Hacker News Digest

microsoft/BASIC-M6502 — официальный репозиторий Microsoft BASIC для процессора 6502, версия 1.1.
Расположен исходный код на ассемблере 6502, включая оригинальные комментарии 1978 г. и лицензионные файлы.

• Microsoft выложил исходники MS-BASIC для 6502 с «коммитом 48 лет назад» и пасхалкой WAIT 6502,X, которая выводит «MICROSOFT!».
• Код — один 162-КБ файл без модулей; удивляют старые редакторы и скорость сборки на PDP-10.
• В комментариях всплывают Applesoft BASIC, Commodore, Ohio Scientific и другие наследники этой версии.
• Пользователи делятся ностальгией, просят открыть Z80- и VB6-порты, обсуждают лицензию и «AI-аромат» README.

Garmin первым выпустил спутниковые часы

• Модель: Garmin inReach Messenger
• Функция: SOS и обмен текстами без сети
• Цена: $450 + подписка от $15/мес
• Плюсы: работает глобально, 28 дней без подзарядки
• Минусы: толстый, нужен телефон Android/iOS для настройки

Apple Watch с сателлитом пока только в слухах.

• Железо Garmin топ: 30 дней без подзарядки, датчики и брутальность на высоте, софт всегда был хуже.
• Новые Fenix 8 Pro за $1200 + $8/мес за спутник: цена кусается, даже фанаты сомневаются.
• Спутниковый SOS вызывает вопросы: мелкая антенна, узкие каньоны и зарядка «снимать с руки» – не факт, что сработает в экстриме.
• Батарея убита прошивкой 15.05: с 8 дней до 1, поддержка молчит.
• Apple-юзеры не пересядут: нет нормального iOS-фильтра уведомлений и «родного» номера.

Ключевые выводы исследования

• 8 популярных коммерческих VPN обслуживают >700 млн пользователей, но скрывают собственность и имеют критические уязвимости.
• 3 VPN связаны с НОАК Китая, у остальных найдены признаки китайского контроля.
• Отсутствие прозрачности позволяет злоумышленникам снимать шифрование и перехватывать трафик.

Почему важна прозрачность
VPN переносят доверие от интернет-провайдера к самому сервису. При выборе пользователи должны решить:

• Прозрачность — знать, кто видит данные.
• Анонимность — не знать, но полагаться на обещания.

Риски для пользователей

• Авторитарные государства могут использовать скрытые связи VPN для слежки.
• Отсутствие публичной информации о владельцах и разработчиках усиливает уязвимости.

• Коммерческие VPN часто продаются через страх не-технических пользователей, хотя реальные сценарии — это обход геоблоков, торренты и «неполиткорректный» контент.
• Модель доверия к единому VPN-узлу критикуется; предлагаются решения вроде iCloud Private Relay и MASQUE-релеев, разделяющих «кто» и «что».
• Подозрения вызывают «популярные» VPN (Nord, Express), их рекламные бюджеты и возможные связи с разведками; Mullvad считается одним из самых прозрачных, но его IP-адреса всё чаще банят.
• Некоторые «бесплатные» или малоизвестные VPN/прокси-сервисы превращают клиентов в узлы резидентного прокси и продают их трафик третьим лицам.
• Даже при смене IP браузерное фингерпринтирование легко идентифицирует пользователя; HTTPS сделал старые аргументы «VPN для безопасности в публичном Wi-Fi» почти бесполезными.

Claude Code в Zed — бета уже доступна
Пользователи давно просили интеграцию Claude Code, и теперь она встроена в панель ассистента Zed.

Плюсы

• Без терминала — всё внутри редактора.
• ACP-протокол — агенты работают через открытый стандарт Anthropic.
• Любые агенты — подключайте собственные или сторонние модели, не ограничиваясь Claude.

Попробуйте прямо сейчас.

• Пользователи хвалят скорость и архитектуру Zed, но жалуются на «сырую» интеграцию Claude Code: нет /compact, Plan Mode, нормального управления контекстом и поддержки подписки вместо API-ключей.
• Критика UI/UX: шрифты, отсутствие undo для удаления файлов, слабый Git-интерфейс, нет вертикальных вкладок, неудобные настройки.
• Автодополнение и AI-фичи уступают Cursor и Copilot; многие поэтому остаются на VS Code/JetBrains.
• Нет Windows-версии, SSH-удалёнки и запуска агентов на сервере, что блокирует командную работу.
• VC-финансирование вызывает опасения, что приоритет отдан «AI ради AI», а не зрелости продукта.

Угры: рыбы, но не совсем
Оказывается, угри — это рыбы. Обидно: казалось, они третий, тайный класс между рыбой и змеёй. На деле угри — страннейшие рыбы, и тайны в них глубже ярлыка.

Где берутся угри?
Тысячелетиями не знали. Аристотель — из грязи, японцы — из лунных червей. Научная охота началась в XIX веке: эволюция, скальпели, тщетные поиски половых органов.

Фрейд и угри
В 1876-м в Триесте молодой зоолог четыре месяца вскрывал угрей в поисках яичек. Не нашёл. Это был Зигмунд Фрейд. Кто знает, может, психоанализ родился из этой неудачи.

Саргассово море
Взрослых угрей при размножении никто не видел. Предполагают, что они метятся лишь в одном месте — Саргассовом море, посреди Бермудского треугольника.

Жизненный цикл

• Лептоцефал — прозрачная личинка, дрейфует годами.
• Стеклянный угорь — доходит до Европы, ползёт вверх по рекам.
• Элвер — пигмент, аппетит.
• Жёлтый угорь — десятилетия в пресной воде.
• Серебряный угорь — чёрно-хромированный финальный облик, глаза увеличиваются, чтобы увидеть глубину, куда он уйдёт навсегда, чтобы метнуться и умереть.

Так что угри — не просто рыбы, а живые загадки, которые всё ещё обгоняют наше понимание.

• Кроссворды и NYT подтолкнули многих к «угревой» rabbit-hole: откуда берутся европейские угри (около Багам), почему они рыбы и как они могут «пешком» колонизировать озёра.
• Пользователи делились фактами: угри когда-то служили деньгами, в Португалии их едят как деликатес, а в Средиземноморье они на грани исчезновения.
• Рекомендованы книги «The Book of Eels» и «The Gospel of the Eels», видео Хэнка Грина и песня A Capella Science.
• Обсуждались налоговые документы ЕС по угрям, легенды о «создании» угрей и даже вопрос «есть ли вообще рыбы».

Почему не дать мне просто зарегистрировать стиралку через веб?

В 2005-м мы с женой жили в общаге в Барселоне: старенькая стиралка, дверь держится стулом. Потом купили Electrolux — 20 лет прослужила, переезжала с нами в Гамбург и обратно. На прошлой неделе мотор сдох, заказал новую (опять Electrolux, но без Wi-Fi).

К брошюре прилагалась 10-летняя гарантия по регистрации: телефон и QR-код с номером в виде текста. Позвонил — 20 минут ожидания, потом сбросили. Предложили ссылку в SMS: https://www. example.com/gc/ — сертификат браузер не принял, руками починил — сайт не грузится.

Нашёл через Google electrolux warranty register — первая ссылка вела на /mypages/register-a-product/. Создал аккаунт, ввёл номер модели вручную или просто загрузил фото таблички — ИИ сам всё распознал и зарегистрировал за два клика. Почему не сразу дали эту ссылку?

Бонус
Прикрутил демо на Prompt API: браузер распознаёт 9-значный номер с фото таблички и возвращает только цифры регуляркой /\d{9}/.

• Компании сознательно усложняют регистрацию гарантии, чтобы снизить расходы и продавать доп-гарантии по телефону.
• Пользователи предлагают простые решения: QR-код с прямой ссылкой, наклейка с данными, «тупой» сканер вместо ИИ.
• Автор статьи, гуглер, вместо критики сам решает задачу через AI/ML, что выглядит иронично.
• Многие покупатели стараются найти «немодели» без «умных» функций и рекламы, но выбор сужается.
• Участники сходятся: проблема не в технологиях, а в бизнес-модели «planned obsolescence» и избегании реальной поддержки.

Основная идея
Авторы утверждают, что современные LLM уже близки к «стене» роста качества: дальнейшее увеличение моделей и данных даёт лишь логарифмический прирост, а затраты растут экспоненциально.

Причины стены

• Исчерпаемость данных: высококачественный текст в интернете ограничен; синтетические данные быстро насыщают.
• Сложность задач: после решения «лёгких» 90 % остаются «трудные» 10 %, где ошибки почти не коррелируют с размером модели.
• Экономика: чтобы снизить ошибку в 2 раза, нужно в 10–100× больше ресурсов.

Эксперименты
На MMLU, GSM8K, HumanEval и BIG-Bench наблюдается выравнивание кривых качества даже при масштабировании на порядки.

Что делать

• Переход к специализированным моделям и инструментам (код-интерпретаторы, поиск).
• Агентские схемы, где LLM вызывает API и внешние системы.
• Новые архитектуры (MoE, RAG, RL) и синтетические данные нового типа (симуляции, мультимодальные сцены).

Вывод
Чистое масштабирование скоро исчерпается; прорыв потребует перехода от «больших» к «умным» системам.

• Обсуждение крутится вокруг того, можно ли свести понимание и логическое рассуждение к вероятностным моделям вроде LLM.
• Часть участников считает, что формальное равенство с цепями Маркова или LLM ничего не даёт и упускает ключевые вещи — например, backtracking и символьное мышление.
• Другие отвечают, что трансформеры с chain-of-thought уже теоретически могут решать всё в классе P, а агенты с внешними инструментами уже делают backtracking на практике.
• Критика статьи: авторы-физики пишут запутанно, примеров нет, фокус на ядерных реакторах и численных методах выглядит неуместным.
• Сторонники «горького урока» указывают, что дальнейшее увеличение моделей и данных даст больше, чем попытки встроить строгую символику.

VibeVoice — открытая TTS-модель для создания экспрессивных многоспикерных диалогов (подкасты, интервью).

• Токенизаторы акустический и семантический работают на рекордно низкой частоте 7,5 Гц, сохраняя качество и ускоряя длинные последовательности.
• Архитектура: LLM понимает контекст и диалог, диффузионный «голова» добавляет детали.
• Пределы: до 90 минут, до 4 голосов, поддержка фоновой музыки, спонтанных эмоций и пения.
• Кросс-язычность: свободный перевод с/на китайский и английский.

• Качество VibeVoice высокое, но мужские голоса часто звучат роботизированно и попадают в «зловещую долину».
• Женские образцы заметно реалистичнее; демо-сайт почти всегда начинает с них.
• Лучшие альтернативы: HiggsAudio (быстрее и чище), Kokoro (для слабых GPU) и Chatterbox.
• Модель хорошо клонирует голос и эмоции, поддерживает английский, китайский и индийские акценты, но не SSML и редкие языки.
• Репозиторий временно закрыт, лицензия MIT, но данных обучения не раскрыто.

%CPU — обманка
Система показывает 50 % загрузки, но реально сервер выполняет 60–100 % максимально возможной работы.

Эксперимент
Ryzen 9 5900X (12 ядер / 24 потока), Turbo включён.
Скрипт запускал stress-ng двумя способами:

• 24 потока по 1–100 % нагрузки;
• 1–24 потока по 100 %.

Результаты

• Общий CPU-тест: при 50 % «утилитой» реальная работа 60–65 %.
• 64-битная математика: 65–85 %.
• Умножение матриц: 80–100 %.

Почему так

1. Hyper-threading: после 12 потоков «ядра» делят ресурсы, прирост стремится к нулю.
2. Turbo: частота падает с 4.9 до 4.3 ГГц при росте загрузки, поэтому «утил» растёт быстрее реальной работы.

Вывод
Полагаться на линейный рост %CPU — ошибка. При эффективной загрузке (>50 %) показания занижены, и различия между процессорами могут быть огромными.

• Участники сходятся во мнении, что «%CPU» — это не ложь, а линейная мера нелинейной реальности: SMT, Turbo, общие ресурсы и ожидание памяти делают 60 % «загрузки» фактически пределом.
• Практики SRE подтверждают: модели очередей по CPU% работают лучше «старой мудрости», но только если понимать, что 50–60 % уже «почти всё».
• Несколько человек вспомнили, как менеджеры требовали «увеличить сервер», увидев 100 %, хотя процессор простаивал в busy-wait или ждал I/O.
• Подчёркивается, что IPC, latency, power-draw и прямое нагрузочное тестирование приложения дают более точную картину, чем сырые проценты.
• Утилита stress-ng удобна для синтетики, но не для production-бенчмарков; реальные приложения (Postgres, Memcached) ломаются раньше, чем показывает 100 % CPU.

• Векторы и матрицы: LLM всё превращают в вектора; главное — скалярное произведение и умножение матриц.
• Softmax: превращает логиты в вероятности; температура регулирует «уверенность».
• Градиент и производная: показывают, как чуть изменить вес, чтобы ошибка уменьшилась.
• Цепное правило: позволяет распространить ошибку через слои; сердце backprop.
• Эмбеддинги: строки → векторы; чем ближе векторы, тем похожее значение.
• Attention: Q·K^T выделяет релевантные токены; V несёт смысл; маска прячет будущее.
• MLP в трансформере: два линейных слоя с ReLU; увеличивает выразительность.
• LayerNorm: стабилизирует распределение после каждого подслоя.
• Позиционное кодирование: добавляет «адрес» токену, иначе порядок теряется.
• Лосс (cross-entropy): средняя «удивлённость»; оптимизатор (Adam) крутит веса.

Дальше — только масштаб: больше слоёв, голов, данных и видеокарт.

• Физики и математики вспомнили, что знание тензорного исчисления, линалгебры и энтропии пригодилось для понимания backprop и LLM.
• Практика: «смотреть» Karpathy недостаточно — нужно кодить за ним; его курс даёт базы и уверенность копать дальше.
• Книга «Build a Large Language Model (from Scratch)» идёт шаг-за-шагом, но объясняет только вычисления, а не «почему это вообще работает»; explainability всё ещё исследуется.
• Путаница: эмбеддинги ≠ вся модель; они лишь вход для трансформера, внутри которого 1,8 трлн параметров и «чёрный ящик».
• LLM — логит-генераторы с неизбежной неопределённостью; цепочки моделей накапливают ошибку и быстро «ломаются» без человека-оркестратора.
• Для 99 % разработчиков хватает линалгебры, softmax, градиентов и PyTorch; остальное — инженерия данных, трюки и эксперименты.