Hacker News Digest

Jev завершил Pokémon Red за 38 часов и $1.65, но его решения примитивны: зависят от жесткой обертки, не учитывают историю, не способны к долгосрочному планированию и адаптации. Он не может играть без предопределенных путей, застревает в циклах (например, изучает Counter вместо Ember), не справляется с базовыми локациями и боями с Элит-Четырьмя. Jev подходит только для однократной классификации, а не для многошаговых сред с задержанным вознаграждением. Его действия выглядят как случайный выбор, а не осмысленное планирование. Споры о его новизне не отменяют ограничений: он не демонстрирует реального интеллекта, а скорее является демонстрацией, чем автономным агентом. Оптимальный подход — комбинировать Jev для низкоуровневых действий с более умными моделями (например, LLM) для высокого уровня планирования, как показано в GPT_Plays_Games. Использование визуального ввода вместо мемхаков увеличит универсальность, но потребует снижения задержки, что противоречит текущей цели Jev. Jev не является коллективным интеллектом — он изолирован, ограничен и часто бессмысленен по сравнению с Twitch Plays Pokémon.

Jev от TypeSafe использует LLM как классификатор: вместо генерации текста он выдаёт вероятности токенов (например, true/false или вариантов выбора) и нормализует их в ответ. Этот подход, описанный ещё в 2025 году в посте про logprobs, позволяет получать мгновенные калиброванные решения без полной генерации. Jev быстро набрал популярность в AI Gateway от Vercel, став самой быстро adottой моделью в её истории.

Однако OpenAI уже давно использует LLM как неявные классификаторы — например, при tool calling или выборе между действиями. Если они формализуют этот подход и интегрируют его в свои модели, то смогут воспроизвести функционал Jev, добавив его в flagship-модели для быстрого принятия решений, эффективного мышления и улучшенных guardrails. Ключевой вопрос — есть ли у TypeSafe защита (моат), основанная на уникальных данных и процессах обучения. Если нет, OpenAI может быстро скопировать идею и вытеснить Jev, встроив её в свои системы для текста, изображений и речи. Diogo Almeida, CEO TypeSafe, верит, что качество модели обеспечит им долгосрочное преимущество.

Jev не уникален: его подход — переоткрытие классификации с логитами, уже используемой в индустрии. Он легко реплицируется крупными лабораториями и open-source сообществом: альтернативы вроде Kev и vLLM достигают сопоставимой или лучшей точности, а open-weight версии появились за 24 часа. Jev не предлагает нового архитектурно — его суть в гибкости: изменение классов через промпт без переобучения, что удобнее традиционных классификаторов. Он не заменяет LLM, а дополняет их: снижает токен-потребление и ускоряет классификацию, но сложные рассуждения всё ещё требуют LLM. Преимущество Jev — в эргономике: проще и дешевле embedding-моделей для задач вроде фильтрации email. Однако он не решает фундаментальную проблему масштабной классификации — сбор качественных отрицательных примеров и калибровка. Многие считают, что энтузиазм вокруг Jev обусловлен незнанием базовых ML-техник, таких как логиты, известных давно. OpenAI и другие лаборатории могут добавить такой функционал за день — как embeddings — и сделать его стандартом. Секрет Jev, по мнению некоторых, — не в модели, а в данных и пост-тренировке с RLCD, что делает клоны на RLHF-LLM неэффективными. Открытые модели DeepSeek, Qwen и GLM с интегрированными классификаторами могут быть значимее коммерческого TypeSafe из-за доступности и настраиваемости. Самый реальный путь выживания TypeSafe — приобретение, если они быстро выпустят новые модели и станут привлекательны для крупных игроков. Для использования Jev в workflow (например, через OpenRouter) нужно проверить поддержку API с логитами и нормализацией вероятностей — это не стандарт. Jev похож на Htmx для AI: простой, фокусированный инструмент для конкретной задачи, потенциально стандарт для микросервисных AI-архитектур. Идея Jev не нова — она восходит к BART zero-shot classification и ранним моделям; её повторное открытие показывает возврат индустрии к простым, эффективным решениям.

Код теперь можно размещать напрямую в Cursor через новую функцию Origin — early‑beta‑режим для платных пользователей. В появившемся Codebase‑разделе можно создать репозиторий, задать ему название (URL будет выглядеть как cursor.com/codebase/название), установить CLI и начать пушить локальный проект. Синхронизация с GitHub позволяет держать репозитории как на GitHub, так и в Origin, при этом выбирая, какие из них синхронизировать, и отключать их в любой момент.

Pull‑requests работают в обе стороны: комментарии и реакции в Cursor мгновенно отражаются в GitHub и обратно. В каждом репозитории доступны встроенные агенты, которые могут отвечать на вопросы о коде, менять PR‑ы и пушить ветки. Интеграции с Vercel, Depot и Buildkite уже готовы: через Apps‑таб можно привязать Vercel для preview‑деплоя каждого PR, а Depot и Buildkite — для запуска CI‑pipeline, включая GitHub Actions. Настройки репозитория позволяют проверять статус синхронизации, управлять доступом и подключать приложения.

Запомните: название репозитория становится частью URL, а синхронизация происходит в реальном времени, сохраняя GitHub как источник истины. Сейчас Origin доступен в early‑beta для всех платных планов, кроме компаний, которые явно отключили его. Начать работу можно сразу в интерфейсе Cursor.

Пользователи отвергают Origin как GitHub-альтернативу из-за связи с Илоном Маском и опасений, что код будет использоваться для обучения Grok. Предпочтение отдается децентрализованным решениям (Radicle, Forgejo, SourceHut, Codeberg, Tangled) или self-hosted Git — как более безопасным для приватности. Origin ограничен синхронизацией с GitHub и не предлагает инноваций в агентных рабочих процессах, что вызывает критику как «GitHub clone». Технические недостатки — высокий расход CPU и требование SMS-верификации — снижают доверие. Споры идут о природе рисков: одни считают проблему в росте кода из-за AI, другие — в принудительном сборе данных Cursor для обучения моделей. Эксперты полагают, что Cursor ориентирован не на хостинг, а на сбор истории версий и патчей для AI.

GitHub представил публичную версию стековых пул-реквестов — способ разбивать крупные изменения на цепочку небольших, логически связанных запросов на слияние. Каждый уровень стека — отдельный PR, который можно проверять, обсуждать и тестировать независимо, при этом все они автоматически упорядочены и перебазируются при изменениях. Это устраняет необходимость в монолитных PR, которые сложно проверять, и ручном управлении множеством веток.

Создавать и управлять стеками можно через GitHub CLI или веб-интерфейс: команда gh extension install github/gh-stack позволяет начать за минуту. Все проверки, защиты веток и требования к слиянию работают без изменений. Можно слить весь стек одним кликом или частично — нижние уровни автоматически переадресуются на верхние. Разработчики из Vercel и WHOOP отмечают, что стеки сделали процесс ревью прозрачным, а слияние — быстрым и безопасным. Поддержка очередей слияний будет внедрена в ближайшие недели.

Тред обсуждает новую функцию GitHub — стековые пул-реквесты: некоторые пользователи считают её полезной для крупных и сложных проектов с множеством зависимостей, так как она упрощает проверку и слияние изменений. Другие выражают сомнения, указывая на риски длинных веток и необходимость повторного утверждения. Эксперты рекомендуют применять функцию в сочетании с другими инструментами, например jj, для оптимального результата.

Мы создаём сеанс, который объединяет интерактивную работу с терминалом, автоматические задачи непрерывной интеграции и фоновые процессы, а также операции в продакшене, устраняя разрозненные инструменты. Мультиплексор сохраняет полную историю, поддерживает нативный скролл, выделение и прокрутку, а также позволяет закрыть приложение и продолжить работу с любого устройства, включая веб и native‑клиенты для macOS и iOS. Сессия может быть разделена и совместным доступом, что делает её удобной для команд. Мы планируем начать с терминального мультиплексора, который станет основой для дальнейшего расширения до полной платформы и сохранит всё, что вам нужно.

Команда состоит из специалистов с многолетним опытом создания популярных инструментов: Mitchell Hashimoto, создатель Ghostty и соучредитель HashiCorp, известный своими проектами Vagrant, Terraform и Vault; Jack Pearkes, первый сотрудник HashiCorp и глава инженерного подразделения; Alasdair Monk, дизайнер с десятилетним стажем в Vercel и Heroku; Hector Simpson, интерфейс‑дизайнер, работавший в Poolside и Clearbit. Инвесторы поддерживают стартап, а подписаться можно для получения уведомления о бета‑релизе терминального мультиплексора. Планируется выпуск открытых версий и дальнейшее расширение платформы, что позволит командам работать в единой среде без потери контроля.

Тред обсуждает проект Superlogical как потенциальное решение для улучшения работы с терминалами и агентами, особенно в контексте фрагментации инструментов и отсутствия стандартизации. Участники отмечают его потенциал, но выражают скептицизм относительно необходимости нового мультиплексора на фоне существующих решений — tmux, zellij, herdr и Emacs. Критикуются отсутствие поддержки некоторых платформ и ограниченная функциональность. Рекомендуется учитывать опыт и лучшие практики этих инструментов, а также проблемы совместимости и стандартизации. Многие проявляют интерес к проекту, готовы следить за его развитием и предлагать идеи.

Bun изначально появился как Zig‑порт esbuild, получивший сразу набор функций: транспилятор JavaScript/TypeScript, пакетный менеджер, тест‑раннер, HTTP‑клиент и др. За год он стал скачиваться более 22 млн раз в месяц и поддерживается компаниями Vercel, Railway, DigitalOcean и другими. Однако из‑за низкоуровневого кода на Zig в проекте накопилось множество критических багов — use‑after‑free, утечки памяти, гонки, которые приходилось фиксировать вручную.

Переписав ядро на Rust, команда добавила AddressSanitizer, постоянно запускает fuzzing и выпускает безопасные Release‑Safe‑билды. Это позволило полностью устранить use‑after‑free, утечки в crypto.scrypt, tlsSocket.setSession и другие уязвимости, а также сократить размер бина и ускорить warm‑install в 7 раз. Rust‑реализация обеспечивает системную защиту от подобных ошибок, делает Bun более надёжным и готов к дальнейшему развитию.

• Исключительно быстрый переход от Zig к Rust с помощью Claude Code, протестировавшего 100 % тестов за 11 дней.
• Стоимость переписывания оценивается в $165 000 токенов, что дешевле найма полноценной команды.
• Критика направлена на отсутствие открытого анализа проблем, а не на эмоции; многие отмечают рост надёжности и уменьшение размера бинарника.
• Дискуссия подчёркивает, что такой подход возможен только при наличии зрелых тест‑сьютов и опыта автора, а также вызывает вопросы о долгосрочной поддержке и выборе стека.

Meta и Linux Foundation запустили React Foundation — новый дом для React и React Native. Фонд возьмёт на себя инфраструктуру, конференции и финансирование экосистемы, а техническое руководство останется в руках команды React. Meta вложит $3 млн и инженерную поддержку на 5 лет, чтобы обеспечить плавный переход к независимому управлению.

• React Foundation объявлена как шаг к «децентрализации» React, но участники обсуждения подчеркивают, что фактически Vercel и другие корпорации продолжают контролировать развитие библиотеки, и что это может быть просто маркетинговым ходом.
• Обсуждение затрагивает тревожный факт, что React становится всё более сложным, и что это может отпугнуть новых разработчиков, особенно если учесть, что даже такие базовые вещи как Jest и Create React App были убиты.
• Участники также обсуждают, что влияние Vercel на React может привести к тому, что React становится менее доступным для сообщества, и что это может быть не лучшим путем для такой важной библиотеки.
• Некоторые выразили обеспокоенность тем, что React может быть «захвачен» корпоративными интересами, и что это может быть не лучшим путем для такого важного проекта.

Симулятор аутизма позволяет нейротипичным людям на собственном опыте понять сенсорные и социальные трудности, с которыми сталкиваются люди в спектре аутизма на рабочем месте. Пользователи погружаются в виртуальную офисную среду, где их ждут гиперчувствительность к звукам, визуальная перегрузка и сложности с интерпретацией социальных сигналов — например, коллега может показаться грубым из-за прямого тона, хотя на самом деле это просто особенность коммуникации.

Инструсмент демонстрирует, как такие, казалось бы, мелочи, как мигающий свет или одновременные разговоры, могут серьёзно мешать концентрации и вызывать стресс. Это не только повышает эмпатию, но и помогает компаниям создавать более инклюзивные условия, адаптируя рабочие процессы под нужды нейроразнообразных сотрудников.

• Участники обсуждают личный опыт аутизма и ADHD, включая сенсорную чувствительность, трудности с маскировкой и выгорание на работе.
• Критики задаются вопросами о механике симулятора, отмечая неясность логики выбора и его последствий для игровых показателей.
• Поднимается вопрос о разнообразии аутистического спектра и необходимости учитывать индивидуальный опыт, а не обобщать.
• Обсуждается проблема стигматизации и недостаточной поддержки нейроотличных людей на рабочем месте.
• Некоторые пользователи видят ценность симулятора как инструмента для развития эмпатии и понимания трудностей нейроотличных коллег.

Сборник коротких серверлес-кошмаров

• $1189 – Webflow снял за месяц вместо $69.
• $100 000 – DoS на игровом сайте → счёт за Firebase за сутки.
• $738 – Vercel Pro + лимит $120 ≠ защита от «сюрприза».
• $70 000 – Проснулся с таким счётом за Firebase при тарифе $50.
• $22 640 – BigQuery на публичных данных.
• $250/мес – 9 тыс. просмотров в Framer.
• $1274 – AI Devin случайно устроил ддос в PostHog.
• $530 – Платный PostHog после нулевого периода.
• $384 – Документация на Mintlify.
• $103 – AWS Free Tier ловушка.
• $96 281 – Vercel: «я просто молчу».
• $120 000 – Cloudflare выключает сайт, требуя деньги за сутки.
• $1301 – Пустой приватный S3 + ддос.
• $11 000 – Mailgun во время атаки.
• $104 500 – Письмо от Netlify «переплата».
• $23 000 – Спам-атака на EchoFox в Vercel.
• $3000 – Тестовый деплой в Vercel.
• $620 – Sitemap.txt сожрал трафик.
• $72 000 – Тест Firebase + Cloud Run чуть не разорил.

Хочешь поделиться своим счётом-ужасом — пиши в твиттере или PR на GitHub.

• Пользователи делятся историями о «серверлес-ужасах» — внезапных счетах за десятки и сотни тысяч долларов из-за DDoS, ошибок в конфигурации или забытого ресурса.
• Критика сосредоточена не на технологии serverless, а на модели оплаты «плати за использование» без жёстких потолков: бюджет — лишь уведомление, а не отключение.
• Многие считают, что провайдеры могли бы автоматически отключать сервис при превышении лимита, но не делают этого, теряя деньги на «ошибках» новичков.
• Участники советуют: ставить rate-limit, использовать VPS с фиксированной ценой, поднимать bare-metal или хотя бы включать billing-alerts и «пауz-лимиты» вроде Vercel.
• Поддержка AWS/GCP/Azure часто прощает счета после публичных твитов, но это выживший эффект: официальной политики нет, и никто не гарантирует прощение.