Hacker News Digest

Audacity 4.0 полностью переписан на Qt, что обеспечило нативную поддержку высокого DPI и гибкую настройку интерфейса: панели можно перемещать, доковать, сохранять как рабочие области (Workspaces), а темы включают светлую, тёмную и высококонтрастную варианты с настраиваемыми цветами треков и клипов. Добавлен экран Home с превью последних проектов.

Ключевое изменение — новая модель работы с клипами: их можно выбирать напрямую кликом по заголовку, группировать, редактировать сразу несколько (перемещение, обрезка, растяжка времени), свободно перемещать между моно- и стереотреками, а разделение теперь имеет отдельный инструмент (клавиша S). Вставка стала умнее — Audacity автоматически создаёт треки и адаптирует каналы. Добавлены направляющие для выравнивания и привязки к границам семплов.

Убраны старые режимы выбора и инструментов — их функции стали контекстно-зависимыми: регулировка громкости через Clip gain, рисование семплов при максимальном зуме, разделение по S. Sync-Lock удалён — теперь есть явные варианты вставки/удаления с сохранением или сдвигом timing. Воспроизведение позволяет перетаскивать позицию playhead и искать без остановки, запись начинается в любой точке таймлайна. Обновлены Punch and Roll, компенсация задержки, мониторинг входов и поддержка ASIO в Windows-сборках.

Поддерживаются VST3, Nyquist, LV2 (Linux) и Audio Units (macOS) плагины, с отображением элементов управления, если интерфейс плагина недоступен. Spectrogram получил улучшенную разметку и ускоренный рендеринг. Формат проекта изменён на .aup4 — .aup3 открывается и конвертируется, но обратное сохранение невозможно; старые .aup импортируются. Проекты теперь хранят превью и дополнительные данные о клипах и интерфейсе. Логотип также изменён. Отмечено, что Time Tracks, MIDI-треки, микшер, менеджер макросов, VAMP/LADSPA и воспроизведение с изменённой скоростью пока недоступны, но планируются к возврату. Обновлён исходный код с включением SoundTouch и sbsms.

Audacity 4.0 — значительный прорыв в UX и стабильности: исправлены баги (пропадающие проекты, клики между клипами), интерфейс переписан на Qt — теперь нативная поддержка DPI, гибкая настройка панелей и тем, адаптация под малые экраны. Новая модель редактирования клипов с перетаскиванием для таймстрейчинга упростила работу по сравнению с версией 3. Размер приложения (<50 МБ) остаётся выгодным на фоне Electron-решений. Пользователи, ранее избегавшие Audacity из-за нестабильности и неудобства, теперь используют его для повседневного редактирования голоса, особенно как альтернативу сложным DAW. Интерфейс напоминает современные DAW (например, Ableton), но сохраняет простоту — это привлекает как новичков, так и опытных пользователей. Те, кто работал с Audacity с 2006 года, отмечают резкое улучшение UX по сравнению с версиями 2010–2020 годов. Однако остаются споры: некоторые опасаются, что опциональные облачные функции (MuseHub, облачные проекты) — предпосылка к монетизации и сбору данных. Другие, привыкшие к простому редактированию без проектов, считают новую модель громоздкой и теряют интерес. Критично отсутствуют Time Tracks, MIDI, макросы и поддержка VAMP/LADSPA. Телеметрия и регистрация в облаке отключаются без потери функциональности — многие используют Audacity 4 полностью офлайн. При установке на Windows рекомендуется избегать Program Files — лучше устанавливать в папку пользователя для избежания UAC-запросов. Для деструктивного редактирования альтернативы: Kdenlive (видео+аудио) и Reaper (за небольшую плату). Основной источник финансирования — продажа мерча, не реклама и не телеметрия.

Polars 2.0 вводит значительные изменения по умолчанию, направленные на улучшение производительности и надёжности. Главное нововведение — LazyFrame.collect() теперь использует потоковый движок (streaming engine) по умолчанию, что обещает до 5-кратного ускорения и существенное снижение потребления памяти. Однако потоковый движок не гарантирует сохранения исходного порядка строк при операциях вроде join, group_by и unpivot. Для восстановления порядка нужно явно указать maintain_order=True (или maintain_order="left" и т.д.). Пользователи, предпочитающие старое поведение, могут вернуть движок in-memory через pl.Config.set_engine_affinity("in-memory") или указать engine="in-memory" в конкретном запросе.

Помимо этого, Polars стал строже в обработке данных, чтобы выявлять ошибки на ранних этапах. Например, выражение is_in больше не выполняет небезопасное приведение типов: если сравниваются Int64 и Float64, и целое число выходит за пределы точного представления в float64 (как 9007199254740993 > 2^53), теперь возникает ошибка вместо тихого округления и неверного результата. Также удалены устаревшие API: метод melt() заменён на unpivot(), а параметр join_nulls в join() переименован в nulls_equal. Для миграции предоставлен подробный гайд, а удалённые функции теперь вызывают специфические исключения (AttributeRemovedError, ArgumentRemovedError) с указанием новых альтернатив. Релиз-кандидат доступен через pip install polars==2.0rc1.

Обсуждение дополняет статью практикой и спорами вокруг Polars. **Дефолт maintain_order=False** вызывает споры: trombonechamp предупреждает о скрытой недетерминированности в научных пайплайнах, hopfenspergerj и nemothekid считают, что порядок стоит задавать явно (как в SQL). Для надёжности рекомендуют указывать сортировку через .sort() или .with_row_count(), особенно в аналитике, где важен порядок строк. **Типизация и планирование.** Polars строже следит за типами на этапе планирования, что снижает число ошибок в рантайме по сравнению с pandas. Лучше обрабатываются вариативные данные — разные типы колонок и пропуски. **Потоковый движок.** Пользователи расходятся во мнениях: arn3n считает, что построчная обработка хуже масштабируется, другие указывают на внутреннюю параллелизацию Polars, сглаживающую разницу. В Polars 2.0 движок позволяет обрабатывать данные out‐of‐core, экономит память и ускоряет операции до 5 раз по практическим наблюдениям. **Терминология.** Часть пользователей считает термин «недетерминированный» неточным — порядок может быть предсказуемым, но не зафиксированным; другие всё равно видят в этом источник скрытых багов. **Семантическое версионирование.** Сообщество (benrutter и др.) поддерживает идею, что мажорные версии должны использоваться для удаления устаревшего API, а не только для нового функционала. **Советы по миграции.** - Использовать .cat.to(dtype) и .cat.physical() вместо устаревшего синтаксиса (bbstats). - Явно проверять типы колонок и применять Polars‐специфичные методы, чтобы не зависеть от смены дефолтов. - Включать streaming engine для больших наборов данных. **Итог.** Переход на Polars оправдан, когда важны стабильность и предсказуемость продакшна, а не только удобство синтаксиса.

Нью-Йорк запретил использование искусственного интеллекта в начальных и средних школах, включая инструменты для обучения, проверки домашних заданий и коммуникации с родителями. Запрет касается всех публичных школ города и вводится из-за опасений по поводу влияния ИИ на развитие критического мышления, риска плагиата и неравного доступа к технологиям среди учащихся. Чиновники подчеркнули, что технологии должны поддерживать, а не заменять учителей и живого взаимодействия в классе.

Исключение сделано только для специализированных курсов по информатике в старших классах, где ИИ изучается как предмет, а не как инструмент обучения. Родители и педагоги выразили смешанную реакцию: некоторые applaudируют защиту детского развития, другие опасаются, что запрет отстает от реальности и готовит учеников хуже к будущему. В городе планируются альтернативные программы по цифровой грамотности без использования генеративного ИИ.

Большинство комментаторов поддерживают запрет как способ развить критическое мышление и сократить образовательное неравенство, поскольку более обеспеченные семьи уже используют ИИ дома. При этом многие согласны, что младшим ученикам нужно сначала научиться думать самостоятельно, а ИИ вводить позже как инструмент — аналогично калькуляторам. Спорные аргументы: @rps93 делится опытом использования ИИ в колледже для создания тестов и заметок, отмечая ускорение обучения и экономию на учебниках; @ytoawwhra92 ссылается на исследование 1997 года, показавшее, что калькуляторы в начальной школе не ухудшали арифметические навыки, предполагая аналогичный нейтральный эффект для ИИ; @rmason сравнивает запрет с запретом персональных компьютеров в 80-х, опасаясь отставания учеников NYC от сверстников. @pj_mukh отмечает, что личные устройства и «читающие» ИИ уже запрещены в классах, а эксперименты с новыми цифровыми инструментами проходят в частных и школах для одарённых, где родители активно вовлечены, — так что новый запрет лишь расширяет существующие ограничения. В качестве компенсации @WCSTombs указывает на планируемый курс по AI-грамотности в старших классах, а @mango7283 предлагает контролируемое внедрение по аналогии с подъёмником в спортзале — использовать для ускорения, но не заменять собственные усилия.

Жизнь NPC — это не отказ от себя, а способ жить без зависимости от чужих ожиданий. В играх NPC не реагируют на действия игрока: кузнец в Skyrim продолжает ковать мечи, независимо от того, убиваешь ли ты драконов или воруешь у него. Его мир — его ремесло, его ритм, его цель. Он не стремится быть главным героем; он просто существует в своей роли, делая то, что должен, и находя в этом удовлетворение. Это не пассивность — это сосредоточенность на своём деле, независимо от внешнего шума.

Автор видит в этом параллель со стоицизмом: истинная свобода приходит, когда перестаёшь стремиться к одобрению, славе или постоянному действию «ради чего-то». Не нужно после работы «что-то делать» — можно просто быть. Водить скучную машину, иметь рутинную работу, не стремиться к трансформации — это не поражение, а выбор. Когда перестаёшь бороться за роль главного героя, наконец-то появляется пространство, чтобы просто жить — своим темпом, по своим правилам, без необходимости оправдывать своё существование чужим сюжетом. NPC-жизнь — это не逃ка, а осознанная устойчивость.

В треде обсуждается идея «жить как NPC»: участники расходятся во мнениях, считая её эскапизмом, ведущим к депрессии, и сравнивая с эпикурейством — стремлением к небольшому комфорту в своём «пузыре», а не со стоицизмом. Отмечается, что сравнение с NPC в играх ошибочно: в играх у NPC нет последствий, в жизни «драконы» требуют действий. Участники подчёркивают различие между NPC (привязан к роли) и главным персонажем (имеет свободу выбора), а также спорят, уместен ли сам термин — ведь каждый может быть главным героем своей жизни, но не обязательно через грандиозные достижения, а через значимые лично для него дела. Даются практические советы: постепенно брать на себя задачи вместо полного отказа от обязательств; ограничивать информационную перегрузку и ставить реальные цели; воспринимать «NPC-жизнь» как способ снижения стресса в условиях растущих требований общества; попробовать минимализм (в том числе посмотрев фильм «Perfect Days»); не подчиняться чужим сценариям, допуская комфорт в выборе «небольшого» автомобиля или увлечений, если они не диктуют жизнь. Оговорки: такой образ жизни возможен лишь в экономически стабильных условиях — в иных ситуациях люди вынуждены бороться за выживание; попытка полностью отказаться от проектов может неожиданно привести к обратному результату, так как жизнь часто вносит свои коррективы.

Muse Spark 1.3 — новая версия кодогенерирующей модели от Meta, ориентированная на сложные задачи программирования. Она поддерживает контекстное окно до 1 миллиона токенов, что позволяет обрабатывать крупные кодовые базы и многоэтапные задачи. Доступна в двух версиях: бесплатная «contributor» (данные используются для улучшения моделей) и платная — с ценами $1,25 за Мток входа, $0,15 за кэшированный вход и $4,25 за Мток вывода. В отличие от конкурентов, она интегрируется через Meta Model API, совместимый с OpenAI SDK, что упрощает миграцию существующих инструментов.

Модель поддерживает продвинутые паттерны работы: агентные команды, параллельную обработку в изолированных средах, взаимодействие с интерфейсом компьютера и доступ к реальному вебу через search grounding. Уже доступны кукибуки для автоматизации создания SaaS-приложений, построения GitHub-ботов и использования OpenCode. Muse Spark 1.3 также интегрируется с Muse Code — инструментом для агентного кодирования в терминале, что делает её мощным решением для автономной разработки ПО.

Muse Spark 1.3 предлагает выдающуюся цену за производительность, особенно в бесплатной версии 'contributor' — $0.002 за кэшированный токен, $0.10 за входной — что делает её привлекательной для хобби-разработчиков и малых проектов. На бенчмарках (например, DeepSWE 75.4) она конкурентоспособна, уступая лишь Gemini 3.8 Flash по цене и скорости, но превосходя его в некоторых сценариях кодогенерации. Модель ведёт себя как инструмент: не навязывает мнений, точно следует инструкциям и лучше адаптируется к стилю кода, чем другие LLM. Особенно сильна в генерации UI-элементов (SVG, Python UI), где её скорость и чистота результата превосходят конкурентов, а также в нестандартных задачах, например, переводе на латынь. 1M контекста позволяет эффективно работать с крупными кодовыми базами — уникальное преимущество для рефакторинга и анализа. Споры вызывают этические вопросы: модель обучается на данных пользователей, что некоторые называют «быть продуктом»; при этом Meta впервые прозрачно разделила цены на обучающую и платную версии, что привлекает тех, кто готов пожертвовать приватностью ради экономии. Однако Meta не выпустила веса Muse Spark 1.2, как обещала, и сомнения в открытии 1.3 снижают доверие к прозрачности. Некоторые пользователи считают, что 1.3 не превзошла 1.2 и уступает GPT-5.6 Terra и DeepSeek V4 в C/C++ и агентных задачах, где модель переобучена на узкие паттерны. Для C/C++ советуют осторожно подходить — DeepSeek V4f показывает лучшие результаты на внутренних бенчмарках. В бесплатном сегменте 1.2 превосходила конкурентов в фронтенд-задачах, и ожидается аналогичный или лучший результат от 1.3. Некоторые считают Gemini 3.8 Flash более выгодным из-за низкой цены и частых обновлений Google, другие — Muse Spark 1.3 лучшим по соотношению цена/качество. Рекомендации: использовать через OpenRouter или прямой API, особенно при интеграции с Claude Code; для UI-генерации применять 'anti-slop' фильтры, чтобы избежать шаблонности.

Автор отказывается от смартфона, чтобы избежать навязчивых требований устанавливать приложения и сканировать QR-коды, которые превращают повседневные действия в зависимость от американских технологических гигантов. Он подсчитал, что за год пришлось отбиваться от установки 18 приложений — даже для унитаза предполагается три отдельных приложения (сиденье, слив, вентиляция), что при трёх минутах в день на каждое занимает почти час ежедневно, или 22 полных дня в году.

Каждое требование установить приложение основано на десяти предположениях: наличие смартфона, его заряд, память, сеть, данные, аккаунт Google или Apple, готовность к вниманию и принятию условий, включая передачу личных данных. Если хотя бы одно предположение ложно — приложение не работает. Автор считает странным, что люди вообще соглашаются на такие условия, и отвечает на запросы фразой «У меня нет смартфона», что заставляет продавцов и работников искать альтернативные способы взаимодействия. Он поддерживает инициативы вроде европейских альтернатив Google, Jolla-телефона и Delta Chat, критикуя политиков за игнорирование существующих приватных решений в пользу хайповых проектов вроде «европейского ИИ» или блокчейна. Себя он называет Offpunk — защитником личной автономии в цифровом мире.

Обсуждение дополняет статью практическими примерами отказа от смартфонов: это возможно, но сопряжено с трудностями — от банковских операций и медицинских устройств до общественных сервисов — и обнажает системную зависимость от американских платформ. Советы: - Модифицированный iPhone с отключёнными браузером и App Store превращается в «глупый» телефон с базовыми функциями. - Установка приложений только через F-Droid вместо Google Play убирает привязку к Google-аккаунтам, но ограничивает доступ к сервисам вроде Waymo и может нарушать правила общего пользования. - Garmin GPS подходит для навигации, но не обновляет данные о закрытых заведениях, что создаёт риски в незнакомых районах. - FairPhone 3 с /e/OS — вариант для тех, кому нужны цифровые функции без Google: приложения ставятся вручную. - Умение прямо и спокойно говорить «нет» — эффективный инструмент при требованиях установить приложение или предоставить номер, особенно в очередях. - Разделение доступа к магазину приложений на бумажную часть и запоминаемую создаёт физическую преграду для установки новых приложений. Спорные позиции: - Смартфон можно настроить под себя (отключить уведомления, оставить пустой экран, использовать только нужные приложения) — тогда он станет инструментом, а не источником стресса. - Покупка дешёвого смартфона менее чем за 100 долларов делает отказ от него экономически необоснованным при наличии интернета и цифровых сервисов. Проблемы: - Требование устанавливать приложения для доступа к базовым услугам — от ресторанов до унитазов — неприемлемое расширение контроля технологических компаний. - Приложения для управления унитазами, вентиляцией и сливом — абсурдный пример превращения бытовых объектов в продукты с подпиской и зависимостью от корпоративных экосистем. - Отказ от смартфона ведёт к невозможности использовать банковские приложения, QR-коды и другие сервисы — это социальная изоляция, а не свобода. - Обязательное предоставление номера телефона и согласие на сбор данных в магазинах Индии и формах — системная, а не техническая проблема. - Медицинские устройства (например, для диабета 1 типа), банковские сервисы и системы оплаты всё чаще привязаны к смартфонам, создавая критические точки отказа в жизненно важных системах. - Отказ от Google- и Facebook-аккаунтов возможен, но требует постоянного противостояния инфраструктуре, где большинство сервисов требуют привязки к этим платформам.

Paint.NET 5.2 Alpha (build 9739) представляет собой значительный шаг в развитии популярного редактора изображений, включающий оптимизацию производительности и улучшения в интерфейсе. Основное внимание уделено стабильности и отзывчивости — особенно при работе с большими файлами и сложными слоями. Внедрена новая система рендеринга, основанная на GPU, что ускоряет масштабирование, вращение и применение фильтров в реальном времени. Также обновлён интерфейс: улучшена читаемость, переработаны панели инструментов и добавлена поддержка темной темы по умолчанию.

Разработчик Rick Brewster подчеркивает, что это промежуточная версия для тестирования, и призывает пользователей сообщать о багах. В частности, исправлены утечки памяти в плагинах и улучшена совместимость с высокодетализированными дисплеями (4K+). Новая версия также включает экспериментальную поддержку OpenEXR для профессиональной работы с HDR-изображениями. Хотя функционал пока не завершён, альфа-версия уже демонстрирует потенциал для замены некоторых профессиональных инструментов в среднем сегменте.

Paint.net более 16 лет остаётся закрытым проектом, хотя многие ошибочно считают его открытым. Поддержка Linux реализована через Wine, а не нативно; формулировка «работает на Linux» вводит в заблуждение, правильнее — «работает через Wine». Сборка экспериментальная и баговая, полагаться на неё в продакшене не стоит. Запуск стал возможен благодаря переписанному слою Direct2D в Wine, что сняло главный технический барьер прошлых попыток. В сообществе реакция неоднозначная: часть пользователей рада возможности запуска и отмечает удобный UX по сравнению с GIMP и Krita, другие критикуют автора за саму попытку запуска PDN на Linux. На Bluesky спор разделил людей на тех, кто считает критику необоснованной, и тех, кто осуждает автора. Исторически Paint.net до 2007 года был MIT‐лицензированным проектом; закрытие кода произошло после конфликтов из‐за указания авторства. Вместо него рекомендуются открытые альтернативы: Pinta (наследник старого кода Paint.net), Krita (мощнее, но тяжелее) и GIMP (полностью открытый). Оценки стоимости создания открытого клона с помощью LLM — несколько недель работы и подписок — остаются спекуляцией.

Gemini 3.8 Flash — это обновлённая версия модели из семейства Gemini 3, построенная на базе Gemini 3.7 Flash и ориентированная на улучшение производительности в задачах программирования и агентных рабочих процессов. Она поддерживает настраиваемые уровни усилий для балансировки качества, стоимости и задержки, принимает текст, изображения, аудио и видео с контекстным окном до 1 млн токенов и генерирует текстовый вывод до 64K токенов. Архитектура, данные обучения и аппаратная реализация наследуются от Gemini 3.7 Flash, что обеспечивает преемственность и упрощает интеграцию.

Оценка модели проводилась по широкому спектру бенчмарков: программирование, знаниевая работа, мультимодальность, длинный контекст, использование компьютера и научные рассуждения. По результатам безопасности, включая ручное красное teaming и оценки по Frontier Safety Framework, Gemini 3.8 Flash показала схожие или улучшенные показатели по сравнению с предшественницей, не достигла никаких отслеживаемых или критических уровней возможностей и не выявила существенных новых рисков. Ручное моделирование подтвердило, что большинство срабатываний фильтров были ложными срабатываниями или не представляли серьёзной угрозы, а защита детей соответствует обязательствам Google. Модель подходит для разработчиков и предприятий, стремящихся к масштабируемому и экономичному использованию ИИ.

**Gemini 3.8 Flash: преимущества** - Улучшение над 3.7 Flash по скорости, стоимости и мультимодальности; силён в кодировании, анализе медиа и агентных задачах. - Низкая стоимость (1.8 цента за сложный HTML/JS за 13 секунд) делает его идеальным для повторяющихся проверяемых задач. - Мультимодальность (аудио, видео, изображения) и контекст до 1 млн токенов превосходят OpenAI и Anthropic, ограниченных изображениями. - На бенчмарках (Artificial Analysis, Redactle) достигает уровня Opus 5 при эффективности «Flash»-версии. - Стал доминирующим выбором для клиентских рабочих процессов, вытесняя другие модели. - Лучше различает экзотические фрукты и подлинники артефактов, но слаб в идентификации нишевых публичных фигур. - Превосходит Claude в письменной речи, особенно в структурированных аргументациях (например, эссе типа гаокао). - Интеграция с GCP делает его предпочтительным для корпоративных решений, включая хостинг в Европе. **Ограничения и споры** - Регрессия на низком уровне усилий (thinking level low) по сравнению с 3.7 Flash, несмотря на улучшения на среднем и высоком. - Часть пользователей не видит улучшения латентности относительно 3.5 Flash в реальных сценариях, что ставит под сомнение маркетинговые заявления. - Может генерировать «безопасный», но нерабочий код, поэтому для критичных задач некоторые разработчики предпочитают Opus 4.6. - База знаний не обновлена после января 2025 года, что ограничивает применение в быстроменяющихся областях. - Некоторые пользователи считают, что Google занижает позиционирование Flash, чтобы скрыть отсутствие обновлений Pro-версий. - Недоступен в веб-интерфейсе Gemini даже спустя несколько дней после анонса, что вызывает раздражение у платных пользователей. **Рекомендации** - Для высокочастотных задач (сканирование коммитов на совместимость плагинов) скорость и низкая стоимость оправдывают возможные ошибки благодаря лёгкости перезапуска. - При выборе для агентных задач стоит тестировать наряду с Deepseek v4 Flash — последний может быть конкурентоспособнее в текстовых сценариях.

GrapheneOS подтверждает, что Pixel 11 сохраняет базовую аппаратную поддержку MTE (Memory Tagging Extension), но её производительность была намеренно ухудшена из-за удаления аппаратного ускорения в кэше CPU для снижения стоимости. В результате MTE полностью отключён в прошивке, хотя сам чип теоретически способен его поддерживать. Это делает функцию практически непригодной для использования в стандартных условиях.

Однако существует способ активировать MTE вручную через команду fastboot oem mte on, загрузку нестандартного ядра, игнорирующего флаг arm64.nomte, и резервирование тег-памяти. GrapheneOS сейчас тестирует, полностью ли функциональна такая конфигурация и какие у неё характеристики производительности. Предполагается, что производительность останется крайне низкой, что объясняет решение Google полностью отключить поддержку в ПО и прошивке. Ожидается, что аналогичная ситуация может касаться и старших моделей Pixel 11 Pro и Pro XL, хотя это пока не подтверждено официально.

Тред дополняет статью: MTE в Pixel 11 отключён намеренно ради снижения стоимости, что вызывает серьёзные опасения в безопасности флагмана. MTE — критически важный механизм защиты от уязвимостей памяти (use-after-free, buffer overflow), а не нишевая функция. Отключение его на флагмане ради производительности и экономии неприемлемо, особенно когда Apple уже внедряет улучшенные версии MTE без потерь. При включении MTE в пользовательских сборках наблюдаются частые SIGSEGV, что делает его непригодным для массового использования без глубокой доработки. Google не включает MTE из-за нестабильности, а GrapheneOS готов принять этот компромисс ради безопасности, что подчёркивает разницу в приоритетах. Аппаратная поддержка MTE есть — её отключение в прошивке сознательное решение Google, а не ограничение чипа, что усиливает подозрения в намеренном ослаблении безопасности. Отключение MTE ради экономии на флагмане — признак системного игнорирования безопасности в пользу прибыли. GrapheneOS использует код Google, но добавляет критически важные ограничения, которые Google сознательно отключает, — это необходимая правка, а не «надстройка». Сотрудничество Motorola с GrapheneOS подтверждает, что запрос на высокую безопасность не нишевый — крупные производители видят в этом коммерческую и репутационную ценность. Пользователям, ценящим безопасность, стоит избегать Pixel 11 без GrapheneOS или аналогичной ОС, так как стандартная прошивка Google не обеспечивает базовую защиту. Сравнение с Huawei Nexus показывает, что снижение характеристик — не ошибка, а стратегическое решение, вызывающее более глубокую тревогу, чем технический сбой.

Исследование показало, что две модели Perplexity при поиске «лучшего» ПО в 380 категориях часто ссылаются на низкокачественные источники. Из 7534 цитат 59,8% ведут на домены хуже 100 000-го места в Tranco, а 23,4% — вовсе вне топ-миллиона. Медианный Tranco-ранг цитируемых доменов — 71 611, а 36,5% из 2055 уникальных доменов не попадают в топ-миллион вообще. Эти домены значительно новее: медианный первый снимок в Wayback Machine — 2020 год против 2011 у популярных источников, и 16,6% из них впервые архивированы в 2025 году или позже.

Треть по частоте цитирования занимает блог Guideflow.com — продавца интерактивных демо, а не площадки с обзорами. Его блог был упомянут 194 раза в 96 категориях (по одной статье на категорию), опередив Gartner. Все три домена, генерирующих машинные «лучшие» списки («Best List» сайтов), появились после декабря 2023 года и, вероятно, находятся под общим управлением из-за одинакового шаблона и инфраструктуры. Они создали 215 128 страниц вида «best <category>». Несмотря на это, исследование не оценивало, влияют ли такие источники на качество рекомендаций — только документировало, из чего состоит доказательная база моделей. Wikipedia, для сравнения, была цитирована всего три раза. Полные данные и код доступны на сайте автора.

Обсуждение выявило несколько ключевых проблем LLM-поиска: - Модели цитируют низкокачественные источники и генерируют ложные факты на основе единичных соцсетевых упоминаний, формируя цикл дезинформации. - LLM предпочитают собственные тексты из-за совпадения с обучающими паттернами, даже когда они хуже человеческих. - Модели не оценивают качество источников, принимая за истину даже Reddit-комментарии с опечатками. - SEO-фирмы генерируют контент с минимальным KL-расхождением от ответов моделей; сегмент «best software» — самый спамный, с сайтами, созданными исключительно для цитирования LLM. - Perplexity и другие LLM-поисковики жертвуют качеством ради скорости: ссылки не соответствуют тексту. - Модели ассоциируют определённые фразы («load-bearing», «crucial») с качеством, позволяя искусственно улучшать тексты без изменения смысла. - LLM не различают авторство и оценивают текст по стилистическим шаблонам, а не по реальной эффективности. - В нишевых SaaS пользователи отмечают, что LLM рекомендуют фиктивные «лучшие» решения вместо реальных инструментов. - Практика «AI SEO» — массовая генерация страниц «best X» на несуществующих доменах, идеальных для цитирования. - Многие пользователи возвращаются к вручную отобранным источникам (Wikipedia, arXiv, Reddit), считая открытый веб непригодным для достоверного поиска. - Замкнутый круг: AI генерирует сайты → LLM их цитирует → сайты попадают в обучающие данные → AI генерирует ещё больше. - AI-статьи стали шаблонными и пустыми, что снижает доверие к выдаче моделей. - Модели не различают рекламу, аффилированный и независимый контент. - AI-поиск, по мнению части пользователей, уничтожил возможность находить новые решения — результаты сводятся к рерайту популярных шаблонов. - Спор: один пользователь утверждает, что OpenAI поддерживает исключение доменов, но другие отмечают, что инструменты поиска Anthropic и OpenAI пока не позволяют эффективно фильтровать шум.