Hacker News Digest

Claude добавляет в файлы, которые он создаёт, специальную подписанную метаданные — так называемый content credential, соответствующий стандарту C2PA. Это позволяет определить, был ли файл создан или обработан с помощью Claude, но только если формат файла поддерживается (например, PNG, JPG, SVG, MP4 и др.). Инструмент проверяет только эти метаданные и не анализирует содержимое файла. Загруженный файл остаётся на устройстве пользователя, не сохраняется и не используется дальше. Обнаружение водяных знаков в тексте, созданном Claude, возможно через отдельный Detection API, но он пока доступен только организациям по требованию ЕС. Аналогичные системы проверки происхождения контента существуют у OpenAI, Google DeepMind и Gemini. C2PA — открытый стандарт, используемый также в фототехнике и редакторах для отслеживания источника медиафайлов.

C2PA-метаданные в файлах Claude легко удаляются, но их подпись не подделывается без ключа Anthropic — система односторонняя: отсутствие метаданных не доказывает отсутствие участия Claude, наличие — подтверждает. Способы обхода и ограничения: - При упаковке медиа в ZIP метаданные теряются без изменения содержимого. - Загрузка своего изображения с запросом «верни как есть» приводит к добавлению C2PA, что показывает: метаданные встраиваются на этапе презентации, а не генерации. - В SVG метаданные хранятся как `<c2pa:manifest>`, в PNG — как chunk `caBX`; удаляются вручную без повреждения файла. - Проверка не работает для PDF, Excel, кода и других текстовых форматов, хотя они часто генерируются LLM, что ограничивает практическую ценность. - C2PA не работает для файлов, обработанных сторонними инструментами (ImageMagick, ffmpeg и т.п.) — даже если они созданы Claude. - Anthropic не встраивает водяные знаки в код: невидимые символы нарушают функциональность. - Пользователи могут обойти систему, переформулируя выводы Claude через другую LLM (уязвимость к цепочкам моделей). Технические детали: - Проверка выполняется на клиенте через WebAssembly-версию Rust-библиотеки c2pa-rs — файлы не отправляются на сервер. Дискуссии о ценности: - Водяные знаки нужны в основном для соответствия EU AI Act, но закон охватывает только изображения, видео и аудио — для текста они избыточны. - Одни считают наличие метаданных единственным надёжным признаком участия Claude, другие — что их отсутствие ничего не доказывает. - Обсуждается обучение дискриминатора для различения Claude и других LLM с последующим созданием де-водяного знака. - Компании могут использовать C2PA не против подделок, а чтобы их выходные данные не попадали в обучающие наборы других моделей. Итог: C2PA не решает проблему доверия к контенту — метаданные удаляются, а их отсутствие не доказывает отсутствие AI-генерации. Ключевой вопрос остаётся этическим: «поставил бы человек свою подпись под этим?»

Qwen 3.8 27B — Alibaba‑разработанная 27‑параметровая LLM с поддержкой визуального ввода, работает под лицензией Apache 2 и умеет генерировать сложные SVG‑рисунки, но по умолчанию включает «xhigh»‑уровень рассуждений, который превращает простые запросы в часы‑долгие раздумья. На ноутбуке с 128 ГБ RAM и на сервере NVIDIA DGX Spark я использовал 17 ГБ‑квантованную версию в LM Studio, увеличив контекст до 262 144 токенов; при включённом рассуждении модель потратила 21 минуту на создание SVG‑картинки пеликана, а без него — лишь 2 минуту, получив менее детализированный результат.

Запомните:

• 27 Б‑модель помещается в 17 ГБ файла и способна к полноценному генеративному рисованию и коду.
• Параметр reasoning_effort (xhigh/medium/low) сильно влияет на скорость; отключив «xhigh», время генерации падает почти в 10 раз.
• При работе через llama.cpp с MTP‑режимом (draft‑mtp) ускорение достигает ~72 % по сравнению с базовым GGUF‑режимом.

Эти факты показывают, что даже крупные открытые модели теперь доступны для локального использования без дорогостоящего дата‑центра, однако их производительность ограничена пропускной способностью памяти.

Избыточное рассуждение — системная проблема современных LLM, не уникальная для Qwen 3.8: аналогичное поведение у Opus 5, Claude и других моделей. Оно вызвано RLHF и дистилляцией, где перерассуждение выгодно для бенчмарков, но вредит интерактивному использованию: замедляет ответ в 7–9 раз, увеличивает токен-расход и снижает эффективность. Qwen 3.8 27B работает на потребительском железе (M4/M5 Max, 48–128 ГБ RAM), превосходит по качеству 3.6 и сопоставима с Opus 4.6 и Codex 5.3, но из-за медленной работы и неэффективности по токенам непрактична без настройки. Для локального использования рекомендуется квантованные версии Q4, а не 16-битные веса. Уровень рассуждений можно контролировать: через шаблоны GGUF (например, Froggeric), параметры llama.cpp (--thinking-budget, --thinking-message) или принудительные хаки (например, fork @shifto), отключая 'xhigh' и используя 'none' или 'low'. Это снижает задержку, но может слегка ухудшить качество. Для разработчиков — динамическое управление уровнем рассуждений по запросу. Скорость на CPU — до 8 минут на задачу, на GPU — до 11 часов на сложные; при частом использовании облачные API (например, Luna) экономически выгоднее. Модель способна находить баги в фреймворках (например, Next.js), но только после десятков часов рассуждений — непригодна как быстрый отладчик. MTP-слой позволяет предсказывать 6–8 токенов с высокой точностью, что частично компенсирует избыточность в генерации кода и SVG. Избыточное рассуждение делает модели неэффективными для продакшена, где важны скорость и лаконичность, а не идеальный бенчмарк.

Kimi K3 — модель с 2,8 триллиона параметров от китайской лаборатории Moonshot AI — заявлено как первый «открытый» модельный класс на уровне 3 триллионов, обойдя DeepSeek-V4-Pro. Она демонстрирует превосходство над Claude Opus 4.8 и GPT-5.5 в большинстве бенчмарков, уступая лишь Claude Fable 5 и GPT-5.6 Sol. Особенность — цена: $3 за миллион входных и $15 за миллион выходных токенов, что делает её самой дорогой среди китайских моделей. При этом она использует на 21% меньше токенов вывода, чем её предшественник K2.6, и лидирует в генерации фронтенд-кода на Arena.ai.

Тест с генерацией SVG-изображения пеликана на велосипеде выявил неожиданные детали: модель тратит 13 241 токен на «размышления» при выводе всего 3 417 токенов ответа, что делает задачу дорогой — 25 центов за один запрос. Входной промпт из 95 токенов странно велик — возможно, скрытый системный промпт добавляет 85 токенов. Визуальное понимание работает отлично: при описании изображения модель точно передаёт детали — цвета, позы, фон. Хотя «пеликан» уже не коррелирует с общей мощностью моделей, он остаётся полезным «приветствием»: проверяет генерацию SVG, оценку стоимости, пространственное понимание и даёт наглядный пример для сравнения версий.

При оценке моделей ИИ важно учитывать не только количество параметров, но и механизм внимания, экономическую эффективность и практическую применимость. Например, Kimi K3 демонстрирует доступную стоимость — $3 за миллион входных и $15 за миллион выходных токенов — и при этом превосходит более дорогие модели, такие как GLM, на бенчмарках, несмотря на меньшее число параметров. Китайские лаборатории могут использовать вычислительные ресурсы через соседние страны, что способствует разработке крупных моделей. Разработка открытых моделей затруднена из-за высоких требований к ресурсам. Модели могут переобучаться на специфических данных, снижая обобщаемость, и их производительность зависит от данных обучения. Эффективным инструментом оценки генерации изображений является бенчмарк с пеликаном на велосипеде. Необходимо развивать новые методы оценки, учитывающие качество, скорость и стоимость.

Penpot — открытая платформа для совместной работы над дизайном и кодом, альтернатива Figma и Sketch. Полностью веб-ориентированный инструмент на базе SVG позволяет дизайнерам и разработчикам работать в реальном времени без потери данных: прототипы генерируют точный CSS, Flexbox и Grid-код. Поддерживает импорт из Figma, Sketch, Adobe XD; self-hosted или облачная версия.

Ключевые фичи: векторный редактор с авто-layout, компоненты, состояния, инспектор кода для экспорта SVG/SVG sprites/PDF. Более 45 тыс. звёзд на GitHub, 10 тыс. форков; сообщество >100 контрибьюторов. Бесплатен для личного/коммерческого использования (EPL/MPL 2.0), фокус на доступности и privacy — без vendor lock-in.

• Смешанные отзывы о Penpot: хвалят open-source, self-hosting, низкие цены hosted-версии (дешевле Figma) и векторное редактирование.
• Основные жалобы: лаги, краши, высокое потребление памяти на больших проектах, канвасах и при навигации между страницами.
• Ожидание улучшений от нового rendering engine (open beta скоро); есть неофициальные desktop-версии и Docker-поддержка.
• Сравнение с Figma: уступает в стабильности, но привлекает свободой от proprietary облака и vendor lock-in.

Gemini 3.0, новейшая модель от Google, стала доступна через A/B тестирование в AI Studio. Пользователи могут сравнивать её производительность с Gemini 2.5 Pro. В качестве теста использовалась генерация SVG-изображений — например, геймпада Xbox. Это неплохой прокси-тест на качество модели, так как подобные задачи требуют точного следования инструкциям, строгого соблюдения структуры SVG и понимания концептуальных элементов.

Генерируемое изображение контроллера Xbox от Gemini 3.0 оказалось значительно качественнее, чем у конкурента. Хотя время до первого токена (TTFT) у Gemini 3.0 было на 24 секунды больше, а вывод — на 40% длиннее (включая дополнительные рассуждения в токенах), результат явно демонстрирует превосходство новой модели.

Этот случай демонстрирует, что даже в режиме A/B-тестирования, без прямого доступа, сообщество может эффективно оценивать и сравнивать новые модели. Для команд, занимающихся разработкой ИИ, это отличный пример того, как можно проводить быстрые итеративные тесты на реальных задачах.

Источник: Rick Lamers' blog

• Разные пользователи отмечают, что Gemini 2.5 Pro лучше всего подходит для их задач, но при этом Google не предоставляет удобного CLI-интерфейса, а встроенный в Google AI Studio «режим 2.5 pro» оказывается худшим вариантом.
• Участники обсуждения подтверждают, что Gemini 2.5 Pro действительно превосходит ChatGPT и другие модели в задачах, требующих большого контекста, но при этом страдает от «залипания» в длинных диалогах и плохо справляется с инструментами.
• Некоторые разработчики отмечают, что Gemini 3.0 пока не решает проблему «залипания» и не предоставляет удобного CLI, что делает его менее привлекательным для разработчиков.

Шрифт Brutalita Sans — это геометрический гротеск с открытым исходным кодом, созданный для смелых заголовков и акцентных текстов. Его дизайн сочетает резкие углы и чёткие формы, что придаёт ему агрессивный, но читаемый характер. Шрифт поддерживает кириллицу и латиницу, что делает его универсальным для международных проектов.

Особенность Brutalita — высокая контрастность и широкий набор начертаний, от тонкого до сверхжирного. Это позволяет использовать его в брендинге, веб-дизайне и печати, где требуется выразительность. Открытая лицензия способствует свободному использованию и адаптации.

• Автор проекта объяснил техническую реализацию редактора: используется прозрачное текстовое поле с SVG-отрисовкой поверх.
• Пользователи высоко оценили саму идею и техническую реализацию проекта, но раскритиковали UX редактора за отсутствие возможности перемещать точки, отменять действия и редактировать существующие символы.
• Обсуждались проблемы с поддержкой акцентированных символов (например, «à», «ñ») и CJK-символов, а также низкое разрешение сетки для их отрисовки.
• Проект вызвал ностальгические ассоциации у пользователей: его сравнивали с пиксельными шрифтами времен ZX Spectrum, Amiga, Teletext, а также с Metafont и шрифтами для ЧПУ.
• Были высказаны пожелания по улучшению редактора, такие как добавление перетаскивания точек, удаления сегментов и возможности создавать несколько независимых контуров (слоев) для одного символа.

Сделал шрифт из почерка

Хотел, чтобы сайт выглядел «моим», а не очередным корпоративным шаблоном. Решил заменить заголовки на рукописный шрифт. Поиск бесплатных не увенчался успехом — значит, делаем сами.

Open-source тупик
Inkscape + FontForge = ад. Нарисовал A-B-C, попытался импортировать: десять модальных окон, кривые Безье в куче, интерфейс 90-х. Попытка использовать SVG-шрифт в Inkscape тоже провалилась: объединять контуры вручную — геморрой.

Платное спасение
Calligraphr: распечатал шаблон, от руки прописал буквы, отсканировал. Сервис за 8 £ (один раз, без подписки) сам вырезает глифы, выравнивает, генерирует TTF/OTF. Через час шрифт лежит в CSS.

• Пользователи делятся опытом создания шрифтов из собственного почерка: кто-то использовал старые сканеры и FontForge, кто-то — онлайн-сервисы вроде Calligraphr.
• Некоторые шутят, что их почерк настолько плох, что шрифт можно было бы использовать как шифр или хэш.
• Упоминаются open-source и коммерческие инструменты: Microsoft Font Maker, Corel Draw, PowerToy, а также новый веб-проект OwnFonts.
• Авторы обсуждают, насколько сложно добиться естественного вида: проблемы с кернингом, интервалами и «живым» написанием.
• Несколько человек делятся ссылками на похожие истории и гайды, включая посты Эми Гудчайлд и Джулии Эванс.
• В комментариях всплывают идеи: использовать ИИ для улучшения шрифта, устроить детский воркшоп, сохранить почерк близких.

Monodraw — редактор ASCII-графики для macOS (11 Big Sur+).
Пробная версия бесплатно, лицензия — $9.99, скидки для учебных заведений.

Возможности

• Диаграммы: структуры данных, алгоритмы, ER-диаграммы (нотация «Crow’s Foot»).
• Mind-map: свободное размещение текста на бесконечном холсте.
• Баннеры: 148 встроенных шрифтов FIGlet, изменение размера и выравнивание.
• Инструменты: прямоугольники, линии (ортогональные, лестницы), текст, карандаш, ластик, заливка, пипетка.
• Точки крепления: линии автоматически цепляются к фигурам.
• CLI: генерация документации в хуках Git, экспорт JSON.
• Группы, направляющие, фокус-режим, горячие клавиши для быстрой работы.

Экспорт: PNG, SVG.

• Разработчик Monodraw отвечает на вопросы; пользователи делятся альтернативами (asciiflow, textik, durdraw, REXPaint).
• Все хвалят чистоту результата, низкую цену ($10 навсегда) и удобство вставки ASCII-диаграмм прямо в код или документацию.
• Основные сценарии: комментарии в исходниках, схемы сетей, баннеры серверов, ASCII-анимации, план кухни.
• Главный недостаток: приложение только для macOS; много просьб портировать на Linux.
• Новая текстовая разметка (апрель 2025) улучшает работу с системами контроля версий.

SVG <path>: краткий путеводитель

<path> — единственный способ рисовать сложные фигуры и кривые в SVG. Синтаксис пугает, но разобравшись, становится удобным.

Основы

• Атрибут d — последовательность команд, как «рецепт» для пера.
• Каждая команда начинается с буквы и получает координаты как аргументы.
• Предыдущая точка автоматически становится началом следующей команды.
• Используйте пробелы и запятые — читаемость важнее байтов.

Команды

• M x,y — поднять перо и переместиться в точку.
• L x,y — прямая линия до точки.
• C x1 y1, x2 y2, x y — кубическая Безье.
• Q x1 y1, x y — квадратичная Безье.
• A rx ry x-axis-rotation large-arc-flag sweep-flag x y — дуга эллипса.
• Z — замкнуть путь к начальной точке.

Относительные координаты

Буквы в нижнем регистре (m, l, c…) двигают перо относительно текущей позиции, а не от начала координат.

Цепочки кривых

Повторяйте команды, чтобы строить сложные формы без лишних M.

Анимации

Изменяя d через CSS или JS, можно плавно морфить фигуры.

Советы

• Начинайте путь всегда с M.
• Для читаемости группируйте команды построчно.
• Проверяйте результат в интерактивном редакторе.

• Участники обсуждают интуитивные способы задавать эллиптические дуги без булевых флагов, предлагая параметры вроде углов или контрольной точки.
• Хвалят интерактивный гайд по SVG-путям, его наглядность и звуковые эффекты.
• Делятся практическим опытом: динамическая генерация карт в играх, разметка сканов, чтение путей «с нуля».
• Рекомендуют инструменты для редактирования и генерации SVG: GodSVG, Boxy SVG, онлайн-редактор yqnn.
• Отмечают связь SVG с PostScript, Logo и даже коническими сечениями; обсуждают GPU-ускорение для кривых Безье и рендеринг шрифтов.