Hacker News Digest

AnkiDroid, популярное приложение для флеш-карт с более чем 10 миллионами установок, сталкивается с удалением из Google Play 11 сентября 2026 года из-за спора о налоговом статусе его пожертвований. Приложение собирает пожертвования через Open Collective, который выступает в качестве фискального хоста для Open Source Collective — организации, имеющей статус налогового освобождения по разделу 501(c)(6) IRS. Хотя это подтверждено официальным письмом IRS и предоставлено Google, компания настаивает, что допускает только пожертвования в пользу организаций со статусом 501(c)(3) или их местным эквивалентом, ссылаясь на обновлённые правила платежей от августа 2026 года. Google утверждает, что ссылка на пожертвования в приложении нарушает политику, запрещающую направлять пользователей на внешние платёжные системы, за исключением случаев с налогово-освобождёнными пожертвованиями, но считает, что статус 501(c)(6) не соответствует требуемому критерию. Разработчики просят разъяснения от Google относительно того, удовлетворяет ли статус 501(c)(6) условию «налогово-освобождённых пожертвований», и призывают сообщество распространять пост, чтобы привлечь внимание нужных людей внутри компании, избегая прямой связи со службой поддержки. Если проблема не будет решена, приложение будет недоступно для пользователей за пределами Индии и России.

Обсуждение подтверждает, что Google удаляет ссылки на донаты не из-за нарушения правил, а из-за ошибки AI, который путает налоговые статусы 501(c)(6) и 501(c)(3), хотя пожертвования не являются налогово-вычитаемыми (@dataflow, @SigmundurM, @free652). Это ставит под угрозу финансирование FOSS-проектов и демонстрирует растущую зависимость разработчиков от альтернативных каналов распространения. Советы: - Удалить ссылку на Open Collective и направлять донатов на главную страницу приложения (@orsenthil). - Использовать GitHub Sponsors как альтернативу (@westurner). - Развернуть приложение как PWA, если не нужны нативные API (@maelito). - Распространять через F-Droid или Obtainium, свободные от политики монополистов (@riedel, @akshayrajeshwar). - Создавать динамические ссылки на донаты, скрытые в коде (@kazinator). Споры: - Удаление ссылки — компромисс ради спокойствия, тогда как публичный протест через её сохранение может изменить политику Google (@logandark, @orsenthil). - Допустимы ли донаты через 501(c)(6) или нужен именно 501(c)(3) (@dataflow, @SigmundurM). Дополнительно: - Google не предоставляет доступа к человеческой поддержке: все обращения обрабатывает AI, неспособный исправлять ошибки (@alerighi). - Проблема AnkiDroid не уникальна: аналогичные удаления происходили и раньше (WireGuard в 2019), что указывает на системную политику (@amiga386).

Автор обучил небольшую трансформерную модель с нуля на видеокарте RTX 5090 за 1,5 часа, достигнув 44% точности на публичном наборе ARC-AGI-1 при стоимости всего 67 центов. Это превосходит многие крупные языковые модели и сравнимо с результатами TRM/HRM, при этом модель остаётся открытой и значительно улучшена по сравнению с предыдущей версией: архитектура обновлена (SwiGlu, RMSnorm), количество слоёв увеличено с 4 до 8, улучшена обработка данных и аугментаций, а также заменён оптимизатор AdamW на Normuon с использованием flash attention и переменной длины последовательностей. Ключевое изменение — обучение только на выходных токенах, что сделало подход обучением с учителем и повысило точность с 40% до 44%, несмотря на непонятный автором механизм этого улучшения. На более сложном наборе ARC-2 модель набрала 7%. Автор подчёркивает, что работа направлена на поиск пределов выборочной эффективности в рамках современных методов глубокого обучения, снижение стоимости и ускорение итераций, чтобы сделать исследования доступными широкому кругу людей. ARC считается идеальным бенчмарком из-за малого количества примеров, высокой размерности, отсутствия необходимости в сильных priors и лёгкости для человека. Планы включают дальнейшие исследования для преодоления текущих ограничений при сохранении низкой стоимости экспериментов. Код доступен на GitHub, обсуждение — в X (Twitter).

Успех модели обусловлен не «обучением на тесте», а метаобучением и эффективной предобработкой данных, что ставит под сомнение доминирование LLM в абстрактном рассуждении. Часть аудитории считает использование обучающих примеров из ARC-AGI во время теста «benchmaxxing»: модель адаптируется к структуре задач, а не демонстрирует обобщение. Автор возражает: ARC-AGI — метаобучающий бенчмарк, где метки ответов скрыты и модель выводит ответ по паттернам, что соответствует стандартам метаобучения. Критики сравнивают подход со «сдачей по старым билетам», но это не то же самое, что прямое обучение на тестах, поскольку метки недоступны. Автор подтверждает: используется только структура вопросов из eval-набора, без меток. Синтетические данные также не применялись — только реальные примеры ARC. Sample efficiency — ключевая нерешённая проблема ИИ. Простые архитектуры при тщательной кураторке данных могут превосходить гигантские LLM при минимальных затратах. Качество данных важнее объёма: целенаправленный отбор примеров, а не готовые датасеты, даёт значительный прирост, хотя требует большого труда. Модель — простой autoregressive transformer, обученный на ~100 примерах ARC, тогда как LLM используют миллиарды интернет-примеров, что делает сравнение некорректным в пользу последних. Это напоминает докомпьютерную эпоху с малыми моделями на ограниченных данных. Человеческое обучение устроено аналогично — анализ нескольких примеров перед решением новой задачи, — что делает подход биологически обоснованным, а не «обманом». Предложения: - Ввести запрет на офлайн-предобучение для честного сравнения и исключения «benchmaxxing» через огромные массивы данных. - Проверять обобщение на задачах вне ARC, а не только бить один бенчмарк. - Протестировать модель на ARC-AGI-3, где LLM достигают 99%, чтобы оценить переносимость результата. - Стремиться к системам непрерывного обучения без жёсткого разделения на «обучение» и «тест».

К 2040 году каждый человек получит доступ к эквиваленту современного B300 GPU, что позволит запускать передовые LLM вроде Fable или Sol круглосуточно. Это не приведёт к сингулярности — ИИ останется быстрее и дешевле, но не превзойдёт человеческий уровень — однако масштаб доступа изменит всё. Образование станет персонализированным: каждый ребёнок получит бесконечно терпеливого репетитора, способного адаптироваться к его стилю обучения, что особенно преобразит развивающиеся страны, где сегодня не хватает учителей. Здравоохранение получит ИИ-диагностов, способных анализировать симптомы и предлагать лечение на уровне лучших специалистов, снижая смертность в отдалённых регионах. Социальные сети, вероятно, трансформируются: вместо лент новостей и алгоритмов вовлечения появятся ИИ-ассистенты, помогающие фильтровать информацию, вести диалоги и проверять факты — что может уменьшитьpolarisation, но усилить зависимость от посредников в общении. Риск тотального наблюдения реален: если такие системы будут централизованы и контролироваться государствами или корпорациями, каждый получит не только помощника, но и постоянного наблюдателя. Однако децентрализованные модели и локальная обработка на устройствах могут сбалансировать власть. В итоге мир не станет утопией или дистопией — он станет более справедливым в доступе к знаниям и услугам, но потребует новых институтов, этики и регулирования, чтобы мощь ИИ служила людям, а не наоборот.

Доступ к мощным GPU не приведёт к социальному прорыву без решения базовых проблем: неравенства в грамотности, энергопотреблении и контроле над технологиями. LLM — не фундаментальная технология вроде интернета или парового двигателя: их применение ограничено из-за неразрешимых проблем с надёжностью, а пользу получают в основном опытные пользователи. Большинство людей не смогут эффективно использовать GPU из-за низкой грамотности и отсутствия технического бэкграунда. Технологии распределяются неравномерно — GPU, как и интернет, будут усиливать существующее неравенство, особенно под контролем крупных корпораций. Глобальная раздача 500-ваттных GPU увеличит энергопотребление более чем вдвое, что физически невозможно без революции в энергетике. Нужна производительность уровня B300 при 1/100 нынешних энергозатрат, иначе мир перегреется. Смартфоны уже содержат GPU, но используются для игр и соцсетей, а не для локальных LLM — инфраструктура пока не развита. Дешевизна и скорость моделей не равны интеллекту: его рост зависит и от архитектурных прорывов, не только от вычислительной мощности. Конкурсы с призами за AI-генерируемые истории — не демократизация, а способ собрать дешёвый обучающий материал для AI-компаний. Требования раскрывать использование LLM бессмысленны: участники не будут раскрывать, а проверка без инструментов невозможна. Будущее — за локальными малыми моделями (Qwen 3.8, Llama 3.1) на специализированных чипах: если они станут быстрее и дешевле, GPU и дата-центры подешевеют, а доступ к ИИ станет массовым без колоссального энергопотребления. Большинство людей не будут использовать ИИ для образования или творчества — они будут смотреть TikTok, играть в Candy Crush и скроллить ленты, как и с телевизором. История показывает: даже при равном доступе к технологиям социальные структуры не меняются. Фантастика (Азимов, Тчайковский) предсказала эти проблемы, но её игнорируют — технологии развиваются без учёта этических и социальных последствий. Производство и распределение чипов уровня B300 к 2040 году требует ресурсов, которые, как еда, вода и образование, распределяются неравномерно.

Fastpotify — это лёгкий нативный клиент Spotify для Linux, macOS и Windows, работающий без встроенного браузерного движка. Он запускается за менее чем секунду, потребляет минимум памяти и поддерживает локальное воспроизведение треков в высоком качестве — до 320 кбит/с без промежутков (gapless playback). Через Spotify Connect пользователь может управлять воспроизведением на внешних устройствах: колонках, телефонах или телевизорах, не покидая основного окна приложения.

Клиент предоставляет полный доступ к библиотеке: плейлистам, Liked Songs, альбомам, артистам и подкастам, а также позволяет искать в каталоге Spotify и редактировать собственные плейлисты. Поддерживаются горячие клавиши, MPRIS-интеграция на Linux и трей-режим, при котором музыка продолжает играть после закрытия окна. Особенностью Fastpotify является возможность загрузки классических скинов .wsz из Winamp Skin Museum — приложение превращается в точную копию мини-плеера Winamp с визуализатором, эквалайзером, плейлистом, режимами шейдинга и целочисленным масштабированием пикселей.

Пользователи сообщают, что официальный клиент Spotify потребляет до 1,1 ГБ RAM, тогда как альтернатива Fastpotify — менее 300 МБ, что делает её существенно легче на Linux, macOS и Windows. После перехода на Electron официальный клиент стал заметно медленнее и ресурсоёмче, что раздражает пользователей. На Ubuntu и других системах в нём периодически пропадает звук без видимой причины. При отсутствии интернета Spotify не позволяет работать с локальной библиотекой: поиск блокируется таймаутом вебсокета. Использование librespot как основы сторонних клиентов находится под угрозой из-за действий Spotify, что ставит под сомнение долгосрочную жизнеспособность подобных проектов. Пользователи предпочитают Strawberry, Navidrome и собственные решения на Rust, обеспечивающие лучшую производительность и контроль над библиотекой. Самописные клиенты на Rust с egui или GPUUI подтверждают возможность создания эффективных альтернатив без Electron. По поводу LLM-генерации кода мнения разделились: часть пользователей сомневается в надёжности такого подхода, особенно при сбоях воспроизведения даже с увеличенным буфером; другие считают LLM инструментом ускорения разработки, но не заменой проектирования. В качестве альтернатив рекомендуются self-hosted решения: Explo + Slsk + Lidarr + Navidrome с DSub2000 или Symfonium для мобильных устройств. Для покупки музыки вместо стриминга — Bandcamp, а при отсутствии артистов — рипнг с YouTube, хотя это не лучший вариант с точки зрения вознаграждения исполнителей. На Linux для работы с локальными файлами предлагается Strawberry — нативное Qt-приложение с поддержкой Spotify. Пользователям Android с медленным запуском Spotify рекомендуется искать альтернативы, так как приложение перестраивает SD-карту при каждом запуске. Среди особенностей Fastpotify отмечен Winamp-режим как неожиданная и приятная деталь, хотя его реализация выглядит «vibe-coded» и нетипична для проигрывателей. Высказывается обеспокоенность по поводу ПО, созданного за несколько дней и имеющего мало релизов, что нарушает традиционную модель доверия в open-source. Также подчёркивается, что официальный клиент не позволяет отключить подкасты — это основная жалоба, которую Fastpotify исправляет.

Исследователи из Data Colada обнаружили серьёзные аномалии в оригинальных данных исследования Ариели и Вертенброха 2002 года о влиянии дедлайнов на прокрастинацию, которое получило более 2100 цитирований и стало классикой в поведенческой экономике. При попытке воспроизведения Study 2 не удалось получить аналогичные результаты, что побудило команду тщательно изучить предоставленные в 2006 году Kyle Hyndmanом данные файлы, присланные ему от Dan Ariely по электронной почте. Анализ показал, что в наборе данных Study 2 присутствуют дублированные строки: идентичные ответы участников встречаются неоправданно часто, что статистически невозможно при случайном наборе из живых испытуемых. Например, одна и та же комбинация ответов повторяется в данных десятки раз, что указывает на копирование или искусственное заполнение таблицы. Более того, распределение ответов по ключевым переменным демонстрирует паттерны, характерные для сфабрицированных данных: слишком равномерное, отсутствие естественной вариативности. Эти признаки позволяют сделать вывод о намеренной фальсификации. Хотя сам Ariely позже признал наличие «серьёзных аномалий» в данных и выразил готовность сотрудничать с журналом, он не предоставил исходных материалов для проверки. Исследователи подчеркивают, что их вывод основан исключительно на статистическом анализе доступных файлов, и призывают сообщество оценить доказательства самостоятельно. Следующий пост будет посвящён Study 1, где, как предполагается, обнаружены аналогичные проблемы.

Обсуждение подтверждает, что подозрения в фальсификации данных у Ариели — часть более широкой проблемы недостоверных исследований в психологии. Комментаторы указывают на его историю спорных работ, упоминают Франческу Джино и связи с Эпштейном. Один из них (@mulanroo) отмечает, что необычно большой размер эффекта сам по себе может быть тревожным сигналом. Отсутствие системных стимулов к репликации в социальных науках приводит к тому, что эксперименты остаются неповторёнными годами, поскольку репликация не влияет на карьерные оценки. Предлагается оплачивать студентам и младшим исследователям воспроизведение опубликованных работ и требовать обязательную открытую публикацию исходных данных. Спор вызывает вопрос, следует ли запрещать цитирование работ до их независимой репликации: @freediddy настаивает на этом, а @Polizeiposaune возражает, что это затруднит публикацию о неудачных репликациях. Часть комментаторов считает, что университеты (например, Дьюк) недостаточно эффективно регулируют исследовательскую практику и предлагают рассматривать академический фрод как уголовное преступление — по аналогии с мошенничеством с проводкой.

Google удалил все оставшиеся расширения Manifest V2 из Chrome Web Store, включая популярный блокировщик рекламы uBlock Origin. Это завершило многолетний переход на Manifest V3, который Google позиционирует как более безопасный и производительный стандарт. Расширения, установленные до Chrome 138, останутся в браузере, но больше не смогут получать обновления или быть переустановлены из магазина после удаления.

Изменение затрагивает не только Chrome, но и другие Chromium-браузеры, такие как Brave, которые полагаются на Chrome Web Store как на основной источник расширений. Однако Brave решил сохранить доступ к четырём популярным Manifest V2-расширениям — uBlock Origin, uMatrix, NoScript и AdGuard — разместив их на собственном сервере и позволив пользователям включать их напрямую в браузере. Google утверждает, что Manifest V3 обеспечивает лучший контроль над доступом расширений к данным пользователей, решая легитимные проблемы безопасности и конфиденциальности.

Пользователи воспринимают удаление MV2 как стимул перейти на Firefox или другие браузеры. Большинство советуют Firefox как основной способ сохранить блокировку рекламы; среди альтернатив также упоминаются Brave, Zen и LibreWolf. В Chrome можно использовать uBlock Origin Lite — облегчённую версию на MV3 от того же автора, обеспечивающую базовую блокировку. Один пользователь считает, что встроенный блокировщик Chrome пока достаточен и миграция не обязательна. Полную версию uBlock Origin можно установить в Edge — это подходит менее технически подкованным пользователям и позволяет избежать навязчивых Chrome‐сообщений. В MV3 убрана возможность динамического перехвата запросов, из‐за чего uBlock Origin теряет часть функций. Ожидается появление независимых маркетплейсов расширений для форков Chromium, что может компенсировать ограничения. Многие расценивают переход на MV3 как способ Google усилить контроль над расширениями, особенно блокировщиками рекламы, из‐за конфликта интересов между рекламным бизнесом и контролем над браузером. Некоторые отмечают, что Firefox потребляет больше оперативной памяти, чем Chromium‐браузеры.

Один HTML-файл содержит полностью интерактивный ASCII-город в киберпанк-стиле, который можно исследовать с клавиатуры. Проект создан энтузиастом под ником Grow Now! Games и использует только чистый HTML, CSS и JavaScript без внешних зависимостей или фреймворков. Город генерируется процедурно: здания, улицы, неоновые вывески и даже движущиеся поезда представлены символами ASCII, а их расположение и поведение определяются алгоритмами в скрипте. Пользователь перемещается стрелками или WASD, вид сбоку имитирует прогулку по улицам, а фоновая музыка и звуки усиливают атмосферу.

Код умещается в одном файле размером менее 100 КБ, что делает его удобным для загрузки и запуска в любом браузере. Автор подчеркивает, что цель — показать, насколько много можно достичь с минимальными средствами, вдохновлённый ретро-эстетикой и демосценой. В комментариях зрители отмечают детализацию: меняющееся время суток, динамические эффекты дождя и неона, а также скрытые пасхалки, например, терминалы с фейковым кодом. Проект стал популярным благодаря своей простоте и глубине, демонстрируя, как творческие ограничения могут порождать уникальные интерактивные опыты.

Обсуждение подтверждает работоспособность браузерного подхода к ASCII‐арту, но выявляет ряд ограничений: падение производительности при частой смене цветов, различие визуального качества между видео и реальным отображением, ограниченный доступ к полной версии проекта и сложность анализа кода из‐за WASM‐обфускации. Браузер предпочтительнее терминала для фикс‐ширинного ASCII‐арта благодаря точному контролю над шрифтами, пропорциями, вводом мыши и профилированием производительности. Среди методов отрисовки DOM‐текст даёт самую чистую картинку, но при частой смене цвета в каждой строке замедляется из‐за обёртывания символов в `<span>`. WebGL достигает более 1000 FPS и лучше подходит для динамических цветов. Для выбора метода рекомендуется бенчмаркинг DOM, Canvas и WebGL. Часть разработчиков считает браузер слишком тяжёлым для TUI и предпочитает терминал из‐за низкого потребления ресурсов и возможности SSH‐доступа к мощным серверам; другие рассматривают браузер как более гибкую и современную платформу. Реальное отображение в браузере нередко выглядит менее чётко, чем демонстрационное видео, что указывает на различия в рендеринге между браузерами. Для улучшения качества рекомендуется использовать блоковые символы (ASCII 219) в сочетании с половинными блоками и символами затенения (220, 223, 176–178) для дезеринга. Расширенный ASCII (символы выше 127) добавляет графических возможностей, но его поддержка зависит от шрифтов и окружения. Более продвинутая версия проекта находится за платным прототипом, а доступные ссылки ведут к старой версии, отличающейся от видео. Код проекта компилирован в WebAssembly и обфусцирован, что ограничивает прямой анализ, хотя некоторые пользователи пытаются его декомпилировать. Первая ссылка в посте ведёт к демо, вторая — к исходному коду, который может не соответствовать последним улучшениям. Движок города построен на сетке, использует лучевое трассирование каждый кадр для расчёта перспективы, глубины и коллизий и полностью реализован в одном HTML‐файле без внешних ресурсов. Проект вызывает ностальгию у любителей классических MUD и текстовых приключений, показывая, что чистый HTML способен обеспечить погружающий опыт без тяжёлых движков.

Я превратил свои наружные камеры видеонаблюдения в систему автоматической идентификации птиц с помощью BirdNet-Go — открытого проекта, который запускает модели распознавания птичьего пения локально на оборудовании. Система работает 24/7, анализируя аудиопоток с камер через RTSP и мгновенно определяя виды птиц, летучих мышей и даже лягушек по их звукам. Всё происходит без облака, без API и ежемесячных платежей — модели, включая Google Perch v2 (14 795 видов против 6000 в BirdNET 2.4), хранятся локально на сервере или Raspberry Pi.

Я настроил три существующие IP-камеры, подключив их к BirdNet-Go, и добавил правила оповещений: например, мгновенное уведомление в Discord-канал #birdnet при появлении кардинала или редкого вида. Система ведёт журнал всех обнаружений, отмечая новые виды для отслеживания биоразнообразия двора — за год зафиксировано 418 726 обнаружений 271 уникального вида, средняя уверенность 60,9%, самым частым оказался домовый вьюрок (118 667 записей). Интеграция с BirdWeather позволяет делиться данными с сообществом, а связка с Home Assistant выводит результаты на панель управления. Микрофоны камер автоматически глушатся при обнаружении речи — полезная функция для конфиденциальности. Для двора, где нет камер, рассматриваю отдельный микрофон, чтобы не нарушать приватность, но сохранить функциональность. Пока это не дверbell, но может использовать её RTSP-поток, если он есть. Всё работает как «птичий компаньон», который никогда не спит.

BirdNet-Go эффективно работает с RTSP-аудиопотоками от обычных камер видеонаблюдения, но качество распознавания сильно зависит от аудио-аппаратуры и частоты дискретизации — для надёжной работы требуется доработка оборудования. Для распознавания птиц и летучих мышей необходима частота дискретизации 48 кГц; стандартные камеры Aqara с 16 кГц не подходят — лучше использовать отдельный микрофон на Raspberry Pi. RTSP-поток от Unifi-камер позволяет интегрировать BirdNet-Go без дополнительного оборудования, что подтверждено в продакшене. BirdNet-Go стабильно работает на Home Assistant с GPU-ускорением и RTSP-потоками от Reolink-камер, обрабатывая несколько камер одновременно без облачных сервисов. Для распознавания летучих мышей требуются ультразвуковые частоты, поэтому нужны специализированные микрофоны вроде AudioMoth и высокая частота дискретизации, недоступная в большинстве камер. Популярные дополнения: e-ink-дисплеи для отображения распознанных видов в реальном времени; для снижения ложных срабатываний нужна настройка порогов уверенности модели, так как при плохом звуке и нестандартных условиях распознавание неточно. В ветреных условиях помогают микрофоны с шумоподавляющими экранами, иначе шум мешает распознаванию (пример — Aqara-камеры). Для портативного использования рекомендуется собирать систему на Raspberry Pi с внешним микрофоном и e-ink-дисплеем. Открытые модели BirdNet позволяют запускать систему локально без подписок, облачных API и риска отключения — ключевое преимущество перед коммерческими приложениями. Merlin Bird ID и BirdNet-Go часто дают низкопробные идентификации в Австралии при низкой вероятности, что требует ручной проверки с учётом локальной фауны. Интеграция BirdNet-Go с Frigate и другими системами видеоанализа возможна, но в проекте акцент на аудио, так как визуальное распознавание птиц по камере менее надёжно. Для автоматизации сбора данных рекомендуется синхронизировать результаты BirdNet-Go с eBird, чтобы вносить наблюдения в научную базу без ручного ввода.

ravynOS — это ранняя (pre-alpha) открытая операционная система, построенная на Darwin, FreeBSD и открытом коде Apple, стремящаяся обеспечить совместимость с macOS-приложениями без аппаратных ограничений. Проект создан как альтернатива закрытой экосистеме Apple, сочетая «изящество macOS» со «свободой открытого кода». На текущем этапе это developer preview: система не отполирована, незавершена и не предназначена для конечных пользователей, а ориентирована на тех, кто участвует в её разработке.

Цели ravynOS включают воспроизведение ключевых особенностей macOS: чистый дизайн с прозрачностью и типографикой, глобальное меню для экономии места, привычные Command-сочетания, простую установку через перетаскивание приложений в папку Applications, знакомую файловую иерархию (Applications, System, Library, Users), нативную поддержку Cocoa API и удобные терминальные утилиты вроде open и pbcopy. Для участия приглашаются разработчики и энтузиасты: доступны вики, обсуждения на GitHub и чат в Discord. Проект распространяется под правами RavynSoft (2021–2026), логотип и название являются товарными знаками.

RavynOS — ранний и амбициозный проект на базе открытого кода Apple (Darwin), сталкивающийся с реальными техническими и юридическими сложностями, но пока без подтверждённой практической жизнеспособности. Использование Discord для коммуникации отпугивает пользователей, уже достигших лимита в 100 серверов. Разработка на x86 вместо ARM обусловлена сложностью портирования из-за фрагментации чипов и нестандартных механизмов загрузки. Darwin не даёт значимых преимуществ перед другими ядрами, кроме совместимости с macOS-приложениями; архитектура ядра не отличается кардинально от Linux или BSD. Юридически проект безопасен: используется только открытый код Apple (Darwin, OpenDarwin, MkLinux) под лицензиями APSL, аналоги (GNUstep, Darling) не подвергались преследованию. Спор о бесполезности проекта (как «велосипед при наличии автомобиля») контраргументируется тем, что такая позиция обесценивает любые инновации, включая открытые ОС. Отсутствие скриншотов на сайте — критический недостаток: пользователи ожидают визуального подтверждения даже для pre-alpha. Сайт плохо адаптирован под мобильные устройства, вики нечитаема из-за боковой панели. RavynOS — уже пятый подобный проект (PureDarwin, Hello System и предыдущие версии RavynOS), что указывает на системную неудачу в создании жизнеспособной альтернативы macOS. Для совместимости с Cocoa-приложениями необходимо не просто использовать Darwin, а полностью переосмыслить реализацию API (через GNUstep или чистую переработку) — иначе разрыв между «почти» и «полной» совместимостью непреодолим. Разработчики, вероятно, участвовали в PureDarwin, что говорит о накоплении опыта, но не о прорыве. Применение ИИ может ускорить прогресс, но пока не доказано, что он решит фундаментальные проблемы совместимости и стабильности. Экосистема Apple не стала менее открытой с 1997 года — критика «закрытия» не соответствует реальности, что ослабляет мотивацию проекта.

На пыльной улице Burning Man, на углу 3:30 и Ceiba, установлен бесплатный телефонный автомат — Playa Phone. Любой может позвонить по номеру +1 (775) 557-4848 и поговорить до пяти минут с кем угодно в мире, либо дождаться, чтобы случайный прохожий поднял трубку. Если линия занята — слышен гудок занятости; если звонок не ответили после шести гудков, нужно перезвонить позже.

Телефон работает через интернет: его внутренности модифицированы так, чтобы не принимать монеты и передавать звонки по VoIP. Звонки могут приходить и в обратную сторону — от незнакомца на плае, который решил набрать ваш номер. Если ваш телефон блокирует такие вызовы как неизвестные, рекомендуется добавить контакт Playa Phone через предоставленный vcf-файл, чтобы повысить шансы на соединение. Автор ссылается на статью в SFGATE и обсуждение на Reddit, где делятся историями и отвечают на вопросы. Статус звонков обновляется в реальном времени на сайте.

Playa Phone — проект, порождающий спонтанные эмоциональные взаимодействия и социальные события, выходящие за рамки обычных звонков. Телефон создаёт эффект присутствия на пустыне, особенно через живую статистику в веб-дашборде. Технически используется VoIP с SBC и ATA-адаптерами; телефон работает автономно без интернета, на собственных источниках энергии. Несмотря на отсутствие телефонных книг и навыков набора номера, люди звонят и получают ответ — случайные разговоры улучшают настроение, а устройство становится социальным магнитом (вплоть до спонтанных свадеб). Проект вызывает ностальгию по публичным телефонам и вдохновляет на возвращение аналоговых коммуникаций, в том числе через рекламную модель финансирования. На его основе появились инициативы вроде Futel и Beacon.chat. Среди предложений — заменить гудки занятости цитатой из «Матрицы» и создать локальную пейдж-сеть из 12+ телефонов (Black Rock Telecom). Часть участников критикует Burning Man как пространство технологических и финансовых элит, считая, что проект превратился из художественного высказывания в инструмент нетворкинга.