%
VELOCITY7.433.14+4.29ABOVE 76%
RETENTION0.0%16.7%-16.7 PPABOVE 0%
FORKS1,119277+842ABOVE 76%
SURPRISE0.000.00-0.00ABOVE 39%