在海拔3000英尺以上烹饪干豆更难，因为更低的沸点会减缓淀粉糊化和果胶软化，同时增加水分蒸发。炉灶慢炖能更好地控制高汤和沙拉中的豆子，但需要90–180分钟以上，并需频繁检查水量。高压锅可将温度升至240–250°F，把烹饪时间缩短至20–50分钟，并使软硬度更一致，尤其是鹰嘴豆和较老的豆子。在高海拔获得最佳效果：将豆子在盐水中浸泡8–12小时，尽早给烹饪液加盐，酸性食材待豆子接近软烂时再加入，水质硬则使用过滤水，煮好的豆子在其汤汁中静置。豆子的新鲜度是最大变量——老豆子无论用哪种方法都更难软化。总体而言，高压烹饪在效率和一致性上最可靠，而炉灶慢炖适合重视控制和高汤风味的厨师。许多高海拔厨师两种方法都会用。
每日HackerNews RSS
Hacker News
新 | 往期 | 评论 | 提问 | 展示 | 招聘 | 提交
登录
高海拔豆类：炉灶 vs. 压力锅
(highaltitudelife.com)
10 点，由 mooreds，1 天前 | 隐藏 | 往期 | 收藏 | 讨论
帮助 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
这篇文章认为，像 Claude Code 这样的 AI 编程助手已经消除了 Emacs 在编辑速度和定制性方面的传统优势，因为用户现在可以描述想要的软件，而不是亲自输入代码。它追溯了从确定性计算和失败的基于规则的 AI 到现代随机模型的转变，然后考察了廉价的 AI 生成代码如何催生出荒谬雄心勃勃的 Emacs 项目，例如 excali-mode（一个用 Emacs/C 实现的完整 Excalidraw 风格技术栈）和 cooked.el（一个 Rust 终端模拟器）。这些项目表明，实现成本不再阻止异想天开的重写，而长期讨论的 Emacs 改进却仍未完成，因为其实没有人真正足够想要它们。作者预测软件将变得高度个性化且一次性，AI 会生成定制应用甚至底层代码。最后的讽刺是：Stallman 的用户控制软件理想可能实现，但没有人会理解最终系统如何工作。
Hacker News 的帖子讨论了“Emacs in the Age of Magic”以及 LLM 对编程的影响。原帖作者认为 AI 编程工具强大但有缺陷——速度快但冗长、不安全、上下文能力差——认为程序员不会消失，并警告不要把人类思考交给机器。评论者争论 AI 是会取代工程师，还是只会产出低质量软件。有人把 AI 生成的代码比作外包复制粘贴代码；也有人称赞 AI 提高生产力并能集成到 Emacs。一个明显分歧是 human-emacs.org 承诺拒绝 LLM 生成的 Emacs 贡献，而批评者称其倒退，并预测支持 AI 的分支会超越它。其他主题包括软件自由、专有模型、幻觉、信任、验证、模块化、确定性工具，以及 AI 是减少学习还是扩大访问。总体而言，该帖反映了对 AI 影响编程技艺与开源社区的兴奋、怀疑与不确定。
MACaQ 是一个快速、与模型无关的量化工具，用于对文本、图像、视频和音频模型中的权重与激活值进行低精度量化。它支持 llama.cpp、vLLM、Diffusers 和 PyTorch，包括 2/3/4-bit GGUF、W4A4 和仅权重模式，能够在 64 分钟内使用 32.5 GB 内存完成 122B 参数模型的量化。据报道，它实现了比 MR-GPTQ 和 DuQuant++ 更低的困惑度，或以 11 倍更少的量化时间匹配 Llama-3-8B 的困惑度。功能包括扩散 Transformer 量化、图像到视频校准、语音生成检查点、通过 llama.cpp 的 CPU 执行，以及默认使用 W4A4 的 vLLM 服务。对于 Qwen3.8-27B，W4A4 的困惑度达到 2.8994，而 BF16 为 2.8463，预填充加速 2.33 倍，解码加速 2.58 倍。内核可通过 CANN 拉取请求获取，需要完整的昇腾运行时集成。采用 Apache 2.0 许可。
华为 CSL 团队在 GitHub 上发布了 MACaQ，一个用于本地推理的内部量化器。该 HN 帖子获得 134 点和 32 条评论。评论者指出结果很强，并分享了 Hugging Face 上复现的 GGUF 模型链接，包括 Qwen3.6 的量化版本。其他人讨论了华为相关的量化项目——SINQ 用于权重、KVarN 用于 KV 缓存、MACaQ 用于多模态校准的权重/激活——以及华为的顶级 GitHub 仓库专注于量化。一些用户更喜欢 GitHub，因为它直接显示代码，而另一些用户指出制裁可能使第三方托管有风险。还有关于项目名称发音和可能玩笑的旁支讨论。总体而言，该帖子突出了一款有用的开放量化工具和社区对其模型的兴趣。
IBM 宣布了 Quantum Nighthawk r3，设计用于在 520 个量子比特上执行 10,000 次量子操作，并计划在 2027 年将两个处理器连接成 1,040 量子比特系统。当前的 Nighthawk r2 每秒可提供最多 100,000 个样本，并支持在 120 个量子比特上执行超过 7,500 次操作；客户和合作伙伴已运行 340 亿个电路，报告最高 19 倍加速。示例包括 E.ON 的 15 倍加速、IBM/ORNL 的 12 倍加速以及 Algorithmiq 的 8 倍更快电路。IBM 还强调了模块化进展，包括 l-couplers 和低温集成。此外，增强版 IBM Quantum Platform 结合量子与经典 HPC，支持更快的工作流和更大规模计算，例如基于样本的量子对角化速度提升 5 倍，以及对 6.08 亿个样本的处理速度提升 33 倍。脉冲级控制和与 ORNL、AMD 的新协同设计平台旨在推进量子纠错。
Hacker News 上的一篇帖子讨论了 IBM 的 Quantum Nighthawk 公告。评论者澄清，"可编程量子比特"可能指的是物理的、未经纠错的量子比特，而不可编程的量子比特用于泄漏移除，而非完整纠错。一些人指出，量子计算机应被视为针对特定问题（如 Shor 算法和图算法）的专用协处理器，而非对经典机器的通用加速。
怀疑者认为 IBM 的说法是营销，机器仍无法做任何有用的事，而逻辑（纠错）量子比特——破解 RSA 等任务需要数百万物理量子比特——仍然遥不可及。其他人则反驳说 IBM 运营着世界上最大的工业研究机构，且自 2024 年底以来进展加速，使"量子寒冬"可能性降低。
其他要点包括对稀释制冷机成本、氦气供应和规模化功耗的担忧。一位评论者列举了 Hacker News 上反复出现的量子话题（炒作、"永远还有 10 年"、密码学恐惧），而其他人警告，若承诺未兑现，资金可能枯竭。总体而言，该帖反映了一种谨慎的兴趣与对近期实用性怀疑的交织。
Gemini Decision 1 是一款低延迟、高成本效益的多模态决策 API，可在单次前向传播中为选项评分，无需逐 token 解码。它支持文本、图像、音频、视频和 PDF，最多 16K token，1–100 个问题的延迟几乎保持不变，且不计输出 token，因此比同类 API 便宜很多。它支持是/否、多选题和量规评分，并提供置信度分数用于路由。
Google 推出了 Gemini Decisions API，与 Jev 和 OpenAI 一同提供专用的决策/分类模型。HN 用户争论这是否来得过晚，指出此类模型在 yes/no 选择、路由、过滤和评判方面可能比 LLM 更便宜、更快，同时提供校准后的概率。评论者强调 Gemini 的多模态支持（音频、视频、PDF），但质疑其在新任务上的校准、基准测试声明、成本、延迟以及 Google 的长期支持。一些人将其与旧分类器/NLI 比较，并讨论将决策模型用作门控或评分标准。总体而言，该讨论反映人们对更便宜、结构化 AI 决策的热情，以及对准确性、校准和供应商可靠性持怀疑态度。
自1973年以来，美国生产率提高到1973年40小时的产出只需16小时，但工人仍工作约40小时；收益流向产出，而非休闲。作者认为工资有三项职能——为时间定价、分配收入、赋予生活结构——技术正在将前两项拆开。随着机器自动化例行任务，即使努力不变，工资作为价格也在下降，因此18个被释放的工时从未进入普通工资；另外6个本可缩短工时，但因许多工人无法拒绝低工资而没有实现。提出的解决办法是分离工资的职能：让它作为价格，同时通过共同所有权创造第二张收入票。五分之一的机器和土地可每月向每人支付约374美元，部分资金来自将利润税转为公共合伙并征税土地租金增长；其余可逐步购买。把税收从工资上移开。目标是在自动化使工资更小时，让时间变得可负担。
该帖讨论了一篇关于生产力提升为何未减少工作时长的文章。评论者争论人们努力工作是否因竞争、住房、医疗和教育成本上升、追求地位以及财富集中所致。一些人强调集体行动、劳动史和政策选择；另一些人指出AI可能悄悄减少工时或提高预期。有人批评AI生成的内容和归属错误的说法。个人经历将高压科技工作与更简单的生活方式作对比。总体而言，讨论表明工作强度持续存在，因为盈余被资产所有者获取，社会竞争依然强烈，且结构性激励奖励更多工作而非更多闲暇。
一只来自温尼伯、名叫Eddie的君主斑蝶，被一个微小的BlūMorpho发射器追踪，向南穿越曼尼托巴、北达科他、明尼苏达并进入堪萨斯。这个重60毫克、由太阳能供电的装置发送蓝牙信号，手机和接收器将信号转送至Project Monarch，允许公众追踪。Eddie属于长寿的“super”或Methuselah世代，其迁徙约4000公里至墨西哥森林冬眠，并在春季返回北方。今年秋天，29只温尼伯君主斑蝶被标记，全加拿大和美国1300多只中的一部分；截至10月底，五只已到达墨西哥，而Eddie已有19天未被检测到。追踪通过揭示迁徙路线、补给站点和栖息地缺口，帮助保护工作。君主斑蝶是受威胁的授粉者，因除草剂、气候变化和城市扩张导致的乳草损失而面临危险。社区正在通过种植带有本地乳草和蜜源植物的“君主斑蝶驿站”，在加拿大与墨西哥之间建立蝴蝶通道。
Hacker News 的一篇讨论介绍了用于追踪帝王蝶从加拿大到墨西哥迁徙的微型射频发射器。据报道该设备售价 175 美元，每秒在 2.4 GHz 频段发射一次信号；附近开启蓝牙和定位服务的智能手机或平板电脑可能会将信号中继到 Project Monarch 服务器，即使未安装该应用。评论者质疑其工作原理并将其与 AirTag 比较，同时指出绘制的迁徙路径看似可信。其他人称赞了安装发射器的特写照片，对电池寿命表示好奇，并对如此小巧的追踪器可能被用于间谍活动表示担忧。该帖还链接到先前的 Project Monarch 讨论和产品页面。
科技股暴跌，因人工智能支出和债务引发泡沫担忧。大型科技公司烧钱的数据中心建设越来越多地由不透明的私募信贷/股权融资，使公共养老金和新近的私人退休账户面临未披露风险。私募股权支撑大量数据中心融资；超大规模云服务商信用质量正在减弱，信用违约互换（CDS）需求上升，相关融资引发类似2008年的担忧。尽管选民最近否决了许多数据中心，现有债务仍然存在。文章认为，退休储蓄者和养老金受托人可以向基金施压，避免风险性不受监管资产，同时最终将储蓄重新投向可负担住房和清洁能源等生产性投资。它说，风险可见且可避免。
Hacker News 线程讨论一篇文章，称退休储蓄正在助长 AI 泡沫，尤其新规则允许 401k 和养老金资金进入私募基金。评论者质疑退休资本是否助长每一轮泡沫，以及 AI 泡沫是否真实。一些人认为被动指数投资将暴露集中于 Mag7/AI 股票，而另一些人指出指数基金只是跟踪市场情绪。关于 AI 支出是不可持续还是被强劲收入所证明，存在分歧；一些人警告估值崩溃可能引发连锁反应，另一些人则说需求仍在，且公司盈利。该线程还涵盖数据中心“军备竞赛”式支出、建设暂停可能的好处、救助担忧，以及对文章政治动机和可负担住房提案的怀疑。多人指出这轮泡沫不同于互联网泡沫/房地产泡沫，因为资金来自现金充裕的公司，并讨论了 Zitron 等评论者。
2003年，弗吉尼亚理工大学使用1100台Power Mac G5构建了System X，达到10万亿次浮点运算/秒，全球速度排名第三，也是学术机构中最快的，成本为520万美元，而Earth Simulator的成本为4亿美元。后来它用1100台定制的双2.3 GHz Xserve G5重建，以支持ECC内存，达到12.25万亿次浮点运算/秒，并在2004年TOP500榜单中排名第7。2008年，System G使用324台搭载Intel Xeon处理器的Mac Pro，达到22.8万亿次浮点运算/秒，并专注于功耗感知、节能的超级计算。这些项目共同表明，Mac硬件可以构建能力强且成本低廉的超级计算机，并推动了每瓦性能成为关键指标。
Hacker News 的一个帖子讨论了关于 Virginia Tech 基于 Mac 的超级计算机的文章。评论者分享 Apple 硬件愿望，讨论 Virginia Tech 与 UVA 的知名度和招生，拿“Hokies”开玩笑，提到该系统在 2003 年曾短暂排全球第三，并将其性能与现代 Apple M1 Max 芯片和 GPU 比较；还有人回忆高 GHz 时代低效 CPU。
下一个
新建
延长
验证
呼叫下一位创始人
16:12
演示日后1天
第一幕
邮件
笔记
17:00
放弃
投资
暂缓
将决策表放在桌上
检查
点击纸上的一个事实 · 0 / 2
请提供条款清单
故事
由 Bo Lau 创作
启用 JavaScript 以进行游戏。
≡
Hacker News 讨论了一个名为 term sheet please 的 Show HN 项目，它将《Papers, Please》改编成一个关于决定资助哪些 YC 创业公司的游戏。评论者称赞其想法和部分提案的真实性，但批评其未署名原作者 Lucas Pope、文档管理混乱、UI 过小、规则不清，以及疑似 AI/vibe-coded 生成且缺乏试玩。其他人争论该戏仿是否会削弱《Papers, Please》关于国家权力与压迫的严肃主题，认为创业投资场景缺乏可比的道德分量。一些人认为这是轻松的讽刺，并说创作者可能只是忘了署名。帖子还包含笑话、一个相关创业公司合并工具，以及诸如重命名“Pass”印章和改进品牌等建议。