Mapa de falhas e interrupções no serviço GitHub

Discussão da comunidade

Dicas? Frustrações? Compartilhe aqui o que você está pensando. Não se esqueça de incluir a descrição do problema e a sua cidade e código postal.

Cuidado com "números de suporte" ou contas de "recuperação" que podem ser postadas abaixo. Certifique-se de denunciar e votar contra esses comentários. Evite postar suas informações pessoais.

Reclamações sobre problemas no serviço GitHub

Reclamações sobre falhas, interrupções e problemas mais recentes nas redes sociais:

• 
  PanteraOS (@opanteraos) relatou um problema há 7 minutos

  O GitHub Copilot não ficou caro em 01/06. Ficou honesto. Devs atingiram o cap mensal antes de junho sequer começar, e o problema não foi o produto. Foi a premissa de precificação que todo o mercado aceita como verdade. Tarifa flat de IA sempre foi subsidiada. Em organizações sem visibilidade de uso individual, um único dev usando prompts pesados cortou o allowance de toda a equipe. O que era opaco ficou visível: o preço flat nunca refletiu o custo real de uso intenso. Quem construiu produto sobre essa premissa, construiu sobre fundação temporária. Brian Armstrong, CEO da Coinbase, confirmou essa estrutura com dado operacional publicado essa semana. Na Coinbase, o time está roteando prompts para modelos mais baratos onde possível e manteve custos de IA praticamente flat enquanto o volume de tokens cresceu de forma exponencial. Previsão dele: em 12 a 18 meses, 80% dos workloads que hoje rodam em modelos frontier migram para modelos 99% mais baratos. Os outros 20% ainda precisarão do melhor. Isso não é análise de mercado. É o CEO de empresa pública com dado da própria operação. O reajuste vai chegar de duas formas. Para quem construiu produto com precificação subsidiada como premissa de margem. E para times que nunca fizeram o exercício de classificar os próprios workloads. Esse exercício cabe em uma hora: pegue os últimos 30 dias de uso de IA da sua equipe, liste as tarefas mais frequentes e marque quais precisam de raciocínio de frontier (multi-step complexo, código crítico, análise ambígua) e quais seriam resolvidas por um modelo 10 a 100 vezes mais barato (classificação, extração, resumo simples, formatação). Eu faço esse mapeamento com equipes e o resultado padrão é que 70 a 80% das requisições poderiam estar em commodity desde o início. O que faltou foi a pergunta. Se você não tiver esse mapa antes do subsídio acabar completamente, os próximos 12 meses vão te dar um de graça, com o custo real no extrato. Via @brian_armstrong (08/06) e @HedgieMarkets (01/06/2026)

• 
  Luis Fernando Roquette (@luisroquette) relatou um problema há 8 minutos

  design systems ainda tão fragmentados entre Storybook, GitHub, Figma, npm e docs. protótipos que ignoram esse contexto viram lixo. usaram o Claude Agent SDK pra integrar tudo. finalmente alguém resolveu o problema de verdade.

• 
  ProjetoLabo (@ProjetoLabo) relatou um problema há 10 minutos

  Ecossistema errado O ataque ao Packagist não inovou no payload, inovou no contexto. Oito pacotes PHP foram comprometidos não pelos metadados do Composer, mas pelo manifesto JavaScript escondido dentro deles. Um script pós-instalação baixava um Linux binary de um GitHub Releases falsificado, salvava em diretório oculto e rodava como gvfsd-network para imitar um daemon do GNOME. Cross-ecosystem placement. Times de segurança escaneiam o lock file do Composer, mas ignoram o manifesto JS empacotado junto. O atacante deslocou o hook para o ecossistema errado, onde ninguém olha. Socket encontrou o mesmo payload em 777 arquivos no GitHub. Em dois casos, o código foi injetado em GitHub Actions. O repositório do binário caiu, então o segundo estágio é desconhecido. Mas o instalador sozinho já dá RCE, desativa TLS e suprime erros. Quantos outros ecossistemas estão sendo usados como cavalo de Troia para esconder payloads onde ninguém vasculha? #SupplyChainSecurity #Packagist

• 
  PRIMO (@svcrash_) relatou um problema há 19 minutos

  Desde 2020 eu atuo no FiveM. Entreguei mais de diversos RPs, fiz scripts que rodam até hoje e quase ninguém sabe, nunca tive ** preso, quando o VOID foi o primeiro academy e ficou aquela disputa de base, eu fui o primeiro dps do Vanish a disponibilizar no meu GitHub pra comunidade uma base academy descente, dei o poder á todos de terem seu espaço, seu servidor. Vim pro Baque RJ com os maiores nomes do trap brasileiro, e da mesma forma dei a muitos a chance de poderem colher frutos e da mesma forma que foi no academy eu fiz no RJ. A minha prioridade sempre foi a diversão dos players, e mas dessa vez vai ser diferente. Dessa vez vai ser exclusivo, e pra quem não espera nada, vai encontrar muito mais do que poderia imaginar. Bem vindos ao PRIME.

• 
  Felpz Crypto (@FelpsCrypto) relatou um problema há 21 minutos

  Em 2015, a polícia chinesa visitou a casa de um programador. Disseram-lhe para parar de trabalhar no seu código. Mandaram-lhe apagá-lo do GitHub. Ele publicou uma última mensagem antes de obedecer: "Há dois dias, a polícia veio ter comigo e pediu-me para parar de trabalhar nisto. Hoje pediram-me para apagar todo o código do GitHub. Não tenho outra escolha senão obedecer. Espero um dia viver num país onde tenha a liberdade de escrever qualquer código que eu queira, sem medo." Então, ele apagou o repositório. Depois, apagou a mensagem. Então, aconteceu algo que o governo chinês não tinha previsto. Em poucas horas, o código foi replicado em milhares de outras contas do GitHub. Em poucos dias, tornou-se o repositório mais popular do GitHub a nível mundial. Em poucas semanas, todos os programadores chineses que sabiam compilar código tinham uma cópia. O governo tentou fazê-lo desaparecer. O simples facto de tentar tornou-o permanente. O projeto chama-se Shadowsocks. O nome de utilizador do programador era clowwindy. Ele criou um pequeno software que permitia a qualquer pessoa na China contornar o Grande Firewall e acessar a internet aberta. Sem assinatura. Sem empresa. Sem conta. Você configura um servidor em algum lugar fora da China. Você se conecta a ele. Seu tráfego parece uma navegação web criptografada normal, então o firewall não consegue detectar que você está usando o software. Por que isso aterrorizou o governo chinês em 2015: → Era de código aberto. Qualquer pessoa podia compilá-lo. → Era pequeno. Todo o protocolo cabia em algumas centenas de linhas de código. → Parecia tráfego HTTPS normal. O Grande Firewall não conseguia distingui-lo. → Não exigia dinheiro. Sem contas. Sem servidor central para ser apreendido. → Funcionava em todos os sistemas operacionais. Você não pode prender um protocolo. Você só pode prender a pessoa que o escreveu. E foi o que fizeram. E o protocolo continuou se espalhando. shadowsocks-windows: mais de 59.300 estrelas. GPLv3. Ainda online 11 anos depois. Os commits de 2015 que o governo chinês queria que fossem apagados ainda constam no histórico. O Clowwindy foi forçado a desistir. O código, porém, nunca foi. Mas NÃO o instale. O Grande Firewall também tem sentimentos. 100% código aberto. (Link nos comentários)

• 
  ProjetoLabo (@ProjetoLabo) relatou um problema há 21 minutos

  O OkoBot sequestra o Ledger Live e o Trezor Suite que a vítima já tem instalados. Quando a carteira de hardware é conectada, o malware exibe uma janela falsa de recuperação pedindo a frase de recuperação dentro do próprio aplicativo legítimo. A pessoa digita os dados porque confia no programa que instalou. Kaspersky identificou centenas de vítimas em 25 países, com Brasil no topo. O framework tem mais de 20 módulos, incluindo keylogger e roubo de frases de recuperação. A infecção chega por GitHub com falsos instaladores e por ClickFix, onde o usuário copia código malicioso achando que está resolvendo um erro. O alvo principal são desenvolvedores, quem mexe com ferramentas de trabalho e tem carteira de criptomoedas ao mesmo tempo. #cybersecurity

• 
  Macedo (@Macedo95766776) relatou um problema há 21 minutos

  @Tecno86419 @OfcZayan @ReinaldoRibe O problema é o tempo para fazer tudo. Vou tentar relacionar os detalhes de atualizações no github. Valeu pelo feedback.

• 
  Condz (@condzxyz) relatou um problema há 22 minutos

  todo mundo está tentando criar a próxima inteligência artificial brilhante ou o wrapper de api mais bonitinho do mercado. mas quase ninguém está olhando para o verdadeiro gargalo físico da tecnologia: 𝚃𝚁𝙰𝙸𝙽𝙸𝙽𝙶 𝙳𝙰𝚃𝙰. as grandes empresas de tecnologia já sugaram quase toda a internet pública aberta. livros, artigos, posts de fóruns. tudo já foi processado. o que está acontecendo agora é o que os pesquisadores chamam de 𝘥𝘢𝘵𝘢 𝘸𝘢𝘭𝘭. segundo um estudo recente da 𝒆𝒑𝒐𝒄𝒉 𝒂𝒊, o estoque de dados de texto públicos de alta qualidade para treinar modelos de linguagem deve se esgotar completamente nos próximos anos. a partir daqui, os modelos só melhoram de duas formas: ou com dados sintéticos de altíssima qualidade, ou com dados humanos proprietários, limpos e ultra segmentados. e isso vai muito além de texto escrito. a nova fronteira que os grandes laboratórios de ia estão comprando de forma desesperada são os dados de ação multimodal. hoje, existe uma onda silenciosa de programadores, designers e engenheiros que estão literalmente filmando a própria tela enquanto trabalham, gravando cada clique, cada atalho de teclado e cada linha de raciocínio verbalizada para vender esses pacotes de vídeo e áudio para empresas de treinamento de inteligência artificial. e os valores que estão pagando por isso são surreais. plataformas como 𝒐𝒖𝒕𝒍𝒊𝒆𝒓, 𝒔𝒄𝒂𝒍𝒆 𝒂𝒊 e 𝒅𝒂𝒕𝒂𝒂𝒏𝒏𝒐𝒕𝒂𝒕𝒊𝒐𝒏.𝒕𝒆𝒄𝒉 estão ativamente contratando profissionais de tecnologia globais para gerar esses datasets de comportamento. para desenvolvedores seniores ou especialistas em linguagens específicas que gravam a tela programando, explicam o raciocínio em áudio e resolvem bugs complexos em tempo real, as taxas de pagamento variam de 𝐮$ 𝟒𝟎 𝐚 𝐮$ 𝟕𝟓 𝐩𝐨𝐫 𝐡𝐨𝐫𝐚. se você fizer as contas, um desenvolvedor brasileiro que dedica algumas horas da sua semana para gerar esses dados de treinamento de forma consistente consegue tirar facilmente mais de 𝐮$ 𝟑.𝟎𝟎𝟎 𝐚 𝐮$ 𝟓.𝟎𝟎𝟎 𝐩𝐨𝐫 𝐦ê𝐬 extras, trabalhando de casa e recebendo direto em dólar de gigantes do vale do silício. por que isso vale tanto ouro para eles? porque para treinar agentes de ia que conseguem operar o computador sozinhos (o chamado 𝘤𝘰𝘮𝘱𝘶𝘵𝘦𝘳 𝘶𝘴𝘦), os modelos precisam aprender o comportamento humano real de navegação. eles precisam ver o erro, a correção, o hesitar do mouse e o fluxo de tomada de decisão em tempo real. um vídeo bruto de um sênior resolvendo um problema complexo de infraestrutura vale infinitamente mais do que qualquer código estático no github. se você sabe programar, o seu maior ativo hoje não é criar mais um chatbot de whatsapp para imobiliária. é construir pipelines de coleta, estruturação e limpeza de dados de nicho, ou até coordenar a captação desses dados de comportamento real. existem caminhos práticos para devs monetizarem essa demanda global agora: ✦ gravação de fluxos de trabalho e 𝙲𝙾𝙼𝙿𝚄𝚃𝙴𝚁 𝚄𝚂𝙴 𝙳𝙰𝚃𝙰𝚂𝙴𝚃𝚂 você pode se cadastrar diretamente nessas plataformas de treinamento (como scale ai e outlier) para vender suas horas de trabalho filmadas. outra opção de negócio é criar ou gerenciar comunidades de profissionais locais no brasil para gravarem suas telas executando tarefas complexas em softwares específicos (como figma, excel avançado ou ferramentas de crm), empacotar esses datasets e vender em lote para essas grandes empresas. ✦ curadoria de dados de nicho e scrapers os grandes laboratórios de ia nos estados unidos e europa precisam de dados especializados que não estão abertos na web de forma fácil. dados jurídicos locais, prontuários médicos anonimizados, transcrições de áudios regionais com gírias específicas. se você constrói scrapers robustos, limpa esses dados, remove informações sensíveis e os organiza em formatos prontos para treinamento (como jsonl), você tem um produto extremamente valioso. ✦ infraestrutura de 𝐫𝐥𝐡𝐟 localizada o aprendizado por reforço com feedback humano é o que transforma um modelo bruto em algo utilizável. criar plataformas simples e eficientes para especialistas humanos (como médicos ou advogados) avaliarem e corrigirem saídas de ia é um mercado gigante. as empresas globais terceirizam essa rotulagem de dados. você pode montar a infraestrutura técnica e coordenar times locais no brasil para fazer a validação, aplicando uma estratégia clássica de 𝘢𝘳𝘣𝘪𝘵𝘳𝘢𝘨𝘦𝘮 𝘨𝘭𝘰𝘣𝘢𝘭: recebe em dólar das empresas americanas e paga a operação local de rotulagem em real. ✦ fine-tuning como serviço para empresas as empresas tradicionais têm montanhas de dados internos bagunçados em pdfs, planilhas e servidores legados. elas não podem enviar isso para apis abertas por privacidade. o dev que sabe pegar esses dados, limpar, criar o dataset de treino e rodar um fine-tuning local de um modelo open-source entrega um valor absurdo. isso não é apenas desenvolvimento de software tradicional; é engenharia de dados aplicada à nova infraestrutura de tecnologia. o gargalo real da inteligência artificial não é a falta de poder de processamento ou de algoritmos refinados. é a escassez de dados limpos e estruturados para alimentar as máquinas. quem parar de tentar criar o centésimo wrapper de gpt e focar em resolver o problema da matéria-prima vai construir negócios extremamente lucrativos e silenciosos.

• 
  Wagner Z.Luiz (@WZacura) relatou um problema há 23 minutos

  Eu que estou trabalhando muito?, é a segunda vez que pego o Github com problemas.

• 
  dennysmvn (@dennysmvn) relatou um problema há 29 minutos

  No início do mês é a vez do Github Copilot, muito usado por devs, indo para o IA Credits, apertando muito a cobrança por consumo O maior problema desse modelo é que ele não é nem um pouco previsível. Na verdade a única certeza que temos é que ficaremos rapidamente sem acesso

• 
  Code All News (@codeallnews) relatou um problema há 30 minutos

  @sierracatalina Concordo demais. O maior ganho que vi em 2026 foi agents + SLM local transformando terminal/GitHub/docs feios em interfaces bonitas e funcionais. Ex: uso um agent que pega erro no console, explica em português claro + sugere fix com visual. Próximo passo é agents que reescrevem toda a doc de um repo pra ficar aesthetic. O que você colocaria em prioridade pra 'tornar bonito' depois de GitHub? @codeallnews

• 
  albuquerque (@byalbuquerquesz) relatou um problema há 33 minutos

  Esse tipo de atitude é um mal exemplo terrível, pois desencoraja muita gente talentosa de melhorar a segurança da Internet e consequentemente pagar as contas com o trabalho bem-sucedido. É uma atitude deplorável vindo da empresa dona do Github

• 
  Vitor (@haceelldasilva) relatou um problema há 33 minutos

  @radiationunit @LEONARDOOCS @felipefialho_ até mesmo bigtechs estão com problemas causados por mal uso de IA: aws, github, cc, etc. ela aumenta teu output, mas tende a diminuir a qualidade dele, ao codar na mão vc pensa no que escrever, enquanto escreve e depois na review. com AI se pensa pouco e só no prompt/plan

• 
  ProjetoLabo (@ProjetoLabo) relatou um problema há 34 minutos

  A extensão do Claude para Chrome tem uma falha que a Anthropic não corrigiu de verdade. Qualquer outra extensão, mesmo sem permissão alguma, pode ler seu Gmail, seus arquivos no Drive e seus repositórios no GitHub usando o Claude como cavalo de Troia. O problema não é um descuido, é a arquitetura mesmo. A extensão confia no domínio do claude sem verificar quem está mandando os comandos. Outra extensão maliciosa pode injetar scripts na página do Claude e herdar tudo que ele pode acessar. Menos extensões, menos risco. Revise o que está instalado, desative o que não usa e desconfie de complementos que prometem muito, regra básica. O Claude é só o exemplo da vez, a fragilidade é do modelo. #cybersecurity

• 
  Richard - Design for startups (@richardrx) relatou um problema há 42 minutos

  Enquanto comia meu pastel de nata com café hoje cedo, recebi um email de "Network Error" dentro do RepareCar, através do Sentry. Primeiro pensei: "Tenho que ver isso aí. Mas pera, dá pra fazer melhor" O erro tá lá, meu Claude já tá conectado com o Linear, onde documento as issues, e com o GitHub, onde subo o código. Seria só conectar essa ferramenta e criar uma rotina periódica onde a notificação de erro do usuário gera um pedido de revisão automática. Se a revisão gerar uma correção, ótimo. Se gerar uma melhoria sistêmica, melhor ainda. O que faz esse loop confiável é o que eu deixei de fora da automação: um dev como revisor no portão antes do merge, e um número me dizendo se tô gerando valor ou só barulho. Ainda não sei se isso se paga ou se é firula, montei hoje, vou medir nas próximas semanas.