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:

• 
  Preta (@monteinlobato) relatou um problema há 7 minutos

  Se tem um erro que nunca mais vou esquecer na minha vida é de integrar um projeto com o github e dar commit

• 
  tachi :P (@Tachiminhoca) relatou um problema há 9 minutos

  To com um problema q eu n consigo nem formular uma frase pra explicar, eu qria poder mandar um audio chorando no github e só mostrando um print

• 
  PanteraOS (@opanteraos) relatou um problema há 10 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)

• 
  Gustavo Caetano (@gustavocaetano) relatou um problema há 11 minutos

  Uso de agente não é resultado. O GitHub criou campo próprio para uso do Copilot cloud agent. Bom sinal: agente virou item administrável. A armadilha é chamar acionamento de produtividade. Valor aparece quando reduz retrabalho, fila, erro caro e cabe numa rotina auditável.

• 
  MayckO.On (@CreatorsOfChaos) relatou um problema há 13 minutos

  @lwa_exe Mari, respira fundo. Essa sensação de que o GitHub, o currículo e o LinkedIn estão péssimos bate em todo mundo que constrói tecnologia. Sabe o que é isso na verdade? É o seu senso crítico evoluindo. Você está estudando e aprendendo tanto que, quando olha para as coisas que estruturou no passado, acha ruim. Isso não é um sinal de fracasso, é a prova matemática de que você evoluiu. Dá vontade de dar um rm -rf em tudo e mudar de área, mas não tome decisões estruturais enquanto o seu sistema está em sobrecarga. A mente cansada e desmotivada gera muito falso positivo e faz a gente enxergar problema onde só falta um pouco de manutenção. Não tenta refatorar a sua vida inteira hoje. Dá um shutdown, vai descansar um pouco, tira o olho da tela. Quando você recuperar a energia, não olhe para o cenário inteiro de uma vez para não gerar ansiedade. Escolhe apenas uma única variável , um único README de projeto ou uma sessão do LinkedIn, e melhora só aquilo. Um bloco de cada vez, de forma determinística, sem pressa. A infraestrutura base você já tem, o resto é ajuste de rota. Se precisar de uma segunda opinião técnica ou de uma força para revisar esse material depois com calma, estamos na trincheira com você. Leva no seu tempo e fica bem!

• 
  nicolasmelo (@nicolasmelo) relatou um problema há 15 minutos

  @soueuchico Não usei como exemplo os 11 minutos kkkkkkkk é uma imagem ilustrativa só Mas já deixei o agente rodando por mais de uma hora e nunca tive problema também Esse lance do wake me up and check ele mesmo faz, peço pra ele ver comentários no github, garantir CI verde e essas coisas

• 
  Richard - Design for startups (@richardrx) relatou um problema há 22 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.

• 
  Gabriel Abi Ramia → tubespark.ai (@gabrielabiramia) relatou um problema há 22 minutos

  Issue no GitHub do Claude Code chegou a 763 pontos no Hacker News: devs reclamando que o produto é inutilizável pra engenharia complexa. 467 comentários. Anthropic valendo $30B. Quando o produto mais caro falha no caso de uso mais difícil, o valuation vira só número.

• 
  Gustavo Alessandri (@webgus) relatou um problema há 22 minutos

  Se encontrar um erro, tiver uma ideia ou quiser propor uma melhoria, é só abrir uma issue ou fazer um fork no Codeberg ou no GitHub. Contribuições são bem-vindas. Essa é exatamente a ideia.

• 
  ale (@Alezybs) relatou um problema há 23 minutos

  Muito bom criar issues no github, sinto como se tivesse um plano de ação pra ja resolver um problema que eu mesmo criei

• 
  𝕯𝖊𝖋𝖆𝖑𝖙 🕵🏻‍♂️⚡ (@0xdefalt) relatou um problema há 25 minutos

  🚨 Um projeto soltou um agent IA ultra-leve no github que tá chamando muita atenção. O nome é nanobot (🐈). É uma versão minimalista e bem leve do OpenClaw e Claude Code, feita pra rodar 100% local com apenas umas 4 mil linhas de código no core. O que tá chamando muita atenção nesse repo é a simplicidade sem perder funcionalidade. Ele foi lançado no início de 2026 pelo Data Intelligence Lab da University of Hong Kong e já tá ganhando tração rápida entre devs e quem quer construir agents práticos. Principais destaques que valem a pena: - Instala em poucos minutos e roda tranquilo no seu PC, servidor ou até Windows sem complicação - Suporta vários canais de chat ao mesmo tempo: WhatsApp, Telegram, Discord, Slack, Teams e mais - Tem memória persistente pra manter contexto em conversas longas - Inclui tools úteis como busca na web, leitura de arquivos (DOCX, XLSX, PPTX), tarefas agendadas e integração com múltiplos provedores de LLM (OpenAI, Anthropic, Groq, DeepSeek, Gemini e vários outros) - Código extremamente limpo, legível e fácil de modificar ou estender — perfeito pra quem quer estudar, customizar ou contribuir - Filosofia de ser leve: mantém o core pequeno e estável, permitindo que a comunidade adicione plugins e extensões sem inchar o projeto Se você está querendo entrar de verdade no mundo de Agentic AI em 2026, montar seu próprio assistente pessoal, criar automações ou até construir algo pra portfólio/freelance, esse repo é uma ótima porta de entrada. Não é inchado, não depende de API cara o tempo todo depois de configurado e dá pra usar tanto pra brincar quanto pra projetos mais sérios. Muitos estão usando pra substituir agents mais pesados ou pra testar ideias rápidas sem gastar muito.

• 
  Yago Menezes (@YagoMeneze98978) relatou um problema há 26 minutos

  @L_C_Dunk @BolhaDevs @luizctjr eu nem sabia que dava pra fzr login via github na pichau KKKKKKK

• 
  Suet (@suet_https) relatou um problema há 27 minutos

  @AkitaOnRails Como tenho matrícula na faculdade, uso o GitHub Copilot conectado no Crush ou OpenCode da Zen e acesso os modelos do Claude Sonnet, Opus e GPT. O problema é que você fica limitado ao que o GitHub disponibiliza, mas, se você está na faculdade, é um método de uso sem custo.

• 
  bebeto 🤖 (@bbtoBR) relatou um problema há 29 minutos

  🧠 RAG redescobre o conhecimento do zero em cada pergunta. LLM Wiki compila uma vez e fica mais inteligente pra sempre. Andrej Karpathy publicou isso há 2 dias. 5.000 stars no GitHub em 48 horas. A diferença na prática: RAG: você pergunta, a IA vasculha documentos, monta fragmentos, responde e esquece tudo. LLM Wiki: você adiciona uma fonte, a IA lê, atualiza páginas de entidade, sinaliza contradições, fortalece a síntese. O conhecimento acumula. Cada fonte torna o sistema mais preciso. Permanentemente. Pensa assim: Obsidian é a IDE. O LLM é o programador. A wiki é o codebase. Você nunca escreve a wiki. Você fornece as fontes. O agente faz o resto. Já estou pensando em como aplicar isso na gestão de conhecimento dos contratos. Documentação que acumula e se mantém atualizada automaticamente é exatamente o problema que ainda resolvo na mão. Você ainda usa RAG ou já testou alguma abordagem de knowledge base persistente?

• 
  Penegui (@penegui_oficial) relatou um problema há 33 minutos

  @fernandoiecp Você mesmo matou seu argumento quando disse “não fui nem pesquisar”. Não é “bem documentado” no sentido de tutorial copiável. O artigo explica a vulnerabilidade e os conceitos, mas não entrega todo o processo operacional justamente para não facilitar reprodução indevida. Listar POS, Proxmark, Raspberry, Android e iPhone não prova domínio técnico. Isso é só listar peças. A dificuldade está em entender o fluxo EMV, APDUs, modo transporte, relay, tempo de resposta, comportamento da bandeira, do terminal e validar isso em ambiente real/controlado. Também não existe esse “certamente tem código no GitHub”. Isso é chute. Se é tão simples, estou aguardando você mandar o vídeo reproduzindo, já que segundo você é só copiar. Reproduzir uma vulnerabilidade desse tipo com logs, evidência e validação não é assistir vídeo ******. É pesquisa aplicada. O problema é você tentar diminuir algo que claramente não estudou.