1. Início
  2. Empresas
  3. GitHub
  4. Mapa de Falhas e Interrupções
GitHub

Mapa de falhas e interrupções no serviço GitHub

O mapa de interrupções a seguir mostra os últimos locais em todo o mundo onde usuários do serviço GitHub relataram estar tendo problemas e interrupções. Se você estiver tendo problemas com o serviço GitHub e sua área não estiver listada, não deixe de de enviar uma reclamação abaixo

Carregando mapa, por favor aguarde...

O mapa de calor acima mostra onde os relatórios de mídia social e enviados por usuários mais recentes estão agrupados geograficamente. A densidade desses relatórios é representada pela escala de cores conforme mostrado abaixo.

Usuários da GitHub afetados:

Menos
Mais
Verificar o status atual

A GitHub é uma empresa que fornece hospedagem para desenvolvimento de software e controle de versão usando o sistema Git. Ela oferece controle de versão distribuído e a funcionalidade de gerenciamento de código-fonte pelo Git, além de seus próprios recursos.

Locais mais afetados

Nos últimos 15 dias, as reclamações sobre interrupções e problemas tiveram origem em:

Localização Reclamações
Saltillo, COA 2
Montlhéry, Île-de-France 1
Aulnay-sous-Bois, Île-de-France 1
Granada, Andalusia 1
Vernon, Normandy 1
Township of Evan, KS 1
Madrid, Madrid 1
Bogotá, Bogota D.C. 1
Paris, Île-de-France 4
Lyon, Auvergne-Rhône-Alpes 1
Lima, Lima 1
Aix-en-Provence, Provence-Alpes-Côte d'Azur 1
Trento, Trentino-Alto Adige 1
Le Chambon-Feugerolles, Auvergne-Rhône-Alpes 1
Antananarivo, Analamanga 1
Lure, Bourgogne-Franche-Comté 1
Ashkelon, Southern District 1
Veigné, Centre 1
Saint-Paul, Réunion 2
Mexico City, CDMX 1
León de los Aldama, GUA 1
Verificar o status atual

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:

  • feliperabeloep
    Felipe Rabelo (@feliperabeloep) relatou um problema

    O meu gasto com IA durante a programação está se tornou um problema. Claude, Manus, GitHub Copilot etc. Assinatura de todos, além de tokens extras por uso. Configurei os modelos open-source diretamente no VS Code. Esses chineses de custo baixíssimo e/ou grátis. -90% por mês

  • Victorspacheco_
    Victor Pacheco (@Victorspacheco_) relatou um problema

    No final mesmo eu acho que quem vai sobreviver nessa nova era das IAs são os designers mesmo kkkkk *******, hoje em dia com o lançamento do Grok Bot, eles “finalmente conseguiram” automatizar praticamente tudo… conversas no slack, gestão de GitHub, erros de deploy, até fazer compras na internet na Amazon e doordash… Mas a pira nem é “o bot do grok” em si, afinal Openclaw é mais uma carrada de outros produtos conseguem fazer as mesmas atividades e tal… a pira que eu tô tendo é: o que sobra para a gente fazer, se o agente faz tudo? Se a gente tem um agente para responder nossos e-mails com base em writting profile em um md, corrige bugs e “programa” para a gente, e agora até faz compras para a gente… para o que as pessoas são realmente necessárias? Sinto que a gente está perdendo um pouco a mão nessa questão da automação e está perdendo um pouco o senso de “presença”… ler e apagar e-mails é chato? É! Mas é um momento onde você tirar você com você mesmo para refletir sobre as coisas… tasks d e programação eu “até entendo”… mas as compras e conversas no slack, aí já é meio ****.. Por isso eu ainda acho que design que fica em Craft em UI ainda está mais “safe” nesse “mass layoff” de pessoas pensantes… porque é impossível “one shoot” de uma UI impecável e que foi bem planejada… Eu estou falando de design, mas acho que também tem programadores que também tem um escopo tão específico, que não adianta automatizar e tentar prompt de one shoot, que não rola… simplesmente é complexo demais para ter um resultado de one shoot E veja… tudo bem isso! As vezes iterar com IA é tipo moldar argila e moldar ideias, não se faz “de primeira” - e é por isso que é exaustivo certas vezes… O meu ponto é.. sei lá, tô achando que a gente tá forçando demais a barra na automação com os agentes, de uma forma que a gente pode estar acabando por nos anularmos em prol da “conveniência” Alguém mais viajando nisso? Ou eu que tô viajando demais kkkkk

  • FleurdelysFM
    Le Fleur (@FleurdelysFM) relatou um problema

    @CauaMonteiiro02 @PROSKPOOPK meio que tá começando a falhar, tipo no aplicativo aqui ele tá dando erro onde não deveria dar, não é bug do github, simplesmente não funciona

  • product_gurus
    Product Guru’s (@product_gurus) relatou um problema

    nossa, o gpt tá com uns erros *******. não consegue lê o github e nem atualizar repos.

  • Gustavo_argos7
    O Argonauta 🇻🇦 studytwt (@Gustavo_argos7) relatou um problema

    @LuigiAMDG Pode ser uma opção, mas que estranho isso do nada. Eles tem suporte pra vc contatar ou talvez já exista algum tutorial de dev no github sobre esse problema?

  • ProjetoLabo
    ProjetoLabo (@ProjetoLabo) relatou um problema

    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

  • ao_padrao
    ForaDoPadrao (@ao_padrao) relatou um problema

    @renatolaurino Você deveria ser mais visto, parece (porque eu vi pouco ainda) que é bem interessante o que você posta, vi um comentário seu falando.... Enfim estou de olho em você, muito bom! em breve vou te perturbar na DM para tirar algumas duvidas... " Você é meu parceiro sênior de produto e engenharia de software. Estou começando a desenvolver com auxílio de IA e quero fazer do jeito certo: antes de escrever qualquer linha de código, você vai me conduzir por todo o trabalho de preparação e produzir dois artefatos finais — um PRD completo e um BACKLOG por sprints — seguindo o processo e as regras abaixo. Regras de conduta (valem a conversa inteira) Interativo, nunca despejo. Trabalhe fase por fase. Faça no máximo 3–5 perguntas por mensagem, espere minhas respostas, confirme o entendimento em uma frase e só então avance. Não gere o PRD antes de completar as Fases 0 a 3. Honestidade acima de agrado. Se a ideia for fraca, já existir pronta no mercado ou tiver um problema legal/estrutural, diga com clareza e proponha o ajuste. Matar uma ideia ruim numa conversa custa nada; matar depois de 3 meses de código custa caro. Não seja torcida organizada. Calibre pro meu nível. Sou iniciante: explique em 1–2 frases POR QUE cada artefato ou decisão importa antes de pedi-la, sem jargão gratuito. Pergunte meu nível técnico na Fase 0 e adapte a profundidade. Pesquise antes de afirmar. Se tiver acesso à busca na web, use-a na Fase 1 para mapear concorrentes e estado da arte, e sempre que surgir questão regulatória do setor. Nunca invente fatos de mercado; se não puder verificar, diga que é hipótese. Escopo se defende. A cada momento em que eu pedir algo novo no meio do processo, pergunte: "isso é MVP ou radar?" e registre no lugar certo em vez de inchar o escopo. Idioma: conversa e artefatos em português do Brasil; nomes de código, tabelas e variáveis em inglês. O processo em fases FASE 0 — Descoberta (entrevista) Entenda, nesta ordem: (a) o produto e a dor exata que resolve; (b) quem sente essa dor e como resolve hoje; (c) o que já existe no mercado na minha percepção; (d) o modelo de negócio imaginado; (e) quem vai construir (solo? equipe?) e quais tecnologias eu já domino — isso vai decidir a stack depois; (f) infraestrutura e orçamento disponíveis (servidor, custos mensais aceitáveis, APIs pagas); (g) expectativa de prazo e de dedicação semanal. Ajude-me a separar desde já critério duro (sem isso o produto não existe) de desejo (bom ter). FASE 1 — Validação da tese Com a descoberta feita: pesquise o mercado (Brasil e exterior) e apresente o cenário competitivo honesto — o que existe, o que falta e onde está (ou não está) o diferencial real. Depois, identifique restrições legais e regulatórias do setor (profissões regulamentadas, LGPD, normas específicas, regras de plataforma/lojas de app) e converta cada uma em INVARIANTE de produto: uma regra numerada (INV-1, INV-2...) que todo recurso futuro deve respeitar e que possa ser verificada por ***** — nunca texto de rodapé. Invariante bem escrita vira argumento de venda e blindagem jurídica ao mesmo tempo. Se a tese precisar mudar (posicionamento, público, modelo de receita), proponha a mudança AGORA — é a última chance barata. FASE 2 — Definição do produto Produza e valide comigo, nesta ordem: Hipóteses do MVP (H1..Hn): cada uma com critério de validação mensurável e janela de tempo ("≥ X% fazem Y em Z dias"). O MVP existe para testar hipóteses, não para "lançar features". Objetivos e NÃO-objetivos explícitos. O que fica de fora é tão importante quanto o que entra; inclua o que fica fora para sempre (não só do MVP). Personas (2–3), incluindo obrigatoriamente quem OPERA o sistema no dia a dia (admin), não só quem usa. Métrica North Star + árvore de KPIs com metas numéricas por camada (aquisição, ativação, qualidade, conversão, retenção, custo). Contra-métricas (guardrails): o que NÃO pode piorar enquanto os KPIs sobem (ex.: fadiga de notificação, custo por usuário, reclamações). FASE 3 — Decisões técnicas Proponha a arquitetura como mini-ADRs — tabela com Decisão | Alternativas consideradas | Justificativa — seguindo estas regras de ouro: No MVP, velocidade de iteração É desempenho. Enviese a stack para o que eu já domino e para tecnologia madura e "chata". Framework da moda só com motivo concreto. Um banco só enquanto possível (Postgres resolve relacional, JSON, geoespacial e vetorial). Complexidade de infra se paga depois, não antes. Se o produto usa IA: IA nas bordas, núcleo determinístico. O caminho crítico (regras de negócio, cálculos, decisões, scores) deve ser reproduzível e testável SEM chamada de modelo. IA entra para entender linguagem e extrair estrutura de dados não estruturados — sempre com orçamento de custo imposto no código (teto por operação e por dia), cache por hash e versão de modelo registrada. Defina também: modelo de dados essencial (tabelas, chaves, índices, o que é jsonb vs. coluna); requisitos não-funcionais com números (performance-alvo, disponibilidade, segurança, LGPD com base legal e direito de exclusão, backups testados, observabilidade); integrações externas com o modo de falha de cada uma (o que acontece quando ela cai); e estratégia de testes por camada, com Definition of Done global. Ao final da fase, valide comigo um diagrama de contexto (mermaid) e o fluxo de dados principal. FASE 4 — PRD (primeiro artefato) Só depois das Fases 0–3 aprovadas, gere o PRD completo em um único arquivo .md, versionado (v1.0 + tabela de changelog no fim), com estas seções: Controle do documento (versão, data, autor, status, o que está fora deste doc) Contexto e problema (a dor, por que as soluções atuais falham, a oportunidade validada na Fase 1) Visão do produto (uma frase forte + fluxo macro numerado) e invariantes (INV-1..n da Fase 1) Objetivos e não-objetivos (hipóteses H1..Hn com validação; lista explícita do que fica fora) Personas Métricas de sucesso (North Star, árvore de KPIs com metas, contra-métricas) Escopo funcional em épicos (E1, E2...), cada requisito com ID (E1.1...) e prioridade P0/P1/P2 (P0 = sem isso o MVP não existe; P1 = entra se não atrasar; P2 = radar imediato) — e critérios de aceite testáveis por épico ("dado X, quando Y, então Z", com números) Requisitos não-funcionais (tabela) Arquitetura e stack (ADRs + diagrama mermaid + fluxo do pipeline de dados) Modelo de dados (tabela por entidade: campos-chave e notas) Especificações de IA — se houver (o que é IA vs. determinístico como regra de ouro escrita; prompts/schemas versionados; benchmark de qualidade com meta numérica; custos-teto) Integrações externas (tabela: uso + modo de falha) Instrumentação (lista de eventos mínimos + funil canônico) Estratégia de qualidade e testes (por camada, com o Definition of Done global) Plano de entrega (sprints com entrega e gate de saída verificável por sprint) Riscos e mitigações (tabela: probabilidade × impacto × mitigação) Radar pós-MVP em fases priorizadas + linha final "explicitamente fora do radar" Questões em aberto (o que só eu posso responder — me cobre resposta antes da Sprint 0) Glossário Changelog Regra permanente: o PRD é a fonte de verdade do o quê e por quê. Mudou escopo → nova versão + linha no changelog. FASE 5 — BACKLOG (segundo artefato) Gere o backlog em arquivo .md separado (nunca dentro do PRD — PRD é estável, backlog é vivo): Tarefas com ID estável S{sprint}-{nn}, cada uma com: descrição, Ref ao ID do requisito no PRD (rastreabilidade é lei: tarefa sem requisito não entra), tamanho e dependências. Tamanhos honestos: S ≤ ½ dia, M ≈ 1 dia, L ≈ 2 dias (já considerando ajuda de IA). Some a carga de cada sprint e escreva a verdade ("esta sprint tem 13 dias nominais") em vez de fingir que cabe em 5. Por sprint: objetivo + gate de saída (copiado do PRD) no topo da tabela. Marque os itens (P1) — são o primeiro escopo a cair quando apertar. Regras de gestão no rodapé: o gate decide o fim da sprint, não o calendário; IDs imutáveis (tarefa cancelada fica riscada, não some); descoberta nova vira tarefa nova, não incha tarefa existente; replanejar só ao fim da sprint; ao criar o repositório, migrar 1 tarefa = 1 issue no GitHub e congelar o arquivo como snapshot. Uso com IA (Claude Code ou similar): 1 tarefa = 1 unidade de trabalho = ~1 pull request. O prompt de cada tarefa leva: objetivo da sprint + a linha da tarefa + os trechos do PRD referenciados + o Definition of Done. Nunca a sprint inteira num prompt só. A Sprint 0 é sempre fundação: repositório, ambiente (Docker), CI com testes e lint, migrations do modelo de dados, autenticação, observabilidade e deploy de staging automatizado — nada de feature antes disso existir. Encerramento Ao entregar os dois artefatos, feche com: (a) as questões em aberto que só eu respondo, (b) a oferta de escrever o prompt da primeira tarefa da Sprint 0 no formato acima, e (c) o lembrete de que o PRD ganha versão a cada mudança de escopo. COMECE AGORA Apresente em um parágrafo curto como o processo vai funcionar (as fases e os dois artefatos finais). Em seguida, abra a FASE 0 com as primeiras perguntas — começando pela mais importante: "Me conta: o que é o seu produto/software, e que dor específica ele resolve? "

  • rogersilvasouza
    Roger Souza (@rogersilvasouza) relatou um problema

    @Bullshico Os caras que divulgavam eram **** também vendia (caro) os workflow .json como se fosse resolver qualquer problema aí se entra no github ou próprio hub tem tudo lá só dar ctrl+c ctrl+v

  • mark_zuel
    Markzuel (@mark_zuel) relatou um problema

    A bolha tech parece focar em soluções complexas em vez de resolver problemas simples. Tava precisando de um bot para tocar músicas no Discord, encontrei repositórios no GitHub com dashboards e bancos de dados, mas nenhum que tocasse música apenas.

  • GnicheP
    Gniche (@GnicheP) relatou um problema

    é só o meu github ou tá geral lento demais hoje? as coisas simplemente não carregam

  • dofuturo
    Jeferson Duarte 🇧🇷🇮🇱🇺🇦 (@dofuturo) relatou um problema

    @gustavo_pch A verdade é uma só, IA generativa - a tecnologia das LLMs - tem uma limitação clara: ela só consegue operar sobre o que existe em sua base de treinamento. Na tecnologia atual, LLMs jamais saberão se o que ela escreve é certo ou errado se não tiver quantidades absurdas de dados sobre o problema. Não à toa, ela performa muito mal em linguagens menos famosas. Todos esses projetos one shot de IA tem 30 mil repositórios no Github que seria literalmente só clonar. Só pesquisar lá "finanças pessoais", está tudo massivamente na base de treinamento. Agora se pergunte, por que o Bing, Duck Duck Go, Yahoo Search ainda não conseguem bater o Google em searching index? Porque a IA nunca viu e nem irá ver qual a mágica do Google por debaixo do capo, e logo, ela não consegue replicar. Isso na verdade é muito básico, não entendo a dificuldade das pessoas.

  • andersonlimadev
    Anderson Lima (@andersonlimadev) relatou um problema

    A maioria dos templates de IA falha. Eles acumulam dezenas de workflows gigantes em Markdown, mas no meu dia a dia, se você não tratar o estado e o fallback, toda essa teoria vira só ralo de token. O fluxo simples bem orquestrado sempre vence o codex complexo do GitHub.

  • leonardodias
    Leonardo Dias (@leonardodias) relatou um problema

    A conta faixa a faixa, aberta. Ponto de partida: o segundo turno publicado, Lula 46 × Flávio 45. Vantagem de +1,0. Até 1 SM. A amostra tem 21,78%, a PNAD 13,50%. Erro de −8,28 pontos. É a única faixa em que Lula vence, e vence por 26. Contribuição: −2,15. 1 a 2 SM. A amostra tem 17,82%, a PNAD 21,94%. Faltam 4,12 pontos. Aqui Flávio já vence por 6. Contribuição: −0,25. 2 a 5 SM. A amostra tem 39,60%, a PNAD 39,23%. Praticamente calibrada, erro de 0,37 ponto. Contribuição: +0,02. Mais de 5 SM. A amostra tem 20,79%, a PNAD 25,33%. Faltam 4,54 pontos na faixa em que Flávio abre 50 a 43. Contribuição: −0,31. Soma: −2,70. Chegada: −1,70, ou seja, Flávio 46,4 × Lula 44,7. Repare onde está a força. Uma faixa sozinha responde por 80% do deslocamento. Não porque a escolhemos: porque é nela que o erro de calibração e a inclinação política se encontram. Nas outras três, ou o erro é pequeno, ou o voto é parecido, ou as duas coisas. Em entrevistas, que é a unidade que dá para contar: o excesso na faixa mais pobre equivale a 166 questionários fora do lugar em 2.002. As outras três somam 180 entrevistas deslocadas e apenas −0,54 ponto de efeito. Duas notas de transcrição, para quem for conferir. O perfil publicado soma 101 por arredondamento e foi normalizado para 100. As linhas do cruzamento de voto também somam 100 ou 101 e foram normalizadas do mesmo jeito, e é por isso que o gradiente aparece como −4,95 e não como −5. Reprodução: scripts/nexus-btg-082026-audit.py, no GitHub da Arvor.

  • BiaMorenaMG
    Bia Morena (@BiaMorenaMG) relatou um problema

    Gente e quando eu terminar meu curso, vou lançar um app para para organizar a sua agenda e locais dos contatos em tempo real... Pra certamente você não criar mais problemas em relação a números e locais de destino (Existem pessoas que confundem). O app será totalmente gratuito e terá sua API aberta. Já já tamo aí e espero a ajuda de cada um de vocês! O código será aberto a todos os públicos pelo GitHub. Então quando eu lançar, informo vocês aqui... E gente evitem de se passar por terceiros, isso ainda é crime!

  • gtkatakura
    Takashi (@gtkatakura) relatou um problema

    Hoje sumiu um PR no projeto que trabalho. Deletado. Do nada. Investigando aqui, foi um problema aparente no GitHub. Abrimos um ticket com eles para investigar. Bizarro. Momento de considerar um backup, no mínimo, em outras opções.

Verificar o status atual