Hacker News Digest

Nanolathe — это открытый движок RTS под лицензией MIT, воссоздающий Total Annihilation с чистого листа через обратную разработку. Он позволяет играть в оригинальные три демо-миссии прямо в браузере (Chrome, Edge, Safari) без установки, используя клавиатуру и мышь. Для полной игры требуются собственные файлы Total Annihilation (из GOG, Steam или дисков), после чего доступны одиночная кампания, скримиш, выживание и онлайн-игра для 2–10 игроков с чатом, альянсами и повторным просмотром реплеев. Движок поддерживает нативные сборки под Windows, Mac и Linux.

Главное отличие — современный GPU-рендерер с динамическим освещением, постпроцессом (свет, свечение, апскейлинг terrain в 2×) и возможностью переключения на классический CPU-рендерер для аутентичного вида. Все форматы игры документированы, код открыт на GitHub, а проект поощряет модификации и вклад сообщества. Несмотря на статус публичной беты (сборка от 4 октября 2026 г.), движок уже стабилен для большинства сценариев, хотя сохранения и совместимость с некоторыми модами ещё дорабатываются. Nanolathe не использует оригинальный код или ресурсы — только чистую реализацию поведения и форматов, что делает его легальной основой для изучения и развития жанра RTS.

Nanolathe — технически интересный проект, но уступает зрелым альтернативам: Beyond All Reason (BAR) и Zero-K предлагают улучшенный геймплей, активное сообщество, поддержку современных возможностей и отсутствие юридических рисков. BAR считается лучшим духовным преемником Total Annihilation благодаря продуманному управлению, масштабным битвам и отсутствию монетизации. Zero-K и Forged Alliance Forever (FAF) — активно поддерживаемые open-source проекты с глубокой механикой и стабильной мультиплеерной инфраструктурой. Проекты на Spring Engine (BAR, Zero-K) имеют 20-летнюю историю и лучше понимают структуры данных TA, чем чистые реализации вроде Nanolathe. Есть споры: графические улучшения Nanolathe (блюм, свечение) либо портят атмосферу оригинала, либо оправданы для современных систем; использование ИИ для обратной разработки считается либо юридически рискованным, либо несущественным из-за устаревания игры. Мод-сообщество TA было ключевым для её долгой жизни, и BAR/Zero-K наследуют эту традицию через кастомные ИИ и юниты, чего не хватает Nanolathe. FAF считается более продвинутой версией TA, и многие хотят аналога Nanolathe для неё из-за устаревшего движка и ограниченных модов. Опытные RTS-игроки советуют вместо Nanolathe выбрать Zero-K или BAR — они предлагают сбалансированный геймплей, активное сообщество и лучшую мультиплеерную поддержку. Nanolathe требует оригинальных файлов TA, ограничивая доступность, тогда как BAR и Zero-K полностью бесплатны и не нуждаются в лицензированных контентах. Использование Go в Nanolathe технически интересно, но не компенсирует отсутствие зрелой механики и контента по сравнению с Spring Engine. Оригинальный TA имел топ-даун вид, не изометрический — ошибки в описании Nanolathe подчёркивают недостаток внимания к деталям. Для переживания TA без юридических рисков и с современным интерфейсом рекомендуется начать с BAR или Zero-K, а не с Nanolathe, поскольку они уже достигли зрелости.

bigarrow — это macOS-утилита, позволяющая AI-агентам визуально указывать на элементы интерфейса: рисует стрелку и подпись поверх всех окон, при этом клики проходят сквозь неё к приложению underneath, фокус клавиатуры не меняется, а стрелка исчезает после действия. Работает как одна Swift-бинарка без разрешений, демонов или телеметрии, совместима с Claude Code и Codex через навык в формате Agent Skills.

Основное применение — направление человека в моменты, когда агент не может или не должен действовать самостоятельно: подтверждение разрешений macOS, ввод 2FA-кодов, выбор окна среди множества, голосовое напоминание через --say или пошаговое обучение интерфейсу (например, как разрешить запись экрана). Agent может найти элемент по тексту (--element "Allow"), приложению (--app "System Settings") или окну (--window "Chrome:Pull request"), построить команду и нарисовать указатель. Инструмент проверен на разных конфигурациях: множественные дисплеи, Spaces, отключение монитора во время работы. Лицензия MIT.

Визуальные подсказки типа bigarrow облегчают обучение, помощь пожилым и отладку агентов, но вызывают вопросы безопасности и злоупотребления. Они могут скрывать кнопки отказа, позволяя злоумышленникам подменять действия пользователя. Полезны для пожилых и тех, кто нуждается в простом визуальном руководстве, особенно в учебных материалах и документации, где скриншоты не показывают, куда кликать. Для повышения доверия рекомендуется добавлять текстовое объяснение действия рядом со стрелкой. Визуальные аннотации упрощают отладку нескольких агентов, заменяя громоздкие логи. Простые стрелки отвечают на «куда кликнуть», но не на «нужно ли это действие» — решение остаётся за пользователем. Для диалоговых окон согласия следует сочетать визуальное указание с описанием последствий нажатия. Некоторые сравнивают bigarrow с лазерными указками в телеприсутствии — механизм давно востребован. Текущие стрелки выглядят неестественно и могут раздражать — нужен учёт эстетики. Инструмент работает без дополнительных разрешений macOS, что привлекательно для разработчиков. Для надёжного применения рекомендуется добавить отключение кликов‐сквозь. Визуальные подсказки могут стать стандартом в будущих UI, заменяя сложные меню, но требуют совместимости с языками и платформами — иначе полезность ограничена macOS. Общее настроение: интерес к идее, но нужны доработки для практичности и безопасности.

Маргарет Гамильтон, пионерка вычислений и руководительница команды разработки программного обеспечения для программы «Аполлон» в MIT, скончалась в возрасте 90 лет. Её работа в 1960-х годах, когда область программирования ещё находилась в зачаточном состоянии, привела к созданию надёжного бортового ПО, которое обеспечило успешную посадку человека на Луну. Гамильтон не только написала ключевые части кода, но и ввела термин «инженерия программного обеспечения», отстаивая необходимость строгой методологии и предвидения ошибок — концепции, которые позже стали фундаментом всей индустрии.

Она начала карьеру в MIT в 1959 году, работая над метеорологическим ПО с Эдвардом Лоренцом, затем участвовала в проекте SAGE — первой системе ПВО США. В 1965 году стала первой женщиной-программистом в проекте «Аполлон», а к 1968 году возглавила команду по разработке ПО для командного и служебного модулей. Её акцент на обработке непредвиденных ситуаций и отказоустойчивости напрямую способствовал успеху миссий, включая Apollo 11, когда её система обнаружила и компенсировала перегрузку процессора во время посадки. После MIT Гамильтон основала собственные компании, продолжая инновации в системном ПО, и получила numerous наград, включая Президентскую медаль Свободы от Барака Обамы в 2016 году, а также стала символом для женщин в STEM, попав в набор LEGO «Женщины NASA» и увидев свой код выложенным на GitHub в 2015 году. Её наследие живет в принципах надёжного и системного программирования, которые она помогла определить.

Работа Маргарет Гамильтон обеспечила успешную посадку на Луну и заложила фундаментальные принципы надёжного ПО, включая обработку ошибок и введение термина «software engineer». Обработка ошибок 1201/1202 в Apollo Guidance Computer, реализованная под её руководством, позволила миссии продолжиться несмотря на перегрузку — ключевой пример практического влияния её подхода. Фотография Гамильтон со стопкой распечатанного кода стала символом масштаба и серьёзности программирования в эпоху Аполлона. В 1960-х руководство доверяло её команде полную свободу, так как программирование воспринималось как «чёрный ящик» — в отличие от современных корпоративных ограничений. Современные разработчики отмечают, что сегодня их работа часто сводится к созданию «silly APIs», тогда как в прошлом программисты решали задачи, определявшие судьбу человечества. Гамильтон, вместе с Грейс Хоппер и Адой Лавлейс, остаётся важным вдохновением для инженеров, особенно женщин в технологиях, несмотря на мужскую доминанту в отрасли. Её команда из Draper Lab была настолько передовой, что даже через 30 лет после Аполлона их знания казались непостижимыми для стартаперов. Рост популярности Гамильтон связан с усилиями по выявлению «забытых героев» науки, но это не оспаривает её реальных достижений. Её работа демонстрирует, что надёжность ПО зависит от архитектурных решений, а не от мощности процессора — опровергая миф о невозможности Аполлона из-за слабых компьютеров. Подход Гамильтон к разработке ПО — с акцентом на формализованные системы и отказоустойчивость — стал одним из первых серьёзных шагов к превращению программирования из «магии» в науку. Её наследие вдохновляет не только технически, но и морально: многие хотели бы рассказать о ней детям как о примере того, как один человек может изменить мир. Несмотря на отсутствие доступа к оригинальному коду Аполлона, его принципы — обработка ошибок, приоритизация задач, отказоустойчивость — стали стандартами в критически важных системах.

Strata — это бесплатный и открытый движок для запуска модели Qwen3.8-Flash-Next на обычных игровых ПК с видеокартой NVIDIA или AMD от 12 ГБ VRAM и 32 ГБ ОЗУ. Он позволяет работать с 125-миллиардным параметровым ИИ локально: чат, генерация кода, анализ изображений и интеграция с агентами — всё без отправки данных в сеть. Установка выполняется в один клик для Windows и Linux, а после запуска модель доступна через локальный OpenAI/Anthropic-совместимый API.

На RTX 5070 (12 ГБ) модель в режиме IQ3_S генерирует ответы со скоростью 53 токена в секунду и обрабатывает промпты до 32К токенов со скоростью 1,620 токенов в секунду. На AMD RX 9070 XT (16 ГБ) соответствующие показатели составляют 44 и 1,420 токенов/с. Благодаря технике «guess, then check» и чтению длинных текстов блоками до 8,192 токенов, ускорение достигает 1,6–1,8× по сравнению с обычным режимом. Для комфортной работы со всеми вариантами модели рекомендуется 64 ГБ ОЗУ и SSD — первый запуск тогда происходит значительно быстрее. Strata использует квантованные версии модели от ISTA-DASLab, UkisAI и Unsloth, а также компоненты llama.cpp, и распространяется под лицензией MIT.

Strata обеспечивает высокую пропускную способность — 100–200 токенов/сек на потребительском железе (RTX 4090, RTX 5090 и аналогичные), подтверждая заявленную производительность. Однако качество заметно падает при низкобитных квантизациях (<4‐bit), особенно в задачах зрения и генерации кода. При работе с визуальными задачами Strata показывает медианную ошибку 154.8 px против 46.5 px у llama.cpp с теми же весами, что указывает на существенный компромисс между скоростью и точностью. Для стабильной работы требуется минимум 32 ГБ видеопамяти и 64 ГБ системной ОЗУ; на 16 ГБ RAM модель не запустится с желаемой производительностью. Ограничения PCIe Gen3 могут стать узким местом даже при мощных GPU. Не рекомендуется запускать несколько запросов одновременно из-за частого переключения контекстов, что снижает эффективность. Strata запускается даже на интегрированной графике, но с низкой скоростью. Для ноутбуков рекомендуется выбирать модели, помещающиеся в 6–8 ГБ VRAM. Увеличение размера модели с 27 B до 125 B даёт лишь ~10 % прироста скорости, что не всегда оправдывает рост аппаратных требований. Для лучшего баланса скорости и качества советуют использовать квантизации IQ2/IQ3. Отмечается рост экосистемы локального инференса: альтернативные движки (Swift, FreeToken, ds4) в некоторых тестах работают быстрее llama.cpp. Высокая пропускная способность открывает сценарии вроде интерактивной помощи в кодинге в реальном времени. В заголовках публикаций следует указывать тип квантизации для прозрачности ожидаемого качества. Однокнопочная установка и открытый код получают положительные отзывы, но реальное тестирование в разных сценариях всё ещё ограничено. Есть скепсис относительно «hype» вокруг Strata из-за отсутствия заметных улучшений точности по сравнению с другими моделями.

DwarfStar 4 (ds4) — это узкоспециализированный C-движок для локального запуска frontier-моделей: DeepSeek V4/V4.1 Flash, GLM 5.x и Qwen3.8 Flash Next. Он работает на высокопамятных Mac (Metal), CUDA и ROCm-устройствах, используя асимметричную 2-битную квантилизацию routed экспертов, сохраняя точность критических путей. Это позволяет размещать 284-миллиардные параметровые модели на машинах с 128 ГБ ОЗУ, где KV-кэш сохраняется на SSD по хешу промпта, ускоряя перезапуски без полного префилла.

Движок предоставляет три интерфейса: интерактивный CLI (./ds4), локальный HTTP-сервер с OpenAI/Anthropic-совместимыми API (./ds4-server) и нативный агент для постоянных кодинг-сессий (./ds4-agent), все разделяющие одно состояние модели и кэш. На M5 Max с 128 ГБ при контексте 65K токенов достигается 398.5 токенов/с на префилле и 27.6 на генерации; на DGX Spark аналогичной конфигурации — 823.0 и 13.8 соответственно. Установка: клонировать репо, скачать веса через download_model.sh ds4f-q2, собрать под бекенд (например, make cuda-spark) и запустить. Лицензия MIT.

ds4 эффективно запускает крупные MoE-модели на Apple Silicon с 128 ГБ RAM, обеспечивая высокую скорость генерации и поддержку длинных контекстов (до 1 млн токенов, ~22 токенов/сек на Qwen 3.8 Flash Next на M5 Max). Требует дорогостоящего оборудования, ограничивая доступность. ds4 отличается минимальными зависимостями, ориентацией на frontier-модели и асимметричной 2-битной квантизацией экспертов, позволяя размещать модели до 284 млрд параметров на потребительском железе. Поддерживает Metal (Apple Silicon) и CUDA/ROCm (другие платформы), фокусируясь на реальных сценариях использования на высокопроизводительном оборудовании, а не на универсальности. Разработчики расширяют ds4: добавлена поддержка Qwen3.8 и Vision, реализованы FFI-биндинги для Go (ds4go), улучшена интеграция с Hugging Face через TUI. SSD-стриминг позволяет запускать крупные модели (например, полные GLM 5.x) на системах с менее чем 96 ГБ RAM, расширяя применимость за пределы флагманских Mac. Пользователь @simoiacos разработал собственный инференс-движок для Intel Xe-LP (без XMX) на 32 ГБ ноутбуках, поддерживающий квантизированный Gemma-4, с планами расширения поддержки MoE-моделей. Пользователь @liuliu рекомендует Local Code (TestFlight) как альтернативу для 64 ГБ M5-Pro, поддерживающую DeepSeek 4.1 Flash и Qwen 3.8 27B с SSD-стримингом и кастомными квантами. Некоторые пользователи сомневаются в уникальности ds4 по сравнению с llama.cpp или ollama, которые также поддерживают длинные контексты и квантизацию. Комментатор @doctorpangloss утверждает, что квантизированный чекпоинт DeepSeek V4 низкого качества, что ставит под сомнение точность результатов несмотря на высокую скорость. Использование C вместо Rust обусловлено стремлением к минимальным зависимостям и максимальной портируемости (как в Redis), обеспечивая лёгкую интеграцию через FFI. Пользователь @neomantra создал ds4go — Go-биндинги и TUI-инструменты для загрузки моделей с Hugging Face, упрощая использование ds4 для не-C-разработчиков. Цена MacBook Pro M5 Max с 128 ГБ RAM (~7800 €) делает ds4 доступным лишь для узкого круга пользователей, ограничивая массовое распространение несмотря на технические достижения.

Исследователи из CMU, MIT, NYU и Стэнфорда создали ИИ Ataraxos, который впервые победил лучшего человека в Stratego — Пима Нимейера, считающегося величайшим игроком в истории игры, со счётом 15:1 при четырёх ничьих. Для обучения потребовалось всего 16 GPU и несколько тысяч долларов, что резко контрастирует с масштабными ресурсами, ранее тратившимися на подобные задачи.

Stratego — игра с неполной информацией: каждый из 40 фигур имеет скрытый ранг, раскрывающийся только при столкновении. Цель — захватить флаг противника. В отличие от покера, где скрыто всего две карты (1326 комбинаций), в Stratego возможных расстановок более дециллиона, а партии могут длиться до 2000 ходов. Кроме того, ключевую роль играет блеф: слабые фигуры часто выдают себя за маршала, чтобы запугать соперника. Ранее даже DeepNash от DeepMind не справлялся с этим балансом между дезинформацией и предсказуемостью, но Ataraxos смог его освоить, доказав, что сложные игры с долгой скрытой динамикой теперь поддаются ИИ.

Успех Ataraxos связан с эффективностью алгоритма в условиях неполной информации, а не с масштабом ресурсов. Он быстро учится предсказывать действия противника, а не перебирает варианты. Это контрастирует с предыдущими подходами и открывает путь к более экономичным решениям в подобных играх. Stratego требует психологической составляющей и блефа, но шаблоны поведения можно выявить. Существует множество вариантов правил, включая Electronic Stratego и Silent Defense, которые увеличивают неопределённость и могут быть целями для ИИ. ИИ не страдает от ограничений памяти, в отличие от людей, что даёт ему преимущество в отслеживании открытых фигур. Сравнение с DeepNash показывает, что рост мощности ИИ в Stratego произошёл за счёт улучшения алгоритмической эффективности, а не увеличения вычислительных ресурсов. Поддельная маркировка фишек (царапины) нарушает честность и демонстрирует, как люди манипулируют неполной информацией в реальной жизни. Стратегия размещения флага в углу за двумя бомбами, использованная Ataraxos, редка, но эффективна — указывает на неинтуитивные решения ИИ. Игры с неполной информацией, такие как Hanabi и Bridge, представляют аналогичные вызовы. Успех в Stratego может быть перенесён на них. Bridge особенно интересна благодаря сочетанию неполной информации, кооперации в парах и сложной системы объяснений ходов. Изменённые правила Stratego (перевёрнутые фишки, перемещение бомб) создают новые тактические возможности, которые ИИ осваивает быстрее людей. Появление ИИ, превосходящего лучших людей, вызывает ностальгическую грусть у игроков, ценящих игру как человеческий опыт. Ранее считалось, что Stratego слишком сложна для ИИ из-за неопределённости, но опыт игроков показывает, что шаблоны поведения и блеф можно систематизировать. Electronic Stratego с упрощённой системой раскрытия рангов (выше/ниже/равно) оказалась для некоторых игроков даже интереснее оригинала. Существуют онлайн-архивы и прототипы ИИ для Stratego, включая простые реализации, доступные для немедленной игры. Филлипинская игра Game of the Generals является прямым аналогом Stratego, что указывает на универсальность структуры неполной информации в настольных играх.

OpenDLSS-NR — это Vulkan-реализация нейросети DLSS 5 Neural Rendering от NVIDIA, бит-в-бит идентичная оригиналу. Она воспроизводит ту же архитектуру: U-Net из 71 блока Swin/Vit-трансформеров с глобальным ViT внизу, работающий в FP8 (E4M3) с FP16 накоплением, используя 141 МБ весов. Это генеративная нейросетевая отрисовка (Neural Rendering), которая не увеличивает разрешение, а улучшает уже отрисованный кадр: добавляет детали из шума, корректирует тон, структуру и кожу под стилем, принимая на вход текущий кадр (LDR-прокси), три канала гауссовского шума, репроецированный предыдущий вывод и пять скалярных условий, выдавая RGB-резидуал и логит временного смешивания. Все промежуточные результаты на 75 границах блоков совпадают с оригиналом байт в байт.

Есть независимый порт в браузере через WebGPU (ports/browser-webgpu/), который воспроизводит те же байты без tensor-ядер и FP8 — чисто на шейдерах. Для запуска нужны собственные веса в указанной структуре каталога. Сборка выполняется через PowerShell-скрипты: установка инструментов, сборка шейдеров и PTX, сборка демо на базе Filament. Демонстрация позволяет выбирать сцены из build\scenes и управлять через view.json. Производительность на RTX 4070 SUPER: от 2.8 мс при 768×768 до 29.3 мс при 3840×2160 (241 диспатч на кадр). Доступны переменные окружения для тонкой настройки: маска цепочки экспертов (DLSS5VK_CHAIN_MASK), порог отложенного слияния GEMM (DLSS5VK_DEFER_MAX), валидация и отладка. Проект лицензирован под MIT, не связан с NVIDIA и не предоставляет веса — пользователь отвечает за их законное получение и использование. Полная документация по сети, нумерации, исполнению и кадровому буферу находится в папке docs/.

OpenDLSS-NR воспроизводит архитектуру DLSS 5 бит-в-бит, но её практическая применимость ограничена высокой вычислительной нагрузкой — даже на флагманских GPU. Производительность сопоставима с оригиналом: на RTX 5060 в 1080p — 9.9 мс, на RTX 5090 в 2160p — 8.2 мс, что делает её непригодной для игр при 60+ FPS без топового железа. DLSS 2 и новее используют универсальную модель, персонализация достигается через настройки интенсивности и маскирование объектов на этапе инференса. Веса модели не включены в репозиторий, вероятно, из-за юридических рисков, несмотря на то, что по закону США они не подлежат авторскому праву как результаты работы нейросети. Документация содержит фактические ошибки, например, ложные утверждения о git-игнорировании файлов, которые на самом деле присутствуют в репозитории. Для практического использования требуется доступ к весам, извлечённым из последней версии DLSS 5 в игре NBA — без них проект неполноценен. Реализация использует одностадийную диффузионную модель в пиксельном пространстве — техническое достижение, несмотря на низкую производительность. Она больше похожа на технический демо-проект, чем на рабочее решение для игр — официально доступна только в одной игре. Архитектура включает 71 блок Swin/ViT-трансформеров, работает в FP8 (E4M3) с FP16 накоплением, соответствует описанию оригинальной модели NVIDIA. Временной путь использует репроецированный предыдущий кадр и логиты смешивания для стабильности — критично для устранения артефактов в динамических сценах. Оригинальный DLSS 5 использует дополнительные данные от движка (LOD, UV-карты), но OpenDLSS-NR, вероятно, обходит это, чтобы работать с существующими хуками без изменений рендерера. DLSS 1 использовал персонализированные модели на игру; с DLSS 2 NVIDIA перешла на универсальные — подтверждено техническими отчётами. Споры: некоторые считают, что LLM могли сгенерировать код и документацию, снижая доверие; другие утверждают, что если код работает — это не важно, кто его написал. Также обсуждается, использует ли сеть z-буфер: объясняют, что глубина уже закодирована в RGB-каналах, а добавление z-буфера увеличивает пропускную способность без значимой выгоды. NVIDIA не поддерживает открытые реализации CUDA; несмотря на позиционирование как сторонник open source, её интересы ограничены областями, где она сохраняет контроль. Создание OpenDLSS-NR требует глубокого понимания нейросетевых архитектур и может быть выполнено с помощью современных LLM, что снижает барьер для реверс-инжиниринга закрытых систем.

Parley — это федеративный чат, построенный поверх IRC, где каждый домен запускает собственный инстанс, а пользователи идентифицируются как email: alice@foo.com, bob@bar.com. Инстансы автоматически обнаруживают друг друга через DNS и обмениваются подписанными сообщениями по HTTPS, позволяя обычным IRC-клиентам (irssi, WeeChat, Textal и др.) общаться без плагинов. Сообщения типа /msg alice@foo.com hi работают сразу, даже если инстансы ранее не взаимодействовали — федерация устанавливается на лету.

Система поддерживает стандартные IRCv3-расширения: server-time, message-tags, echo-message, multi-prefix, setname и relaying клиентских тегов (например, индикаторы набора текста) через федерацию. История сообщений по умолчанию хранит последние 50 строк (было 20). Глобальные каналы вроде #lobby реплицируются между инстансами, отображая только количество участников и список доменов, без раскрытия имён пользователей — это делается через подписанные hello-снимки. Из известных ограничений: нет per-user ключей и end-to-end шифрования, нет канальных модов и операторов (глобальные каналы ничьи), ники привязаны к аккаунтам, а веб-интерфейс служит только для администрирования — чат остаётся делом IRC-клиентов. Проект лицензирован под MIT, тесты покрывают end-to-end сценарии через make test.

Обсуждение выявило серьёзные практические проблемы федеративного чата Parley: отсутствие централизованных операторов делает модерацию почти невозможной, спам и DDoS‐атаки считаются неизбежными, а сама идея воспринимается как переизобретение уже существующих протоколов (Matrix, XMPP) вместо использования готовых федеративных сетей. Одни считают, что отсутствие операторов каналов делает блокировку пользователей непрактичной, требуя от каждого админа блокировать злоумышленников на своём сервере; другие предлагают использовать репутационные списки блокировок, которые могут быстро распространяться между администраторами, как в системе спам‐фильтров email. Для решения проблемы модерации предлагается внедрить репутационные фильтры, позволяющие администраторам подписываться на блок‐листы друг друга, аналогично общим спам‐листам в почтовой системе. Множество участников согласились, что спам и возможность масштабных DDoS‐атак через динамически создаваемые серверы являются главным риском для любой децентрализованной IRC‐сети. Parley по сути повторяет функции уже существующих федеративных протоколов, таких как Matrix и XMPP, и поэтому не предлагает принципиально новых возможностей. Некоторые советуют построить приложение поверх уже существующей федеративной сети (например, ActivityPub или atproto), чтобы избежать создания отдельной учетной базы и упростить интеграцию. Несколько участников подчеркнули, что IRC уже имеет элементы федерации через связку серверов, но глобальные каналы без операторов создают новые сложности в управлении. Для упрощения деплоя предлагается использовать чистый Go‐SQLite вместо C‐биндингов, что облегчает создание минимальных Docker‐образов без необходимости наличия C‐runtime. Было отмечено, что удобство Parley может способствовать росту бот‐свармов, о чём уже предупреждались в контексте других децентрализованных систем.

На кампусе MIT этим летом установили сотни небольших камер наблюдения в виде глаз, направленных на офисы преподавателей и входы в туалеты. Некоторые расположены так близко, что их микрофоны могут фиксировать разговоры внутри помещений. Администрация подтвердила, что уже тестирует AI-возможности через компанию Ambient.ai без согласия сотрудников, позволяя искать людей по описанию внешности или маршруту движения. Критики называют это вторжением в частную жизнь, угрозой академической свободе и проявлением эффекта Паноптикона, когда постоянная, но непрозрачная слежка заставляет людей менять поведение из страха быть наблюдаемыми. Они указывают на риски предвзятости систем распознавания лиц, потенциальное злоупотребление данными авторитарными режимами и бессмысленную трату средств.

В ответ группа сотрудников запустила ироничную инициативу IBAISBIAOMITCORPICBBTC, предлагая «украшать» камеры драгоценными камнями как знак поддержки всеобщего наблюдения. Они утверждают, что такие украшения подчеркивают их признательность администрации за заботу, сравнивая уровень контроля с тюрьмой максимальной безопасности или лабораторным наблюдением за насекомыми. Инициатива, вдохновлённая работами художниц Джулии Шер и Джилл Магид, позиционирует себя как artistic protest, превращая инструменты слежки в объекты искусства. Авторы подчёркивают, что камни съёмные, но сомневаются, что кто-то найдёт их эстетически неприемлемыми, и планируют продолжать проект, пока не украсят каждую AI-камеру на кампусе.

Камеры установлены не для безопасности, а для подавления протестов и контроля политической активности, особенно в поддержку Палестины. Их появление связано с ростом акций на кампусах и давлением на университеты со стороны государственных и финансовых структур. Установка камер совпадает по времени с ростом протестов, что указывает на их политическую функцию. Они не снижают преступность, а обеспечивают подотчётность в случае протестов, угрожающих финансированию университета. Университеты традиционно были центрами политической борьбы и всегда находились под наблюдением разведывательных служб. MIT, ранее гордившийся открытостью и отсутствием правил, теперь утратил эту культуру, заменив её системой контроля и подавления инакомыслия. Студентов выгоняют за поддержку Палестины, иначе теряют финансирование — камеры стали инструментом выживания институции. Заголовок статьи воспринимается как сатира, отсылающая к «Доктору Стрейнджлаву», и это очевидно без чтения текста. Блестящие украшения на камерах воспринимаются как сатирический протест, подчеркивающий абсурдность их установки в образовательной среде. Спор: один участник считает, что камеры нужны для защиты от ложных обвинений (как в случае с безумцем, ложно заявившим о нападении); другой — что это оправдание тотального наблюдения без реальной угрозы. Советы по противодействию: использование лазера с оптическим прицелом для повреждения камер на расстоянии до квартала за 15 секунд; создание портативного EMP-устройства для отключения камер. Связь между появлением камер и подавлением выражения мнений по вопросу Израиль-Газа подтверждается аналогичными действиями Google в 2024 году против сотрудников. Сравнение с судьбой Эрона Шварца подчеркивает, как система наказывает тех, кто бросает вызов институциональной власти, формируя взгляды поколения в технологической среде. Участники отмечают: в США нет неограниченного числа людей, готовых участвовать в античеловеческих проектах — но есть неограниченное финансирование и стимулы для тех, кто их реализует. Отмена подписок на академические журналы — правильный шаг, поскольку издатели извлекают прибыль из публичного финансирования, выступая как паразиты.

i-have-adhd — это навык для кодинг-ассистентов, который заставляет их отвечать кратко и по делу: сначала действие, затем шаги, без вводных фраз вроде «Great question!». Он помогает пользователям с СДВГ (и не только) получать ответы, где ответ не зарыт под рассуждениями, а виден сразу. Правила навыка включают: вести с действия, нумеровать шаги, заканчивать одним конкретным следующим шагом, избегать отступлений, оценивать время в минутах, делать прогресс видимым, сообщать об ошибках фактически, ограничивать списки пятью пунктами и не использовать преамбулы или заключения. Пример показывает, как вместо размышлений о токенах и зависимостях ассистент сразу предлагает обновить пакет, отредактировать файл и запустить тест. Навык можно установить через CLI, настроить, форкнув и отредактировав SKILL.md, затем заменив оригинал. Он вдохновлён книгой о СДВГ, но адаптирован под поведение LLM. Лицензия MIT.

Модели Claude, особенно Opus 5, системно избыточны — это архитектурная особенность, а не недостаток настройки. Навык «i-have-adhd» не решает проблему, а лишь временно маскирует её: инструкции не удерживают краткость дольше нескольких циклов. Эффективность «BLUF» или «ELI5» сопоставима с навыком, а пользователи с СДВГ и без него одинаково страдают от избыточности. Замена Opus 5 на Opus 4.8/4.6 значительно улучшает читаемость — эффективнее любых навыков. Использование output styles надёжнее, но не гарантирует стабильности. Простое добавление «I have ADHD» или «Keep answers short» в контекст даёт тот же эффект, что и сложный репозиторий. Навык — это настройка вывода, а не отдельный компонент; он должен быть в глобальных параметрах. Замена Claude на Codex или другие модели устраняет проблему без инструкций — это указывает на архитектурные ограничения Anthropic. LLM по умолчанию предполагают бесконечную рабочую память, что делает ответы неадекватными для людей с ограниченной когнитивной нагрузкой. Десктопное приложение Claude частично компенсирует избыточность за счёт лучшей визуальной структуры. Запрос «суммируй свой ответ» — эффективный костыль. Репозиторий из 8.7k строк для 140-строчного навыка избыточен: большая часть кода не относится к ядру. Спор: одни считают, что использование навыка подрывает доверие к реальным диагнозам СДВГ, другие — что это лишь инструмент, не влияющий на медицинскую практику. Некоторые пользователи с СДВГ выражают дискомфорт от того, что навык используется как «продуктивный трюк» людьми без диагноза, что обесценивает их реальные трудности.

EFF призывает суды не поддаваться панике вокруг ИИ и не переписывать авторское право под давлением правообладателей. История показывает, что подобные страхи уже возникали — с видеомагнитофонами в 1980-х, пианино-автоматами в 1906 году и фотоаппаратами — но каждый раз технологии не убивали творчество, а, наоборот, расширяли его: видеомагнитофоны позволили время-сдвиг, фотоаппараты дали толчок fotожурналистике. Авторское право должно стимулировать новые идеи и рынки, а не защищать существующих монополистов от конкуренции.

Судьи уже получили аргументы от EFF в делах вроде Concord Music Group v. Anthropic и In re Mosaic LLM Litigation: требование расширить авторское право на не infringing работы, созданные другими с помощью ИИ, основано на спекулятивной теории «размытия рынка» — будто бы генеративные инструменты не могут быть fair use, потому что могут порождать конкурирующие произведения. Но это противоречит сути авторского права: оно наказывает нарушение, а не конкуренцию. Принятие такой теории дало бы правообладателям вето на любое выражение, отдалённо напоминающее их работу — стили, жанры, приёмы — и убило бы будущее творчество.

Кроме того, исследования показывают, что большие модели ИИ маловероятно производят прямое копирование: чем больше данных, тем меньше влияние любого отдельного примера. А ИИ уже используется художниками — от Nettrice Gaskins, создающей Afro-футуризм, до архитекторки MIT Ana Miljački, сделавшей документальный фильм о югославских мемориалах, и музыкантов, работающих с Bronze над неповторяющимися треками. Суды не должны заранее решать, что считать «человеческим творчеством» — как и с VTR, ИИ — универсальный инструмент, и его последствия надо оценивать фактами, а не паникой. Переписывание права под хайп только навредит прогрессу.

Обсуждение дополняет статью EFF: проблема не в ИИ, а в перекосе авторского права в пользу корпораций, чрезмерной длительности защиты и отсутствии справедливой компенсации создателям. При этом почти все согласны, что полная отмена авторского права уничтожит экономику творчества. Спор об отмене: сторонники видят в этом ускорение инноваций, противники — потерю единственного механизма дохода для художников, особенно при низкой оплате стримингом. Спор об AI-обучении: одни считают его справедливым использованием, другие — массовой эксплуатацией труда творцов без компенсации, в отличие от строгого применения fair use в прошлом. Часть участников полагает, что AI-компании должны платить за данные для обучения, поскольку это не аналог человеческого обучения — мозг не копируется массово и не используется в коммерческих целях без согласия. Другие возражают: AI не копирует, а трансформирует, хотя модели обучены на миллионах защищённых произведений без согласия. Почти все согласны, что текущий срок (жизнь автора + 70 лет) чрезмерно длинен и должен быть сокращён до 20–28 лет, как у патентов. Предлагается вернуться к системе 28 лет с возможностью продления по образцу Statute of Anne, чтобы устранить абсурды вроде ситуации с песней «Happy Birthday». Авторское право должно сохраняться в короткой форме: дать автору время на монетизацию, затем передать произведение обществу — это баланс между стимулированием творчества и культурным доступом. Копилефт зависит от авторского права — его отмена уничтожит лицензии GPL и другие системы открытого кода. Один участник утверждает, что авторское право было создано печатными гильдиями для восстановления монополии, а не для защиты авторов, ставя под сомнение его моральную основу. Другой считает, что отмена приведёт к тому, что Amazon будет публиковать книги без оплаты, что сделает писательство невозможной профессией. Подчёркивается также, что фильмы с бюджетами в миллионы долларов невозможно создать без хотя бы ограниченной защиты. Музыкант, работающий под CC0, настаивает: любые изменения должны быть добровольным выбором создателей, а не навязанными корпорациями или законодательством. Все согласны, что текущая система злоупотребляется крупными компаниями для монополизации, а не защиты творцов (примеры Disney, DMCA). Один участник утверждает, что EFF поддерживает Big-AI и отошёл от принципов свободы информации. Предложение: ограничить авторское право коммерческим использованием, разрешив свободное некоммерческое копирование при сохранении защиты от эксплуатации со стороны медиакомпаний.

Калифорния приняла поправку к закону о верификации возраста, освободив все открытые операционные системы — включая Linux, BSD и SteamOS — от обязательства собирать данные о возрасте пользователей. Исключение распространяется на ПО, распространяемое под лицензиями GPL, MIT, BSD и Apache, что охватывает Debian, Ubuntu, Arch и другие дистрибутивы. Закон теперь не применяется к системам, где пользователи могут свободно копировать, изменять и перераспространять код, а также к библиотекам и зависимостям, устанавливаемым через пакетные менеджеры вроде apt и pacman.

Поправки также устранили абсурдное определение «пользователя», которое автоматически классифицировало всех владельцев устройств как детей, и запретили запрашивать сигнал возраста без прямого законного основания, закрывая путь к злоупотреблениям. Разработчики получили защиту от ответственности за ошибочные сигналы. Windows, macOS, iOS и Android остаются под законом — им нужно будет запрашивать возраст при создании учётной записи с 1 января 2027 года. Статус SteamOS остаётся неясным из-за проприетарного клиента Steam, но GrapheneOS теперь полностью вне юрисдикции закона.

Исключение Linux и открытого ПО из закона о верификации возраста — тактическая уступка, которая может привести к блокировке Linux-клиентов соцсетями: без сигнала возраста от ОС платформы не смогут выполнить требования, а исключение лишь смещает проблему приватности на другие уровни, не решая её. Участники спорят о границах исключения: одни считают, что под него подпадут только Linux, тогда как Android и GrapheneOS могут быть заблокированы; другие предлагают расширить его на браузеры и гипервизоры или вовсе использовать blacklist закрытых коммерческих систем вместо whitelist открытого ПО. Исключение технически обосновано, но юридически хрупко — законодатели могут пересмотреть определение «открытого ПО». Принятие закона единогласно вызывает подозрения в лоббистском давлении и подготовке к отмене исключений. Большинство согласны, что закон — плохая политика: он не решает корневую проблему приватности, не проверяет возраст, а требует передачу сигнала, превращаясь в инструмент слежки. Вместо защиты детей он перекладывает ответственность на разработчиков ОС, игнорируя родительский контроль и образование, а для школьников, уже сталкивающихся с жёсткой цензурой, Linux может остаться единственным путём к открытому интернету. Среди предложений: использовать ZK-доказательства возраста на уровне протокола HTTP и пересылать этот пример законодателям Иллинойса для влияния на аналогичные инициативы.

Исследование MIT и Стэнфорда показало, что ИИ-советы по финансам часто лучше, чем ожидалось: они побуждают людей чаще копить, инвестировать в диверсифицированные фонды акций и снижать риски после 45 лет. Люди старше 30, следующие таким рекомендациям, могут увеличить свои сбережения на значительную сумму. Однако ИИ слабо реагирует на неожиданные шоки, например безработицу, и редко активно перебалансирует портфели — это улучшается при использовании чётких, академически структурированных запросов с полными данными о доходе, возрасте и накоплениях.

Интересно, что ИИ сам предлагает конкретные продукты — например, фонды Vanguard и iShares — даже когда пользователи их не упоминали. Это означает, что ИИ начинает влиять на выбор финансовых инструментов, смещая фокус с традиционного маркетинга на то, как продукты описываются в ответах моделей. Для финансовых компаний это создаёт новый канал привлечения клиентов: важно, чтобы их предложения были корректно и выгодно представлены в ИИ-ответах. При этом ИИ остаётся доступной и недорогой альтернативой дорогим консультантам — особенно для тех, кто не может себе позволить профессиональную помощь.

Тред добавляет к статье опыт эксплуатации ИИ в финансах, возражения и механизмы, по которым ИИ может давать хорошие советы, но также подчеркивает ограничения и потенциальные проблемы, такие как необходимость задавать правильные вопросы и отсутствие понимания контекста и эмоциональных аспектов финансовых решений.

• Совет: По опыту @AussieWog93, простой совет по финансам, такой как «откладывать 10% дохода и инвестировать в ETF», может быть более эффективным, чем советы, полученные из интернета.

• Спор: По мнению @padolsey, ИИ может стать более осторожным, если ему дать «skin in the game», но это также поднимает вопросы о достоверности оценок и необходимости контекста и памяти для принятия решений.

• По опыту @jamestimmins, ИИ хорошо справляется с простыми финансовыми советами, но может испытывать трудности с более сложными решениями, требующими понимания контекста иtrade-offs.

• Совет: По мнению @networkOne, финансовые планировщики могут быть одной из первых отраслей, которые будут полностью изменены ИИ, поскольку их советы часто бывают плохими и неэффективными.

Легковесный пользовательский скрипт HNewhere интегрирует обсуждения Hacker News в любой веб‑статью, позволяя читателям видеть комментарии без перехода на отдельный форум. Скрипт работает как небольшое дополнение для браузеров, которое можно установить через Tampermonkey или Greasemonkey, и полностью сохраняет оригинальный дизайн страницы, не вмешиваясь в её контент. Он добавляет в боковую панель блок с последними обсуждениями, показывая репутацию пользователей, ссылки на комментарии и возможность быстро перейти к полной цепочке. Скрипт не требует изменения HTML‑разметки, а лишь подгружает данные через API Hacker News, что делает его незаметным и быстрым.

Проект распространяется под MIT‑лицензией, имеет 116 звёзд, 4 форка и одного наблюдателя; последняя версия v1.4.6 вышла 29 июля 2026 года, реализована полностью на JavaScript. Основная идея — добавить к любой статье блок с последними обсуждениями Hacker News, облегчая отслеживание мнений сообщества. Среди ярких фактов — 116 звёзд на GitHub, 4 форка, дата релиза 29 июля 2026 года и то, что весь код написан на JavaScript 100 %. Скрипт поддерживает установку через менеджеры пользовательских скриптов, а его единственный автор — Thomas Walichiewicz, чей профиль доступен на GitHub. Скрипт легко настраивается и не требует дополнительных зависимостей.

Многие пользователи Hacker News сталкиваются с открытием двух вкладок на одну ссылку и используют пользовательские скрипты или расширения для решения этой проблемы. Некоторые считают её незначительной и предлагают решать через стандартные функции браузера, другие — требуют специализированных решений. При использовании скриптов и расширений важно учитывать безопасность и конфиденциальность, включая передачу данных на внешние серверы.

Decker — это платформа для создания интерактивных мультимедийных документов, вдохновлённая HyperCard и визуальной эстетикой классического macOS. Она сочетает простоту и доступность старых инструментов с современными удобствами: глубокой историей отмен, поддержкой сенсорных экранов, масштабируемыми операциями и полноценным скриптованием. Пользователи могут создавать электронные журналы, презентации, текстовые приключения, пиксель-арт или просто экспериментировать — всё сохраняется в самодостаточных HTML-файлах, которые работают в браузере и совместимы с Git. Деки — это не просто документы, а наборы переиспользуемых компонентов, которые легко копировать и адаптировать.

Для сложной логики используется язык Lil — лёгкий, похожий на Lua и Q, с неожиданными удобствами: неявной арифметикой векторов, встроенным SQL-подобным запросом и минимальной кривой обучения. Lil работает и вне Decker через Lilt — автономный интерпретатор, который можно скомпилировать в один исполняемый файл и запустить даже в AWK. Все файлы хранятся в текстовом формате, что делает их идеальными для версионного контроля. Decker лишён рекламы, телеметрии и навязчивых функций — он создан для творчества, а не для монетизации. Среди примеров — Sokoban, Breakout, CHIP-8-интерпретатор и библиотеки для анимации, звука, графиков и визуальных новелл. Платформа открыта под MIT-лицензией, с активным сообществом и ежегодными джемами.

Пользователи отмечают простоту и доступность Decker и её предшественника HyperCard, подчёркивая их потенциал для создания интерактивных мультимедийных документов, презентаций, электронных журналов, игр и образовательных программ. HyperCard использовался для множества инновационных приложений. Некоторые считают Decker устаревшим, другие — потенциально полезным для новых решений, включая сенсорные устройства и образовательный/развлекательный контент. Рекомендуют улучшить дизайн и добавить поддержку сети.

Большие модели больше не гарантируют лучшего понимания — их «ум» часто Plateau‑ит, а точность падает из‑за чрезмерного доверия к собственным ответам. Недавние сравнения показывают, что открытая GLM‑5.2 (≈753 млрд параметров) почти догоняет закрытые GPT‑5.5 и Claude 5, но её галлюцинации составляют лишь 28 %, тогда как у GPT‑5.5 — 86 %. При этом DeepSeek V4 Pro (1,6 Трл параметров) выдаёт 94 % ошибок на бенчмарке «Omniscience», а Opus 4.8 — 36 %. Технические тесты подтверждают: даже при большом объёме вычислительных ресурсов модель может уверенно предложить неверное решение, не признавая своей неуверенности.

Эта ситуация формирует трилемму современных ИИ:raw‑capability, калибровка неопределённости и вычислительная эффективность. Увеличивать размер и «рассудочный бюджет» бессмысленно, если модель начинает продавать вымысел за правду. Поэтому будущее — в выборе моделей, способных честно сообщать «не знаю», а не в гонке за всё более массивными, но менее надёжными системами.

• Оценка галлюцинаций усложняется тем, что она зависит от того, когда модель не знает ответа и от распределения задач в тесте.
• Увеличение размеров моделей часто не повышает точность и может ухудшать способность «отказываться» от неправильных ответов.
• Некоторые крупные модели (DeepSeek V4 Pro, GLM‑5.2) показывают разный уровень галлюцинаций, при этом небольшие модели иногда справляются лучше.
• Необходимо развивать более точную классификацию ошибок ИИ, а не ограничиваться общим термином «галлюцинация».

Большинство компаний тратят миллиарды долларов на консультантов и программы повышения эффективности, но лишь небольшая часть этих усилий приводит к реальному росту. Исследования показывают, что даже такие проверенные подходы, как Total Quality Management, шесть‑сигма и круги качества, часто теряют популярность: TQM упал с третьего на четырнадцатый место среди самых используемых бизнес‑инструментов, а менее чем у 10 % компаний Fortune 1000 есть устоявшийся TQM‑программ. При этом эксперты отмечают, что «никто никогда не получает признания за то, что предотвратил проблемы, которых не было», подчёркивая, что успехи остаются незамеченными.

Парадокс заключается не в выборе инструмента, а в том, как его внедряют. Новые методики сталкиваются с физическими, экономическими, социальными и психологическими барьерами организации, и их эффективность зависит от внутренней способности компании адаптировать изменения, а не от наличия самой техники. Поэтому «покупка готового шести‑сигма‑программ» невозможна — развитие должно происходить изнутри, требуя системного подхода к изменению.

• Проблемы, которые не случились, остаются незамеченными, тогда как «пожарные» действия получают публичное признание.
• Система поощрений часто ставит в центр видимых инцидентов, а не профилактических мер.
• Недостаток измеримых метрик эффективности делает невозможным честную оценку профилактической работы.
• Это приводит к тому, что сотрудники избегают ответственности за профилактику и сосредотачиваются на «героических» спасениях.

Facepunch Studios (создатели Garry's Mod и Rust) выпустили s&box — бесплатную sandbox-игру на движке Source 2 в раннем доступе на Steam. Это эволюция Garry's Mod с мультиплеером до 128 игроков, где любой может создавать миры, мини-игры и моды. Игра фокусируется на инструментах: встроенный asset browser с тысячами бесплатных моделей, текстур и звуков от сообщества; поддержка Lua и C# для скриптинга; хабы для шаринга контента.

Ключевые фичи — полная свобода редактирования в реальном времени, сетевой код для коллаборативного строительства, аватары и кастомизация. Код открыт под лицензией MIT, моды монетизируются через Steam Workshop. Команда обещает еженедельные обновления, борьбу с читерами и переход к полноценному релизу через 1–2 года. Уже 100+ хабов с проектами вроде Among Us или Fortnite-клонов.

• Facepunch (создатели Garry's Mod и Rust) открыли исходники S&box — движка на базе Source 2, эволюционировавшего от Garry's Mod 2 к Roblox-подобной платформе с собственным редактором.
• Успех компании: от гаража до $100 млн/год; критика за слабую Linux-поддержку в Rust из-за античита.
• В коде много мата в комментариях; MIT-лицензия, но зависимость от закрытого Source 2 вызывает вопросы о будущем и конкуренции с Unity/Godot/Roblox.
• Обсуждение потенциала для standalone-игр, монетизации и инструментов вроде Hammer, скепсис по поводу поддержки Valve.

Microsoft, Team Xbox и Activision совместно выпустили исходный код классических текстовых приключенческих игр Zork I, II и III под лицензией MIT. Эта инициатива призвана сохранить исторически важное наследие и предоставить доступ к коду для студентов, учителей и разработчиков, которые могут изучать его, учиться на нем и даже играть в эти культовые игры. Код был добавлен в существующие исторические репозитории при участии Джейсона Скотта из Internet Archive.

Zork, появившийся более 40 лет назад, был революционной игрой без графики, но с богатым текстовым миром, который требовал от игроков воображения. Ключевым инновационным решением стал Z-Machine - виртуальная машина, позволившая запускать игру на различных платформах, включая Apple II и IBM PC. Это сделало Zork одним из первых кроссплатформенных игр. Сегодня игры все еще доступны и могут быть запущены с помощью современных интерпретаторов Z-Machine, таких как ZILF.

• Microsoft открыла исходный код Zork и других игр Infocom под MIT-лицензией, что стало возможным благодаря покупке Activision Blizzard.
• Пользователи вспомнили, что исходный код Zork был доступен уже давно, и обсудили, какие ещё игры могут быть открыты.
• Обсуждение затронуло вопросы о том, как Microsoft получила права на эти игры, и почему именно сейчас они были открыты.
• Участники обсуждения также затронули вопрос о том, какие ещё игры могут быть открыты в будущем, и выразили надежду, что будут открыты и другие классические игры.

37 лет назад червь Morris заразил 10% интернета всего за 24 часа, положив начало новой эре в кибербезопасности. Созданный аспирантом Корнеллского университета Робертом Тапаном Моррисом, этот вредоносный код стал первым крупным инцидентом в истории сетей. Хотя его автор утверждал, что создавал программу для измерения размера интернета, ошибка в коде привела к бесконтрольному размножению червя, что вызвало массовые сбои в работе компьютеров по всему миру.

Инцидент привел к созданию первого в мире CERT (Команды реагирования на чрезвычайные ситуации в компьютерных сетях) и положил начало осознанию необходимости системного подхода к кибербезопасности. Интересно, что создатель червя был приговорен к трем годам условного заключения, общественным работам и штрафу в 10 000 долларов — одному из первых юридических преследований за киберпреступление в истории.

• В 1988 году Morris-червь заразил около 6 000 из ~60 000 узлов, что стало первым крупным инцидентом в истории кибербезопасности.
• Червь был случайно запущен из MIT, а не из Cornell, как считалось ранее.
• Позже Роберт Моррис стал сооснователем Y Combinator вместе с Полом Грэмом.
• Сегодняшняя инфраструктура интернета, включая облачные сервисы, делает подобные инциденты практически невозможными.
• Этот инцидент стал поворотным моментом в развитии кибербезопасности и стал причиной создания CERT/CC.

В Ubuntu 25.10 обнаружен баг в Rust-версии команды date из пакета uutils, нарушающий автоматические обновления системы. Проблема затронула облачные развертывания, контейнеры, десктоп и серверные версии. Системы с rust-coreutils версии 0.2.2-0ubuntu2 или ранее подвержены уязвимости, исправленной в версии 0.2.2-0ubuntu2.1. Интересно, что баг не влияет на ручные обновления через apt.

Ubuntu реализует проект "окисления" дистрибутива, переходя на uutils и sudo-rs для версии 25.10, чтобы оценить пригодность Rust-утилит для долгосрочного выпуска в апреле. Этот переход вызвал дискуссию: одни считают, что замена проверенных десятилетиями C-утилит неизбежно приведет к краткосрочным проблемам, другие поддерживают инициативу как необходимую. Также поднимаются вопросы лицензирования MIT вместо GPL и управления проектом uutils.

• Обсуждение вокруг замены GNU coreutils на Rust-версию свелось к тому, что проблема лицензии (GPLv3 vs MIT), а не безопасность, и что в конце концов, как и следовало ожидать, никакой "серьёзной" уязвимости там не было.
• Участники обсуждения отмечают, что даже если бы это была уязвимость, то это была бы не более чем типичная для мейнтейнеров Ubuntu ошибка пакетов, которые не были бы исправлены в нужное время.
• Сообщество высказывает опасения по поводу переписывания критически важных утилит, которые были проверены временем, на новом и потенциально менее стабильном языке программирования.
• Некоторые комментаторы подчеркивают, что обсуждение не касается безопасности, а вопрос лицензии и что это не более чем естественное течение времени и что в конце концов, как и следовало ожидать, никакой "серьёзной" уязвимости там не было.

Доктор Грегори Б. Ньюби (gbnewby), руководитель проекта Project Gutenberg на протяжении более 20 лет, скончался после короткой борьбы с раком. Будучи CEO Project Gutenberg Literary Archive Foundation, он тесно сотрудничал с Distributed Proofreaders, где также входил в совет директоров фонда. Ньюби, родом из Канады, вернулся на родину после работы в правительстве Юкона, где продолжал руководить проектом. Его увлечение электронными книгами началось в 1987 году, когда ему прислали "Алису в Стране чудес" по email — "я сразу понял, какая это замечательная вещь", — говорил он.

Под его руководством коллекция Project Gutenberg, где многие книги были отредактированы Distributed Proofreaders, выросла до более чем 75 000 наименований. В 2023 году Ньюби сотрудничал с Microsoft и MIT, создав коллекцию аудиокниг с озвучкой ИИ, которая вошла в "Лучшие изобретения 2023" по версии TIME. Он страстно верил в миссию проекта: "Это поддерживает меня... оказывать положительное влияние и давать людям доступ ко всей литературе". Его неутомимое руководство будет сильно отсутствовать в сообществе.

• Участники вспоминают Грега Ньюби как человека, который внёс огромный вклад в Project Gutenberg и HOPE конференции, и выражают соболезнования.
• Уточняется, что Ньюби не был основателем PG, но основал литературный фонд PG, и что его вклад в PG был важен, но не стоит путать его с основателем PG Майклом Хартом.
• Обсуждается, что не все публичные домены доступны, потому что не все они были отсканированы, и что это может быть более важным фактором, чем копирайт статус.
• Участники обсуждают важность скрининга на рак толстой кишки и необходимость его прохождения.
• Участники обсуждают, что не все публичные домены доступны, потому что не все они были отсканированы, и что это может быть более важным фактором, чем копирайт статус.

Предоставленный текст содержит только навигационное меню и элементы интерфейса GitHub, но не содержит самого содержимого статьи о DeepSeek-OCR. Без основного текста статьи невозможно создать точный пересказ её содержания.

Для создания качественного саммари мне нужен сам текст статьи, описание проекта DeepSeek-OCR, его особенности, технические детали или результаты, которые он демонстрирует. Пожалуйста, предоставьте основное содержимое репозитория или статьи, и я подготовлю ёмкий пересказ в соответствии с вашими требованиями.

• DeepSeek-OCR представляет собой исследование границ визуального сжатия текста, достигая почти безпотерянного восстановления текста при 97% точности, что делает его полезным для создания обучающих данных для LLM.
• Модель демонстрирует высокую точность на OmniAI бенчмарке, но при этом остается неясным, как она справляется с более сложными задачами, такими как распознование сложных таблиц и многостраничных документов.
• Несмотря на то, что DeepSeek-OCR является open-source и MIT лицензированным, отсутствие коммерческого продукта подчеркивает пробел в экосистеме OCR, что может быть связано с тем, что модель не была обучена на полностью лицензионых данных.
• Сообщество отмечает, что несмотря на то, что модель может быть использована для создания обучающих данных для LLM, она не может быть использована в продакшене, потому что она не была обучена на лицензионных данных.
• Некоторые участники обсуждения отмечают, что модель может быть использована для извлечения текста из старых журналов и книг, но при этом остается неясным, насколько она справляется с распознованием сложных многостраничных документов и таблиц.

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

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

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

• О YouTube
  О нас | Пресс-центр | Авторское право | Контакты | Авторам | Реклама | Разработчикам

• Правовая информация
  Условия | Конфиденциальность | Политика и безопасность | Как работает YouTube | Тест новых функций

• Дополнительно
  NFL Sunday Ticket

© 2025 Google LLC

• Патрик Уинстон — легендарный преподаватель MIT; его лекция «How to Speak» считается образцом ораторского мастерства.
• Главный совет: слайды почти без текста, выступающий — «шоу», а не слайды.
• Некоторые спорят: минимум текста плохо для самостоятельного чтения материала позже.
• Участники вспоминают его курс ИИ, книги и личные советы; многие пересматривают запись по нескольку раз.
• Есть критика: кому-то лекция показалась не особенно увлекательной, а формат живого выступления — устаревшим по сравнению с записью.

95 % компаний не получают отдачи от $30 млрд, потраченных на генеративный ИИ, — MIT

• Исследование MIT: только 5 % проектов приносят измеримую пользу.
• Причины: нечёткие KPI, отсутствие данных, недостаток навыков персонала.
• Вывод: без стратегии и качественных данных ИИ превращается в дорогую игрушку.

• 5 % проектов приносят деньги, 95 % — нет: основная причина — отсутствие чёткого плана и метрик.
• Реальные экономии уже есть: автоматизация пост-обработки звонков в кол-центрах экономит миллионы.
• Рынок перегрет: многие запускают «AI-инициативы» ради хайпа и финансирования, не ради пользы.
• Компании тратят деньги на консультантов и маркетинг вместо решения конкретных задач.
• Наблюдается спад доверия («Trough of disillusionment»), но технология остаётся ценной как встроенная функция, а не как отдельный продукт.

• Сгенерированное ИИ изображение, где ИИ руками «отвергает» меня. Очень мета.

В октябре 2024 Anthropic представила «Claude Computer Use», позволяющую ИИ управлять компьютером, копировать данные из браузера в таблицы и т.п. Я поддерживаю библиотеку для управления компьютером и этой весной решил разобраться, как они это делают. К моему удивлению, Anthropic использует мою библиотеку enigo.

Проверить использование enigo в Claude Desktop для macOS можно так:

• 7z x Claude.dmg
• perl -nle 'print $& while /.{0,67}enigo.{0,30}/g' Claude/Claude.app/Contents/Resources/app.asar.unpacked/node_modules/claude-native/claude-native-binding.node Вывод содержит путь к enigo-0.2.1/src/macos/macos_impl.rs

На Windows:

• 7z x Claude-Setup-x64.exe
• 7z x AnthropicClaude-0.11.6-full.nupkg
• perl -nle 'print $& while /.{0,75}enigo.{0,26}/g' Claude-Setup-x64/AnthropicClaude-0.11.6-full/lib/net45/resources/app.asar.unpacked/node_modules/claude-native/claude-native-binding.node Вывод указывает на enigo-0.2.1/src/win/win_impl.rs

Я горжусь, что enigo дорос до продакшена у компании с огромным бюджетом. Эмуляция ввода сложна из‑за слабой документации и платформенных особенностей. На мой взгляд, enigo — отличный выбор: работает на Windows, macOS, *BSD и Linux (Wayland, X11, libei) без root; написан на Rust (безопасность памяти, высокая скорость); самый популярный на crates.io (~300k загрузок, 1200+ звёзд). И всё же тревожно, что мой хобби‑проект установлен на тысячах устройств.

Сколько я на этом заработал? Нисколько: enigo под MIT‑лицензией — можно бесплатно использовать. Взамен — звёзды на GitHub и счётчик загрузок.

Интересно, что Claude Desktop — Electron‑приложение, но есть только для macOS и Windows. Сообщество запустило его на Linux, заменив вызовы enigo заглушками, хотя enigo кроссплатформенна — любопытный выбор.

Через знакомых я узнал об открытой роли в команде, делавшей секретную, ещё не выпущенную функцию Claude Desktop с enigo. Подал заявку, ждал. В итоге пришло письмо: команда не успевает рассматривать дополнительные заявки.

Я бы с радостью поработал в Anthropic: сделать аналог Computer Use, довести Claude Desktop до Linux, вложить свой опыт в эмуляцию ввода и полноценно отполировать enigo, чтобы Anthropic концентрировалась на моделях, а не на капризах ввода.

В целом я счастлив, что enigo в Claude Desktop, и всем об этом рассказываю. Забавно думать, что я метафорически дал Claude руки и ноги — и получить отказ. Письмо написал человек или сам Claude? По крайней мере, теперь я, наверное, в безопасности…

• Обсуждение вокруг автора OSS-библиотеки enigo, которую, по словам поста, использует Claude Desktop; при попытке податься в Anthropic он получил авто‑отказ без рассмотрения, что вызвало резонанс.
• Многие считают, что заявку, вероятно, даже не читали из‑за перегруженных или автоматизированных HR/ATS‑процессов; советуют искать тёплый интро к менеджеру, а не подаваться «в общий ящик».
• Поднята тема лицензий: permissive (MIT) позволяет корпорациям брать код без вклада; участники предлагают рассмотреть MPL/EUPL, Fair Source или даже целевые ограничения, хотя применимость и исполнение спорны.
• Несколько комментаторов призывают Anthropic хотя бы поблагодарить автора, дать консультационный контракт или символическую компенсацию; другие напоминают, что компания волна отбирать кого хочет.
• Обсуждаются возможные факторы отказа: геолокация (США vs Европа), визы, несоответствие профиля «AI‑инженеру», парадоксы найма и предпочтение «низкопрофильных» кандидатов.
• Приводятся похожие кейсы из индустрии: от игнора мейнтейнеров до неудачных интервью у компаний, зависящих от их софта.
• Общий вывод: современный тех‑набор страдает от автоматизации и перегрузки; для кандидатов критичны нетворкинг, прямой контакт с нанимающим менеджером и стратегия видимости, а для OSS — осознанный выбор лицензии.