Hacker News Digest

Gemini 4 Argon — это новая флагманская модель Google, предназначенная для сложных, длительных рабочих процессов в инженерии ПО, корпоративной аналитике (юриспруденция, финансы) и кибербезопасности. Она уже используется внутри компании: тысячи сотрудников отмечают её эффективность в оптимизации квантовых алгоритмов (улучшение на 40% по сравнению с базой), автономном выявлении утечек памяти в дата-центрах (освободив более 300 TiB, с потенциалом до 1–2 PiB) и миграции больших кодовых баз с C/C++ на Rust. Argon запускается по цене $2 за миллион входных токенов и $10 за миллион выходных, с кешированным вводом со скидкой 95%.

Для безопасного внедрения применяются меры по предотвращению несоответствия намерениям: мониторинг цепочки рассуждений и действий модели, остановка выполнения при отклонении, а также изолированные песочницы для высокорисковых тестов. Google активно сотрудничает с программой Fairwind, предоставляя ранний доступ доверенным киберзащитникам для сбора обратной связи перед широким релизом. Ожидается выход для платных API-пользователей и подписчиков Google AI Ultra после завершения этапа укрепления защитных механизмов.

Gemini 4 Argon используется внутри Google для масштабных миграций кода (до 800K строк C++ в Rust) и оптимизации квантовых алгоритмов, но недоступен внешним пользователям и имеет несогласованные релизы, вызывая недоверие. Миграция 800K+ строк C/C++ в Rust в ядре Zircon (Fuchsia) — уникальный практический пример применения ИИ в реальном продукте. Аргон демонстрирует низкий уровень галлюцинаций — 15%, лучше OpenAI (40–50%) и Anthropic (60–70%), что привлекательно для критических задач. Цены: $2/млн входных, $10/млн выходных токенов, с 95% скидкой на кэшированные токены — сопоставимы с Opus 5.5, экономически конкурентоспособны при доступности. Критика: задержки в выпуске Argon для клиентов несмотря на внутреннее использование (пользователи @deanc, @dom96); другие провайдеры быстрее выводят модели. Сомнения в достоверности бенчмарков Google: несогласованность после пересмотра весов, показ только максимальных уровней рассуждения (@pietz, @robertbarbe). Примеры использования: Gemini 3.8 Flash помог написать LD_PRELOAD C-шем для ROCm llama.cpp на Strix Halo (@taylorfinley); Argon позволяет делегировать домен-специфичные задачи — проверка результата дешевле ручного выполнения (@summerlight). Ключевое преимущество — переносимость рабочих процессов, не привязанность к одному провайдеру (@juanre). Важна прозрачность рассуждений и осторожность в обратной связи при обучении, чтобы не искажать способность находить несоответствия (@gopalv). В Gemini Pro-плане нет опции отключения обучения на данных пользователей — критический недостаток (@pritambarhate). Анонс Argon, возможно, связан с OKR-целями Q3, а не реальной готовностью продукта (@xnx). Реальная ценность зависит не только от способностей модели, но и от системы разрешений, управления контекстом и UX — здесь Google отстаёт (@dhanushnehru). Факт миграции C++ в Rust на уровне ядра Fuchsia — значимый индикатор независимо от качества модели; если попадёт в продакшн — революция (@filearts). Ирония: упоминание оптимизации квантовых алгоритмов как главного достижения — попытка выглядеть впечатляюще без реального влияния на повседневность (@elAhmo). Даже с продвинутыми моделями базовая функциональность (например, расписание уборки улиц) остаётся ненадёжной — прогресс в модели не всегда улучшает юзабилити (@vlenoach).

EDG, тридцатилетний фронтенд C++ компилятора, стал открытым исходным кодом 30 сентября 2026 года, перейдя под опеку некоммерческой организации The C++ Alliance. Двигатель и стандарты остались прежними — изменилась только модель stewardship: теперь код доступен на GitHub, финансируется через налогово-вычитаемые пожертвования, а разработка ведётся командой Альянса и сообщества. Continuity — ключевой принцип: это не поворот, а передача заботы тем, кто уже обеспечивал качество EDG десятилетиями.

Работа структурирована по трём трекам в одном репозитории: вклад сообщества (pull request'ы), текущая поддержка от разработчиков Альянса и коллективно финансируемые крупные фичи. Все изменения попадают в основную ветку одновременно — никакого раннего доступа. Процессом руководит Fiscal Sponsorship Committee под председательством Джона Спицера, включающий волонтёров из пользователей EDG. Присоединиться можно через код, обсуждения в Slack или влияние на состав комитета и приоритеты развития. EDG теперь открыт для всех, но остаётся тем же надёжным инструментом, которым пользовалась индустрия тридцать лет.

EDG‐frontend сохраняет ключевые преимущества: совместимость с GCC, Clang и MSVC, эмуляцию их багов и историческую роль в C++. Он был единственной реализацией, поддерживавшей export‐templates (C++98), и участвовал в прототипировании статической рефлексии для C++26. Бывшие пользователи отмечали высокую надёжность — почти не встречали собственных багов компилятора. Компания EDG закрывается, поэтому открытие кода — временное решение для перехода клиентов на Clang (как отметили @jcranmer и @jabl). Лицензия: Apache‐2.0 с исключением LLVM, позволяющая свободное использование даже с GPL‐v2 (@throwaway2037). Код написан на C без стандартной библиотеки C++ и компилируется очень быстро (@dgrunwald, @rurban). Благодаря эмуляции других компиляторов, он может служить базой для трансляции C++ в другие языки (например, Free Pascal), хотя требует доработки. EDG использовался в крупных продуктах: Intellisense Visual C++, компиляторы SGI IRIX, Borland, SN Systems для PlayStation. Открытый репозиторий содержит необычную реализацию Unicode‐FSM — потенциально полезный материал для исследований оптимизации обработки Unicode.

Модульные промышленные панели управления, наблюдаемые в музеях Германии и Польши, представляют собой удивительные примеры аналоговых систем мониторинга и взаимодействия, предшествовавших цифровым интерфейсам. Эти панели, используемые в диспетчерских пунктах управления воздушным движением, метро, железными дорогами и электростанциями, состояли из взаимозаменяемых модулей с лампами, переключателями, счётчиками и индикаторами статуса. Они позволяли операторам визуально отслеживать состояние систем в реальном времени: лампы загорались при срабатывании сигналов, счётчики фиксировали события, а специальные пластины, возможно, использовались для пометки неисправностей или выполненных работ. В некоторых случаях панели включали крупные переключатели дневного/ночного режима, которые, вероятно, меняли яркость индикации или адаптировали интерфейс под условия освещения, а не саму логику работы системы.

Особый интерес вызывает тактильная и визуальная организация этих панелей: использование стандартизированных шрифтов вроде DIN и самоклеящихся этикеток (аналог Dymo) создавало чёткую иерархию информации, а наличие съёмных пластин на модулях указывает на гибкость конфигурации под конкретные задачи. Такие системы не только демонстрируют высокий уровень инженерной мысли в дизайне взаимодействия, но и вдохновляют современных разработчиков на создание более осознанных, осязаемых и надёжных интерфейсов — особенно в критических инфраструктурах, где отказ цифровых систем может иметь серьёзные последствия. Эти «невоспетые» артефакты доцифровой эпохи напоминают, что эффективное взаимодействие начинается не с пикселей, а с чёткой обратной связи, модульности и доверия к материальности управления.

Модульные промышленные панели были полностью механическими: модули монтировались и подключались проводкой вручную, логика управления (реле, таймеры, потенциометры) находилась в отдельном электрощите, а панель содержала только лампы, индикаторы и кнопки. В немецкой железнодорожной сигнализации использовалась концепция Fahrstrassen — набор «дорог», задаваемый комбинацией рычагов и кнопок. Оператор удерживал кнопку начала и нажимал кнопку конечного пункта; система блокировала конфликтные пути и открывала сигнал. Физическая модульность позволяла заменять и штабелировать переключатели, энкодеры и контакты, но каждый элемент требовал индивидуального подключения. Панели ориентированы на ясную коммуникацию и безопасность, в отличие от часто избыточных современных графических интерфейсов. Тактильный отклик «thunk» крупных механических кнопок повышает уверенность пользователя и воспринимается как более надёжный, чем сенсорные экраны. Современные проекты, такие как Astrouxds, пытаются перенести эстетический и функциональный стиль аналоговых панелей в цифровой формат. Спор: некоторые считают аналоговые панели «честными», а современные UI «враждебными»; другие отмечают, что современные интерфейсы могут быть более гибкими и адаптивными. Совет: для создания собственных панелей стоит искать стандартизированные модули у производителей промышленного оборудования (конкретных поставщиков в обсуждении не назвали). Термин «Rotte» в сигнализации обозначает рабочую бригаду, метку, предупреждающую о присутствии персонала на путях. Похожие системы использовались в диспетчерских центрах авиаперевозок и метро, где панели представляли собой набор переключаемых плиток (Dominos) от компании Integra. Аналоговые панели могут быть восстановлены и использованы в симуляторах, как показано в Didcot Railway Centre. Модульные переключатели могут иметь разные типы контактов (одно- и двухполюсные, NC, NO) и могут быть штабелированы, упрощая конфигурацию. Некоторые панели включали отдельный переключатель «Day/Night», меняющий режим работы системы, а не только внешний вид.

Netlify перестроила инфраструктуру Edge Functions, заменив V8 изоляты на Firecracker MicroVMы в сотрудничестве с Unikraft, что ускорило среднее время выполнения с 25–40 мс до 5–6 мс — почти в 5 раз. Теплые вызовы теперь занимают ~5–6 мс (p50), а p99 стал на 47,4% быстрее, при этом доступность достигла 99,998%, а доставка логов ускорилась в 5 раз. Холодные старты происходят в 1,2% случаев и занимают в среднем 9 мс, так как требуют загрузки образа VM перед выполнением.

Запрос проходит через ближайший edge-узел, где проверяется маршрут Edge Function; при совпадении запрос направляется внутрь собственной сети Netlify на выделенный compute-узел, где запускается либо уже существующая, либо новая MicroVM с файловой системой и полным Linux-окружением. Управление флотом узлов осуществляется через контрольную плоскость, которая обеспечивает обновления без простоев: новый флот выводится рядом со старым, проверяется на здоровье и постепенно принимает трафик. Эта архитектура сохраняет полную обратную совместимость — импорты через URL, npm-пакеты, Node.js built-ins, netlify.toml и локальная разработка работают без изменений — но открывает путь к снятию прежних ограничений: поддержка npm-пакетов выходит из бета, пересматриваются лимиты на CPU (50 мс), память (512 МБ) и размер кода (20 МБ), а также появляется возможность выполнять сложные вычисления, требующие контроля над сетевым путем, без выхода в публичный интернет.

Ускорение Netlify с 25–40 мс до 5–6 мс связано с переносом вычислений из внешней хостинговой инфраструктуры в собственную сеть, а не с самой технологией выполнения. Firecracker используется для изоляции и безопасности, но не заменяет Docker — запуск полной ОС в VM считается избыточным для многих задач из-за большего rootfs и зависимости от KVM. V8 изоляты не считаются надёжной изоляцией в эпоху ИИ — Chrome сам им не доверяет, поэтому требуются дополнительные слои безопасности. Firecracker — технология AWS, её использование Netlify подтверждает универсальность, но AWS Lambda остаётся медленнее из-за enterprise-слоёв, а не микровиртуализации. Холодные старты в 1,2% случаев и p50 ~5–6 мс у Netlify значительно лучше, чем у AWS Lambda (задержки до 1500 мс), несмотря на общую технологию. Спор: Cloudflare Workers быстрее, потому что их исполнение всегда внутри сети, а у Netlify ранее — нет. Создание снапшотов MicroVM после загрузки JS-сервера может вызывать проблемы с RNG и криптографией, но Firecracker имеет решения. AOT-компиляция может улучшить производительность, но не распространена в serverless-экосистеме. Fetchable API в Netlify Edge Functions не реализована, несмотря на наличие эксперта в компании. Netlify использует unikernels на базе Firecracker (через Unikraft) для минимизации образа и ускорения загрузки. Firecracker + Unikraft могут быть оптимальны для запуска ненадёжного кода на AWS — обсуждается как потенциальное решение. Firecracker для Edge Functions не заменяет контейнеры — это разные инструменты: VM для изоляции, контейнеры для эффективности, их можно комбинировать (например, Kata). Netlify перешёл от внешнего хостинга к собственной инфраструктуре — это дало прирост скорости; Firecracker обеспечил безопасность и контроль.

Китайские лаборатории, вместо того чтобы скрывать свои достижения, активно делятся оптимизациями, которые резко снижают стоимость работы больших языковых моделей. Их прорыв в сжатии KV-кэша — ключевого компонента для обработки длинных контекстов — позволил уменьшить потребление памяти с 389,12 ГБ до всего 890 МБ на миллион токенов, то есть почти в 437 раз. Это достигнуто благодаря комбинации MLA-архитектуры, сжатого разреженного внимания, повторного использования кэша между слоями и FP4-кэширования. Такая эффективность напрямую влияет на стоимость инференса: например, цена чтения кэша у Anthropic Opus 5.5 снизилась на 60%, а у OpenAI GPT-6.1 Sol — на 80% по сравнению с предыдущими версиями. Несмотря на обвинения в «дистилляции» и краже технологий, западные компании теперь тихо внедряют эти китайские оптимизации в свои модели — Claude Opus 5.5 и GPT-6.1 Sol — без шумных анонсов, но с явным улучшением эффективности и пользовательских отзывов. Парадоксально, но именно ограничения на доступ к передовым GPU в Китае стали катализатором таких инноваций, которые теперь выгодны всей индустрии. Китайские лаборатории, по-видимому, сознательно отказываются от монополии на свои методы, возможно, чтобы ускорить общее развитие поля или сформировать новые стандарты, от которых в итоге выигрывают все — даже те, кто их критиковал.

Китайские лаборатории ускоряют развитие LLM за счёт открытого деления оптимизаций, вызывая споры о стратегических мотивах и реальной выгоде западных компаний. Открытый доступ к оптимизациям KV‐кэша сокращает потребление памяти в сотни раз, делая инференс гораздо дешевле и доступнее. Модель Qwen 3.8 27B (уровень Opus 4.6) работает на RTX 5090 со скоростью 170 токенов в секунду, подтверждая эффективность современных моделей на потребительском железе. Данные @rglover и @user43928 опровергают мнение о убытке западных компаний: маржа инференса у OpenAI и Anthropic превышает 95 %. Споры касаются того, дистиллируют ли китайские лаборатории модели Anthropic (@cmiles8) или следуют академической практике и государственной стратегии (@bwest87, @advael). Ограничения на экспорт GPU вынудили китайские компании сосредоточиться на эффективности инференса, что привело к прорывам в оптимизации и снижению стоимости вычислений (@dragochar, @giardini). Улучшения в инференсе позволяют запускать более мощные локальные LLM, что потенциально снизит доходы от подписок у OpenAI и Claude (@eggbrain). Сообщества просят открытых наборов данных для дистилляции, чтобы демократизировать ИИ и снизить зависимость от закрытых решений крупных компаний (@slowin).

Миф о том, что профессии в сфере ремесел — это путь к высокому доходу и защите от ИИ — сильно упрощён. Хотя некоторые электрики и сантехники действительно зарабатывают шестизначные суммы, в среднем выпускники вузов всё ещё зарабатывают значительно больше — разница может достигать сотен тысяч долларов за карьеру. При этом реальная стоимость обучения в колледже для большинства студентов давно упала: в 2024 году средняя чистая плата за год в государственном вузе составляла менее $2500.

Работа в ремеслах — это не просто альтернатива офису, а другой образ жизни: физическая нагрузка, работа на свежем воздухе, ощущение результата от созданных руками вещей, солидарность с коллегами. Но это подходит не всем: переход из IT в кровельные работы или электромонтаж требует адаптации к тяжёлым условиям, а не все навыки переносятся легко. Старшие мастера, которые когда-то уговаривали юных учеников бросить стройку и пойти в университет, часто были правы — они знали, сколько труда и неопределённости скрывается за «чистыми руками». Не слушайте общие истории — поговорите с теми, кто реально работает в этих профессиях.

Доходы в ремеслах варьируются по специализации, региону и условиям труда, не являются универсально высокими и не гарантированы — при массовом притоке рабочей силы конкуренция снизит цены, как в IT. Физические риски (повреждения спины, плеч, шеи, работа под напряжением, контакт с отходами), утомляемость и ограничения по здоровью (дальтонизм — формальный барьер в Германии и Великобритании) остаются реальными препятствиями, особенно после 40 лет. Автоматизация и современные технологии (умные очки, ИИ-ассистенты) повысили безопасность труда по сравнению с 70–80-ми годами, но уменьшили спрос на ручную ловкость и опыт, дескиллинг ремесленный труд, превращая рабочих в операторов и снижая их автономию. Электрики — не однородная группа: специализации (жилой, промышленный, ВЧ, морской и др.) сильно различаются по доходам, условиям и возможностям бизнеса. Работа включает не только монтаж, но и вождение, резку, сверление, ползание в тесных пространствах и административные задачи. Высокий доход возможен только у мастеров с бизнесом или узкой специализацией (сварщики высшего класса, монтаж в высотных зданиях), не у среднестатистических исполнителей. Ремесленные профессии регулируются локальными лицензиями, ограничивая международную мобильность по сравнению с программистами. Даже без прямой замены ИИ, сокращение занятости в других отраслях может вызвать перепроизводство рабочей силы в ремеслах. Некоторые электрики работают с живыми проводами без отключения питания — профессия остаётся опасной несмотря на формальные правила безопасности. Уровень дохода в некоторых регионах сравним с начальным в IT вне американских хабов; профсоюзы обеспечивают минимальную заработную плату. Получение квалификации требует длительного обучения и часто недоступно из-за финансовых барьеров, даже при наличии навыков и интереса. Выбор между ремеслом и университетом должен основываться на личных предпочтениях и склонностях: ремесло подходит тем, кто ценит осязаемый результат, практическое мышление и работу с инструментами, а не абстрактные задачи — иначе человек не будет счастлив и успешен. Ремесленные профессии могут быть более удовлетворяющими, чем офисная работа, при таких ценностях.

Bloomberg Terminal появился в 1981 году, когда Майкл Блумберг, уволенный из Salomon Brothers, основал Innovative Market Systems с бывшими коллегами. Используя свой опыт в финансовой аналитике и инженерии, он создал терминал, который не только выводил котировки в реальном времени, но и позволял выполнять мгновенный количественный анализ на основе исторических данных — что было новинкой на рынке, где информация ещё передавалась по телефону и на бумажных листах. Терминал быстро стал символом власти на Уолл-стрит, отличаясь от обычных офисных компьютеров своей специализацией и закрытой экосистемой.

За почти два десятилетия Bloomberg Terminal доминировал в финансовой индустрии, становясь неотъемлемой частью рабочей культуры трейдеров и аналитиков. Его влияние вышло за рамки функциональности: устройства попали в музейные коллекции, включая клавиатуру «Короля облигаций» Билла Гросса из PIMCO, на которой он оставил скотчем свой логин и пароль — деталь, сделавшая артефакт особенно человечным. Эти терминалы олицетворяют сочетание математических вычислений, сетевой инфраструктуры и корпоративной культуры, которые движут современными финансами.

Bloomberg Terminal имеет экстремально плотный экспертный UI, требующий длительного обучения и поддерживаемый собственными программами. Он построен на приватном форке Chromium с VT100‐эмуляцией, обеспечивая совместимость со старым оборудованием и собственными протоколами. Для ценообразования экзотических деривативов используется собственный DSL на OCaml. С октября 2026 года обязательна физическая клавиатура Bloomberg для входа, что усиливает контроль доступа. Стоимость $32 000 в год ограничивает доступ крупными игроками, усиливая финансовое неравенство. Интерфейс позволяет профессионалам быстро воспринимать данные «взглядом» без лишних элементов, что критично в быстрых торговых операциях. Дизайнеры, привыкшие к сенсорным интерфейсам, не смогут быстро воссоздать подобный UI без клавиатурных сокращений. В сообществе обсуждается подлинность музейных терминалов: некоторые считают, что это CRT‐мониторы с сигналом от современного ПК, а не оригинальные устройства. Упоминание истории Reuters Monitor присутствует лишь как ссылка без детального сравнения.

Мой прапрадед был кузнецом в маленькой французской деревне, подковывал лошадей и чинил телеги. Когда он увидел автомобиль или прочитал о нём в газете, его мир начал меняться. Он переучился на механика, как и все мужчины в нашей семье после него. Переход был тяжелым — он горевал, оставляя лошадей за спиной, но сохранил суть: помогать людям передвигаться. Просто сменил технологию — с лошадей на двигатели.

Сегодня я вижу, как разработчики тревожатся о своём будущем из-за ИИ, но эта тревога не нова. Столетия назад фермеры смотрели на тракторы, кузнецы — на машины, и тоже задавались вопросом: «Что мне теперь делать?» Они не прокручивали ленты новостей с утра, но их страх был таким же реальным. Теперь гараж в нашей семье кажется вечным — отец любил свою работу, как будто она всегда была нашей судьбой. Мы не меняли цель — только средства.

Не все кузнецы стали механиками, и их истории забыты. Но я думаю: возможно, нам нравится разработка не из-за кода, а из-за радости создавать, решать проблемы и видеть, как люди используют то, что мы сделали. Многие выбрали эту дорогу, ещё не умея кодить — просто хотели делать игры или сайты. Надо быть готовым отпустить «как», чтобы удержать «зачем».

Обсуждение подчеркивает, что текущая автоматизация ИИ отличается масштабом, скоростью и способностью к самоусовершенствованию, ставя под угрозу не только рабочие места, но и смысл труда, основанный на решении проблем и мастерстве. Радость от кодирования заключалась не в самом коде, а в создании полезного и решении задач — это теперь под угрозой. Сравнение с переходом от лошадей к автомобилям неуместно: ИИ автоматизирует высшее мышление, что впервые в истории. Скорость изменений значительно выше промышленной революции — месяцы вместо десятилетий, не оставляя времени на переобучение. Споры: одни считают, что человек всё ещё необходим для контроля и корректировки в сложных системах; другие — что это временный этап. Одни верят в появление новых профессий, как раньше; другие утверждают, что их не будет достаточно, поскольку ИИ может выполнять всё, включая генерацию новых задач. Работа в корпоративной среде часто была бессмысленной, но кодирование давало ощущение решения задач — теперь эта ценность исчезает. Многие программисты не имеют ресурсов на переобучение в физические профессии — это вопрос доступа к времени, деньгам и возможностям, а не мотивации. ИИ не просто заменяет код — он заменяет роль человека как посредника между проблемой и решением, делая традиционные пути адаптации неэффективными. Предыдущие революции заменяли физический труд; ИИ — когнитивный, меняя фундаментальную структуру экономики, где ценность человека определялась умением работать. Уже сейчас ИИ-инструменты снижают спрос на программистов: один человек с ИИ делает работу пяти, и компании это учитывают. Сравнение с печатным делом показывает, что выживание возможно только в нишах, а не в массовом секторе. Большинство согласны: ИИ — не просто инструмент, а потенциально самостоятельный агент, способный к самоусовершенствованию, что уникально для технологий. Если ИИ будет решать все задачи, человеческий труд может стать психологически бессмысленным — без вызовов, мастерства и смысла. Переход от лошадей к автомобилям происходил в условиях войны и потрясений; сегодня изменения happen в относительной стабильности, что делает их более тревожными. ИИ-системы централизованы и контролируются немногими корпорациями, в отличие от доступного для локального производства автомобиля — это исключает локальную адаптацию.

Большинство дата-центров в Нидерландах отказываются раскрывать данные о потреблении воды и электроэнергии, несмотря на растущие опасения по поводу их влияния на местные ресурсы и климат. Согласно исследованию Statistics Netherlands (CBS), только 15% из 120 крупнейших дата-центров страны предоставили полную информацию о водопотреблении, а 22% — о потреблении электроэнергии. Остальные либо не ответили на запросы, либо предоставили лишь общие, неточные цифры, ссылаясь на коммерческую тайну или отсутствие обязательных требований к раскрытию таких данных.

Эта не прозрачность становится всё более проблематичной на фоне засух и перегрузки электросетей: дата-центры потребляют до 10% национального электроэнергетического баланса и используют миллионы кубометров воды ежегодно для охлаждения. Хотя Европейская директива по энергоэффективности требует от крупных потребителей энергии отчётности, её применение к дата-центрам остаётся слабым, и нидерландские власти пока не ввели обязательных стандартов раскрытия. Эксперты предупреждают, что без чётких данных невозможно эффективно планировать устойчивое развитие инфраструктуры и оценивать реальный экологический след цифровой экономики.

Тред дополняет статью цифрами потребления электроэнергии, прогнозами роста и анализом причин неисполнения директив ЕС. Основные проблемы: необходимость транспозиции директив в национальное право, отсутствие политической воли и механизмов принуждения (штрафов), из-за чего компании игнорируют отчетность. Спорные моменты: — Целесообразность порога в 500 кВт для дата-центров из-за его низкой планки. — Масштаб водопотребления: локальная критичность в городах против незначительности в глобальном масштабе по сравнению с сельским хозяйством. — Причины отказа раскрывать данные: защита коммерческой тайны или стратегия сохранения конкурентного преимущества. — Экологические опасения как маскировка политической непопулярности ИИ и страха перед безработицей. Особенности потребления ресурсов: — Водоохлаждение использует циркуляцию, но требует чистоты системы и нагружает инфраструктуру. — Косвенное водопотребление при генерации электроэнергии может увеличить общий след в десять раз. В США эти данные часто включают в показатели дата-центров, что искажает восприятие. — Для оценки общего объема без раскрытия данных отдельных центров используется средний показатель WUE (1,8 л/кВт·ч). — В Нидерландах дата-центры конкурируют с бизнесом за доступ к перегруженным электросетям в регионах с дефицитом энергии. — Высокие цены на электричество в Европе сдерживают строительство дата-центров, делая проблему их энергопотребления менее актуальной, чем в странах с дешевой энергией. Рекомендации: — Ввести рыночную цену на воду и запретить использование питьевой воды для охлаждения. — Обеспечить реальный контроль, прозрачность и штрафы, чтобы законы перестали быть декларативными.

Pi изначально отвергал поддержку Model Context Protocol (MCP), заявляя, что он не нужен, и даже публично критиковал его. Однако после года наблюдения за развитием MCP команда Pi пересмотрела свою позицию: протокол стал более зрелым, а необходимые изменения для его интеграции оказались полезными и для других функций, таких как Jev и Codemode. MCP был ранее доступен как расширение, но теперь включён в ядро, чтобы обеспечить лучшую интеграцию с инструментами и улучшить опыт работы с моделями, поддерживающими отложенную загрузку инструментов и динамические системные сообщения.

Ключевая мотивация — сделать инструменты более обнаруживаемыми и возвращающими структурированные данные, подобно OpenAPI, а не просто текстовые дампы. Хотя проблемы с композицией инструментов в MCP остаются, особенно из-за серверов, оптимизированных под токенную эффективность, команда Pi видит в MCP потенциал для создания удобных, скриптоподобных рабочих процессов, аналогичных CLI. Интеграция MCP в ядро позволяет лучше управлять метаданными инструментов, например, настраивать их как отложенные или специфичные для Codemode, что ранее было невозможно при использовании отдельного расширения. Таким образом, Pi решил не избегать MCP, а активно участвовать в его эволюции, чтобы сделать его более полезным в контексте современных LLM-агентов.

MCP стал жизнеспособным инструментом благодаря практическому применению в автоматизации macOS, управлении сложными системами и гибкости при изменении API, что перевесило первоначальные возражения. Пользователи применяют MCP в macOS-приложениях (rcmd, Clop, Lunar, BetterTouchTool) для управления автоматизацией через естественный язык, используя локальные модели типа Qwen и Pi. MCP позволяет избегать жесткой привязки к API, так как агенты работают с актуальным описанием инструментов, в отличие от CLI, где изменения ломают скрипты. MCP-серверы часто реализуются без шифрования (JSON-RPC по netcat) — распространённая практика в локальных сетях и доверенных средах. mcporter превращает MCP в shell-команды, интегрируя агентов в bash-пайпы и упрощая обработку ответов через jq. MCP-интеграция в Chrome DevTools эффективна благодаря структурированному доступу к внутренним состояниям браузера, недоступным через CLI. Создание MCP-сервера для личного финансового приложения с OAuth и токенами заняло мало времени — проще, чем ожидалось. Codemode не заменяет bash, а дополняет его: модель комбинирует несколько MCP-вызовов в один инструмент, повышая надёжность и снижая шум в контексте. Спор: Некоторые считают MCP избыточным по сравнению с CLI или REST API, видя в нём повторение ошибок прошлых стандартов вроде SOAP. Спор: Критики утверждают, что встраивание MCP в Pi противоречит его философии лёгкого расширяемого каркаса и приводит к «захламлению» системы. Спор: Некоторые не видят выгоды от MCP в простых сценариях, предлагая использовать субагентов вместо добавления сложности. Совет: Для enterprise-внедрения рекомендуются OpenCode, Codex, ClaudeCode и Antigravity как устойчивые харнесс-решения без зависимости от коммерческих моделей с неясной бизнес-моделью. Совет: MCP следует использовать как OpenAPI-подобный стандарт с самоописуемыми инструментами, где структурированные данные и документация позволяют автоматически обнаруживать возможности. Совет: Для работы с файлами в MCP нужна нативная поддержка загрузки/выгрузки — передача через контекст неэффективна и ограничена в большинстве харнессов. Совет: Push-уведомления от приложения к модели снизили бы нагрузку на опрос и улучшили интерактивность в долгоживущих сессиях. Совет: При использовании Pi как базового каркаса лучше оставлять MCP как расширение, а не встраивать его в ядро, чтобы сохранить гибкость и избежать избыточной сложности.