Hacker News Digest

AMD Ryzen 7 9800X3D (Zen 5) показал прирост производительности около 50% за два года по сравнению с 5800X3D (Zen 3) в Geekbench 6: однопоточный результат вырос с 2016 до 2969 баллов (+47%), многопоточный — с 11 832 до 18 751 (+58%). Это произошло не за счёт тактовых частот: максимальный boost увеличился лишь с 4,5 ГГц до 5,2 ГГц (+15%). Основной вклад внес рост числа транзисторов — с ~11 млрд до 16 млрд (+50%), направленный на улучшение ядер.

Архитектурные улучшения включали увеличение ширины выдачи инструкций с 6 до 8 за цикл, рост количества целочисленных ALU с 4 до 6, расширение буфера переупорядочивания с 256 до 448 записей, удвоение L2-кэша на ядро (512 КБ → 1 МБ) и увеличение L1 данных с 32 КБ до 48 КБ. Для SIMD-операций Zen 5 перешёл на четыре 512-битных блока (против четырёх 256-битных в Zen 3/4), удвоив ширину загрузок и хранилищ. Эти изменения сделали ядра значительно шире и эффективнее, подтверждая тренд на рост параллелизма на уровне микроархитектуры. Zen 6 может продолжить эту траекторию с ещё более радикальными изменениями.

Заявление о 50% росте производительности Ryzen за два года преувеличено: интервал между X3D-версиями Zen 3 и Zen 5 составляет около 4 лет. Прирост обусловлен не только архитектурой, но и переходом на DDR5, увеличением кэша L3, техпроцессами TSMC (7nm, 5nm, n4p) и ростом числа транзисторов с 11 млрд до 1 трлн при увеличении частоты всего на 15%. Дополнительный вклад внесли обновления Linux-ядра (6.18–7.3), давшие ~8% прироста на EPYC. Zen 5 демонстрирует рекордные IPC и кэш-хиты (6.0 IPC/core при 5.1 ГГц, >99.8% предсказания ветвлений, >99.99% попаданий в L2). Процессоры Zen 5 и EPYC 9454P показывают феноменальную эффективность в IO-интенсивных задачах и работе с большими базами данных. В целом Threadripper и EPYC превосходят Xeon и Core по производительности и энергоэффективности. Пользователи систем 2019–2020 годов отмечают их долгосрочную жизнеспособность. Владелец 64-ядерного Threadripper PRO 3995WX считает, что ему больше не потребуется апгрейд. Оговорки и сравнения: — Сравнение с Apple M1/M4 несправедливо: Apple достигла 52% роста в однопоточном режиме за 3 года, и x86 не сокращает этот разрыв. — Современные CPU сближаются с VLIW-архитектурами за счет расширения конвейера и гибкого управления ресурсами. — Ранние X3D были ограничены термически, поэтому последующий рост — это накопление улучшений, а не резкий скачок. Рекомендации: — Для большинства апгрейд выше 5700X3D не оправдан из-за высокой цены DDR5 (в 2 раза дороже за ГБ) и малой разницы в играх. — Для серверных задач с высокой пропускной способностью памяти рекомендуется EPYC 9454P с 384 ГБ RAM.

Bend — это быстрый язык программирования с синтаксисом, похожим на Python, который компилируется в нативный код и достигает скорости C на одном ядре, а на 16 ядрах или GPU — до 100x ускорения. Его ключевая особенность — встроенная система доказательств, вдохновлённая Lean и Rocq, которая позволяет формально проверять свойства кода. Типовый проверятель Bend работает за секунду, что делает его пригодным для использования ИИ-агентами после каждого изменения.

Благодаря LAWS.bend разработчики могут объявлять неизменяемые правила (например, «победа невозможно»), которые ИИ не может нарушить — любая попытка нарушить закон блокируется на этапе проверки. Пример с игрой показывает, что без LAWS.bend ИИ допускает ошибку (слияние клеток), а с ней — вынужден исправлять код, пока не докажет корректность. Bend автоматически параллелизует код без потоков или блокировок, распределяя вычисления по доступным ядрам или GPU-ядрам. Для начала работы достаточно установить Bend через скрипт и добавить рекомендации в AGENTS.md: запускать bend guide, соблюдать LAWS.bend, проверять PROOF.bend перед коммитом и параллелизовать всё возможное. Язык ориентирован на бэкенд, Linux и macOS, и позиционируется как инструмент для создания надёжных, высокопроизводительных систем в эпоху ИИ-генерируемого кода.

Скептицизм вызывает удалённая история коммитов, отсутствие changelog и сомнения в реальной производительности Bend на GPU, особенно из-за обещанного 100‐кратного ускорения при непараллелизуемых доказательствах. Также отмечаются ограничения системы доказательств, необходимость чёткой документации и сравнения с CUDA, Futhark, Ada/SPARK, Dafny и Lean. Большинство считают язык интересным экспериментом, но пока без практических кейсов и бенчмарков. Рекомендуется восстановить историю коммитов, добавить changelog, заморозить базовые аксиомы и предоставить библиотеку законов, чтобы избежать их подгонки под новые функции. Текущий планировщик критикуется за плохую балансировку нагрузки (например, в n‐queens). Bend подходит для балансированных рекурсивных вычислений над ADT, но не для плотных массивных задач. Вопрос о поддержке M‐Series GPU остаётся открытым — заявлена только CUDA, а цифры для macOS вызывают сомнения. Автор признаёт, что год работы без отдыха ограничил примеры и документацию. Нужны более детальные примеры, бенчмарки и сравнение с Lean, Agda и другими системами. Формальные доказательства требуют высокого когнитивного усилия, что может быть барьером. Пользователи отмечают, что базовые законы (например, коммутативность сложения) часто приходится писать заново. Есть опасения, что плохие законы могут привести к неожиданным ошибкам («monkey paw»‐сценарий).

Xiaomi’s новое процессорное ядро Xring O3 демонстрирует резкий сдвиг в архитектуре мобильных чипов: оно превосходит Apple по многопоточной производительности и оснащено 44 МБ кэша — больше, чем у большинства ноутбучных Intel-процессоров. Ядра C1-Ultra имеют 21 порт выполнения, включая шесть для SIMD-операций по 128 бит, что превышает количество портов у современных Intel и AMD. Хотя AMD Zen 5 опережает в обработке 512-битных векторов, для ARM это рекордная ширина SIMD.

Основной тренд — взрывной рост числа исполнительных юнитов и кэша. Процессоры теперь нацелены на параллельную обработку тысяч независимых операций в цикл: сложения, умножения, матричные вычисления через SME2 и SVE2. Это не просто ускорение — это переосмысление вычислений под задачи ИИ и высокопроизводительных вычислений. Большинство транзисторов теперь тратятся не на частоту, а на параллелизм и объём кэша, что делает мобильные чипы конкурентоспособными даже с десктопными решениями.

Обсуждение дополняет статью, подчеркивая, что производительность на бумаге не гарантирует реальную эффективность из-за термических ограничений, отсутствия данных о потреблении энергии и зависимости от экосистемы, а не только от архитектуры процессора.

• Спор: Некоторые отмечают, что Xring O3 использует готовое ARM-ядро C1-Ultra, как и MediaTek, и Xiaomi не создавала собственную архитектуру ядра, лишь настраивала интерконнекты и физическую реализацию на TSMC 3nm.

• Спор: Хотя многопоточная производительность выше, однопоточная уступает Apple M5 Max, что ставит под сомнение утверждение о полном превосходстве, особенно в реальных сценариях использования.

• Все согласны, что ключевой метрикой является производительность на ватт, а не абсолютная скорость — многие отмечают, что высокая мощность и кэш не имеют значения, если устройство перегревается и деградирует под нагрузкой.

• Реальные результаты в смартфоне с ограничениями охлаждения и энергопотребления могут быть на 20-30% ниже лабораторных, как это было с MediaTek Dimensity 9500, что делает текущие цифры сомнительными.

• Большой кэш в 44 МБ указывает на то, что узким местом теперь является не вычислительная мощность, а задержка доступа к памяти — это подтверждается несколькими участниками, ссылающимися на архитектурные ограничения.

• Разработчики отмечают, что реальный успех зависит не только от железа, но и от поддержки Linux-ядра, драйверов, инструментов и стабильности экосистемы — всё это пока неизвестно для Xiaomi Xring O3.

• Большинство считают, что Apple остаётся лидером в энергоэффективности и интеграции железа с ПО, и даже при высоких цифрах в бенчмарках Xiaomi не дотягивает до целостности ecosystem Apple.

• Несколько участников подчеркивают, что данные пока основаны на прототипе, а не на финальном продукте в телефоне — это делает любые выводы преждевременными.

• Совет: Стоит ждать независимых тестов и анализа тепловых кривых, а не полагаться на анонсы — как отмечает @StrLght, третьих сторонных данных пока нет, и это критично для оценки.

• Совет: Сравнивать только с Apple не имеет смысла — экосистема iOS/macOS и управление ресурсами важнее, чем цифры в Geekbench, как пишет @bee_rider — переключение ОС не основывается на бенчмарках.

• Совет: Интересно, что производительность GPU близка к M5, но в Android-устройствах она будет сильно ограничена драйверами и термическим лимитом — как отмечает @simjnd, это снижает практическую ценность.

• Спор: Некоторые считают, что Xiaomi не может использовать TSMC и вынуждена использовать китайские литографические процессы с низким выходом годных кристаллов — что объясняет редкость таких чипов, как пишет @hn_submit.

• Китайский прогресс в полупроводниках — это реальность, но его масштабирование и надёжность остаются под вопросом, особенно в контексте безопасности и архитектурных уязвимостей, как в случае Loongson, упомянутых @angry_octet.

• Потребительский опыт с Xiaomi — хороший, особенно по соотношению цены и производительности, как отмечают @rawoke083600 и @otterley, но это не означает технологическое превосходство над Apple.

• Совет: Стоит смотреть на видео с анализом кристалла и кривыми производительности-потребления, как предлагает @picture — там можно увидеть реальные термические характеристики, а не только цифры бенчмарков.

Missing the most important metric: processing power per watt.I have some server CPUs laying around that can also beat Apple CPUs. But putting them in a compact, densely packed, sealed box (aka a phone) would result in a fireball and almost no battery life. — @strictnein

На сервере в подвале, построенном из старого хранилища HP с двумя процессорами Xeon E5‑2690 v2 (Ivy Bridge, 2013) и без видеокарты, запущена открытая модель Gemma 4 26B‑A4B в квантовании Q8_0 и генерирует текст со скоростью около пяти токенов в секунду. Оборудование стоит менее трёхсот долларов, использует лишь AVX1, а не более новые AVX2/FMA3, и работает на DDR3‑памяти. Это удалось благодаря модификации проекта ik_llama.cpp, где убраны зависимости от AVX2 и добавлены fallback‑пути, позволяющие модели работать на пред‑AVX2 процессорах. Автор оригинального форка опирался на специфические оптимизации, но их пришлось обойти, перепаковав веса и отключив run‑time‑repack. Декодирование со скоростью около 5,2 токенов в секунду, оценка промпта — около 16 токенов в секунду. Чтобы запустить, собрать ik_llama.cpp без --run-time-repack и с отключённым GGML_USE_IQK_MULMAT, чтобы избежать зависимостей от AVX2. Это показывает, что даже железо, вышедшее из эксплуатации десяти лет назад, может стать сервером генерации, если правильно подобрать компиляцию и параметры.

Такая реализация подтверждает, что старый сервер может выполнять задачи современных моделей, если правильно адаптировать код, и подчёркивает ценность ручного анализа вместо покупки подписки, и показывает, насколько важен глубокий технический подход.

Тред дополняет статью реальными кейсами запуска моделей на старом железе, обсуждением эффективности и стоимости таких решений.

• Запуск больших моделей на старом железе без GPU возможен, но скорость генерации токенов может быть низкой (5-9 токенов/секунду).

• Спор: Некоторые участники дискуссии считают, что запуск моделей локально нецелесообразен из-за высокой стоимости электроэнергии и низкой эффективности, в то время как другие делают это ради свободы, приватности и эксперимента.

• Совет: Для запуска моделей на старом железе может потребоваться оптимизация кода и подбор специальных параметров, а также важно учитывать стоимость электроэнергии.

• Использование inference провайдеров может быть более экономически эффективным, чем запуск моделей локально на старом железе.

• Спор: Некоторые участники считают, что прогресс в области моделей и железа позволит запускать более крупные модели на более старом железе в будущем.

How are the thermals? I noticed that running any serious workload locally heats system fast. — @haute_cuisine

%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.

Купи быстрый процессор

Современные CPU стали шокирующе быстрыми, но большинство по-прежнему используют старые мобильные чипы, теряя продуктивность.

Подписка на AI-инструменты вроде Cursor стоит $480/год, а топовый Ryzen 9 9950X — всего $500. Амортизация за 3 года = $170/год: дешевле, чем AI, и выгода очевидна.

Бенчмарки

• Корпоративный ноутбук 2024 (i7-1165G7, 2020 г.)
• Лучший ThinkPad 2024 (Ryzen 7840U)
• Десктоп 2025 (Ryzen 9950X)

Разница — >10× на компиляции ядра Linux и TLS-операциях. 3 с против 30 с или 300 мс — это кардинально меняет опыт.

Правило:

• Десктоп ≈ 3× быстрее ноутбука
• Топ-CPU 2025 ≈ 3× быстрее топа 2022
• Новые облачные VM тоже 2-3× быстрее за ту же цену

Если вы оправдываете AI-подписку, оправдайте и лучший инструмент — быстрый CPU.

• Почти все согласны: «быстрый процессор = меньше ожидания компиляции → выше продуктивность», и ROI для старших разработчиков окупается за недели.
• Но выгода сильно зависит от задач: многие уже компилят в облаке/сервере, а фронтенд-сборки всё равно тормозят из-за однопоточных инструментов.
• Некоторые 10-летние CPU (i7-4770, Phenom II) всё ещё «достаточно быстры», если добавить RAM и SSD; апгрейд не всегда оправдан.
• Ноутбуки ограничены теплопакетом: «топ-чип в лэптопе ≠ тот же чип в десктопе».
• Итог: берите максимально быстрый десктоп, если компилируете локально; если работаете в облаке — экономьте деньги и нервы.

PCI-SIG анонсировала PCIe 8.0

• Пропускная способность вдвое выше PCIe 7.0: до 256 ГТ/с на линию.
• Технология: PAM4, 32 ГТ/с, 0,5 В амплитуда, < 1 Вт/лейн энергопотребление.
• Обратная совместимость с предыдущими поколениями.
• Спецификация выйдет в 2027 г., первые продукты — 2028–2029 гг.
• Цели: ИИ-акселераторы, HPC, NVMe-накопители, 800 Гбит/с сети.

• Кто-то предлагает «перевернуть» архитектуру: пусть GPU-PCB станет материнской платой, а CPU с памятью встаёт в PCIe-слот.
• Обсуждают, что PCIe-спецификация всегда на три поколения впереди реальных продуктов: сейчас в работе уже Gen 8.
• Пользователи жалуются на нехватку линий PCIe в десктопах и мечтают о GPU-сокете с собственными слотами RAM.
• EE и другие специалисты считают это скорее проблемой экосистемы и совместимости, чем чисто инженерной.
• Упоминают, что в дата-центрах (DGX, DPU, NVMe-«без-сервера») похожая идея уже реализована.