O GitHub Trending é uma janela para o que os desenvolvedores estão construindo e explorando em tempo real. Esta semana, os repositórios mais populares refletem tendências claras: modelos de IA em dispositivos restritos, desenvolvimento orientado por especificação e ferramentas de diagramação visual para Claude Code.
1. cordiverse/cordis — TypeScript
⭐ 616 estrelas hoje / 3.877 totalO Cordis é um meta-framework de composicionabilidade espaço-temporal que permite criar aplicações que evoluem dinamicamente ao longo do tempo. Ele resolve o problema clássico de aplicações que precisam manter estado contextual entre múltiplas interações — essencial para agentes de IA que operam em sessões longas.
2. cathrynlavery/diagram-design — HTML
⭐ 1.619 estrelas hoje / 18.260 totalO diagram-design oferece 29 tipos de diagramas editoriais para Claude Code. Arquivos HTML autocontidos com SVG, sem sombras, sem a estética padrão de Mermaid. O projeto atende a uma necessidade real: diagramas profissionais que não parecem feitos por IA genérica.
3. cursor/plugins — TypeScript
⭐ 152 estrelas hoje / 2.898 totalA especificação de plugins do Cursor e os plugins oficiais. À medida que o Cursor se consolida como editor de IA dominante, o ecossistema de plugins se torna tão importante quanto as extensões do VS Code se tornaram para o ecossistema JavaScript.
4. cactus-compute/needle — Python
⭐ 551 estrelas hoje / 5.926 totalO Needle é um modelo fundamental de 14MB para dispositivos restritos: telefones, wearables, smart home e robôs. O tamanho diminuto permite execução offline em hardware que antes não podia rodar IA. É o equivalente a pedir um Ford Model T para o mundo dos LLMs — acessível onde outros falham.
5. unslothai/unsloth — Python
⭐ 435 estrelas hoje / 71.836 totalInterface local para executar e treinar LLMs e modelos de difusão, incluindo Qwen3.8, Kimi K3, MiniMax-H3, Gemma 4, DeepSeek-V4, FLUX e mais. Com 71 mil estrelas, é o repositório de treinamento local mais popular do GitHub.
6. public-apis/public-apis — Python
⭐ 2.476 estrelas hoje / 459.674 totalUma lista coletiva de APIs gratuitas. Com quase 460 mil estrelas, é o repositório mais estrelado do GitHub que serve como referência para desenvolvedores que buscam APIs para integrar em seus projetos.
7. MakazhanAlpamys/Soup — Python
⭐ 303 estrelas hoje / 1.515 totalO Soup permite treinar LLMs a partir de um único arquivo YAML. O streaming de camadas treina um modelo de 8B em uma GPU laptop de 4 GB. A filosofia é simples: democratizar o fine-tuning eliminando a complexidade operacional.
8. github/spec-kit — Python
⭐ 901 estrelas hoje / 128.983 totalFerramenta para impulsionar o Desenvolvimento Orientado por Especificação. Com quase 129 mil estrelas, o Spec-Kit do GitHub representa uma tendência clara: a mudança de "escrever código" para "especificar intenções" e deixar a IA gerar a implementação.
9. megadose/holehe — Python
⭐ 389 estrelas hoje / 13.023 totalO Holehe verifica se um email é usado em diferentes sites como Twitter, Instagram, e recupera informações através da função de senha esquecida. Uma ferramenta de OSINT essencial para profissionais de segurança.
10. altic-dev/FluidVoice — Swift
⭐ 311 estrelas hoje / 10.217 totalO FluidVoice é o ditador mais rápido para macOS com STT local e modelo de IA treinado personal. Uma alternativa local ao Wispr Flow. Lista de espera para Windows e iOS aberta.
Tendência da semana
Os repositórios desta semana revelam três tendências claras:
1. IA em dispositivos restridos: Needle (14MB) e FluidVoice (STT local) mostram que a IA está descendo de datacenters para dispositivos. O futuro é rodar modelos inteligentes em hardware que consome watts, não quilowatts.
2. Desenvolvimento orientado por especificação: Cursor Plugins e Spec-Kit indicam que os desenvolvedores estão migrando de escrever código para especificar intenções. A IA gera a implementação, os humanos definem o que.
3. Ferramentas para Claude Code: O diagram-design com 1.619 estrelas mostra que o ecossistema de ferramentas para Claude está amadurecendo. Se Claude se tornar o modelo dominante para desenvolvimento, as ferramentas ao seu redor serão tão valiosas quanto o modelo em si.
O que observaremos: a corrida para rodar IA em dispositivos cada vez mais restritos vai continuar. Quem conseguir treinar modelos úteis em 4 GB de GPU vai democratizar o acesso à IA de verdade — não apenas acesso, mas privacidade local e independência de conectividade.
Fontes: GitHub Trending, public-apis/public-apis, github/spec-kit
✓ Fontes independentes cruzadas e verificadas antes da publicação
