每日HackerNews RSS

Meta Reality Labs 将 Android 的 Cuttlefish 虚拟设备框架从 Linux 移植到了 Apple silicon 上的 macOS,使 Mac 开发者能够使用与 Linux 用户相同高保真度的模拟器。Cuttlefish 能启动真正的 Android 系统镜像,比轻量级的 Goldfish 更好地追踪物理设备行为,从而减少对稀缺硬件的依赖。为实现这一目标,Meta 重新启用了 QEMU 作为 Cuttlefish 的 VMM,使 vhost-user 后端可移植到 Linux 之外,增加了 Hypervisor.framework 的内存区域跟踪槽,添加了支持触摸/鼠标的原生 Cocoa 显示,并处理了 arm64 构建、代码签名和公证。他们还为 Cuttlefish 的编排添加了 macOS 主机支持。该统一平台减少了维护、基础设施和工具的重复,同时提升了开发与 CI 环境中的保真度和一致性。它支持蓝牙、Wi-Fi、蜂窝网络、图形、OTA 更新、fastboot 和快照等功能。Meta 正在与社区共享 QEMU 的修改和 Cuttlefish 补丁,并探索上游贡献,以便外部开发者能针对相同的基于 Cuttlefish 的平台进行测试。

Hacker News 的帖子链接到 Facebook 的 Cuttlefish on Mac,将 Android 的虚拟设备框架带到 Apple Silicon。评论讨论 Meta 的 qemu-wearables fork 以及改动是否应合并上游。一个主要分支讨论开发者环境:与 Google 不同,那里许多开发者使用 MacBook 或 Chromebook 但 SSH 到 Linux 工作站,Meta 据报道选择支持 macOS 而非强制使用 Linux。评论者指出基于云的开发在弱网络下可能痛苦,但许多公司使用远程 UNIX 工作流。其他人提到向 Google 的 monorepo 推送需要 Linux 机器,而有些团队可能使用本地 macOS。帖子还包含一条简短笔记,哀叹 Meta Quest 提及减少而 AI 眼镜受到更多关注。

启用 JavaScript 和 Cookie 以继续

黑客新闻 最新 | 过去 | 评论 | 提问 | 展示 | 工作 | 提交 登录 仅仅因为你能,不代表你应该:重新评估 Galera 节点权重 ( percona.com ) 7 分 由 Sigmazero60 1 天前 | 隐藏 | 过去 | 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:

Neon 是一种多模态 AI 模型,可将企业输入——包括电子表格、PDF、图表、音频和视频——在一百万 token 的上下文中合成为结构化交付物。它在独立基准测试中表现优异,包括 Vals Index 第 2 名、Legal Research 和 Tax Agent Bench 第 1 名、Surge AI 顶尖结果、强大的图表阅读能力,以及领先的智能体与商业模拟评测。它还在 Arena 的 Agent Arena Index 中位列第 2,并在科学与数学推理基准测试中领先。

Google 发布了 Gemini 4 Neon,这是定位在 Hydrogen(小型)和 Carbon(XL)之间的中端模型,与 Opus 5.5/Sol 竞争。基准测试将其置于 Fable 5.2 附近,成本约为其 40%,Vals Index 排名 #2,服务速度非常快(约 127 tok/s)。Neon 取代了现已弃用的 Argon,但其在 Pro/Ultra 层级中的可用性仍令人困惑。 帖子的主导主题是命名混淆:Hydrogen、Carbon、Neon 和 Argon 并不按周期表顺序对应能力或价格,这让试图将模型映射到使用场景的用户感到沮丧。许多人表达对三大主要实验室不断重命名的疲劳。 比较贯穿始终:Neon/Carbon 在速度、写作和研究任务上表现出色,而 Opus 5.5 仍更受青睐于长周期编码和复杂工作。Anthropic 优势的推测原因包括更高质量的训练数据(书籍)、宪法式 AI、性格/品味,以及 RL 环境投资。Google 的优势归因于海量数据/算力和 TPU 基础设施。 用户还争论显示的推理轨迹是否反映模型真实思考,共识是它们往往是摘要或捏造。总体情绪:Google 已重回前沿,但模型选择变得不必要地复杂。

Google 通过为每位用户分配硬件隔离、沙盒化的虚拟机,多层安全机制(包括提示注入过滤器和安全浏览),以及在关键操作前的用户监督来保护 Gemini 任务数据。用户可以自定义权限、断开应用连接或删除聊天记录。Gemini 仍可能出错;用户可以点踩反馈,某些网站可能需要手动完成最后点击。要试用,请在 Gemini 中从 Chat 切换到 Task 并描述任务;在美国,用户还可以发送邮件至 [email protected],或通过应用设置设置短信。

Hacker News 讨论 Google 将 Gemini Tasks 这一私人助手功能免费开放。一些用户认为狭义自动化有价值:价格监控、假期规划、市场搜索、新闻研究及其他重复性杂务。另一些人认为助手不实用或有风险,指出它们可能 mishandle communications(处理沟通不当)、需要过多设置,且无法替代 physical tasks(实体任务)。隐私与商业模式担忧占主导:评论者警告 Google 可能利用 tasks 收集更多数据、后续变现或关闭服务,且具有 email or payment access(电子邮件或支付访问权限)的 agents(代理)很危险。少数人称赞 persistent agents(持久型代理)如 Muse 或 custom setups(自定义设置),而另一些人批评 Gemini 的 UX(用户体验)、tool reliability(工具可靠性)与 frequent approval prompts(频繁审批提示)。总体上,该帖串持怀疑态度,但承认具体、边界明确的 use cases(用例)。

安全文件共享 Flask 应用使用各自的 AES-256-GCM 密钥在静态存储时加密每个文件,并以 HPKE 副本形式存储给所有者和接收者;服务器无法读取文件。记录在 SQLCipher 中受 HMAC 和经本地 CA 认证的 ECDSA P-256 签名保护,并支持离线验证。上传按内容类型和大小进行验证,归档标记为未检查。认证使用 Argon2id 密码、服务器会话、CSRF、速率限制、安全头、邀请码和可选 2FA。账户支持带独立密钥的嵌套胁迫级别;胁迫密码可打开真实掩护保管库并可擦除一个级别。主密钥可要求 USB 闪存盘和口令;拔出闪存盘会暂停服务。管理员可吊销证书、封禁账户,并在管理员登录被盗后进行清理。终端控制台管理服务器、HTTPS、设置和审计日志。该设计可抵御被盗会话、Cookie 和数据库篡改,但服务器在传输过程中可看到文件。

对不起。

Octopus 是一个扫描器,它使用一个 canary 路径、两个随机 404 路径以及大约 300 个秘密文件请求,在约 10 秒内探测网站,并使用多种伪造或伪装的爬虫用户代理来区分真实的 .env 文件与软 404。它在 32 个用户代理之间轮换,包括未公开的 AI 机器人名称和接近真实爬虫的名称,所有请求均来自一个 Google Cloud 连接。请求使用 Accept */*、gzip、类似 Chrome 的 TLS、跟随重定向、保留用户代理并添加 Referer,表明这可能是一个使用类似 Chrome TLS 的 Go 客户端。其他观察者也报告了类似的伪造 AI 爬虫扫描;canary 路径出现在九月日志中,Octopus 于 10 月 3 日开始在作者的网站上出现,并在 10 月 16 日从 23/24 个名称扩展到 32 个。

对不起。

作者反思 GNU Emacs 邮件列表上关于是否接受 LLM 生成贡献的争论。奴隶制假设促使维护者说只关心代码质量,而非贡献者的政治立场或出身;作者拒绝 GNU 支持奴隶制这一说法,但认为这一立场过于狭隘。他们说自由软件的伦理只关注用户与软件的关系,而忽略劳动、数据提取、社会影响、无障碍性和供应链。他们捍卫四大自由,但希望项目增加伦理边界:公开决定 LLM 政策,判断过程而非人,支持可用性与无障碍,考虑谁获利、谁受害,并认识到中立有利于权力。他们认为拒绝一个补丁不违反自由零,而接受工作会奖励其产生方式。最终他们感到幻灭,但仍珍视软件,敦促运动将团结视为使命的一部分。

该帖讨论一篇文章,认为自由软件的伦理应延伸到代码之外,例如在未经同意的劳动上训练的 AI。评论者争论文章是否不当把盗版等同于奴隶制;辩护者说它使用的是思想实验,而非直接比较。其他人认为自由软件运动是政治和伦理的,而不只是技术性的,接受 AI 生成的贡献可能与它的价值观冲突。一些人反驳说代码质量应是主要标准,保持狭义使命有助于不同贡献者合作。其他辩论包括版权与同意、鉴于不道德的硬件供应链而拒绝 AI 是否不一致,以及本地 AI 是否能赋权用户。Stallman 的引述回复认为,拒绝来自不道德公司的有用贡献无益于事业。总体而言,讨论围绕自由软件应如何为 LLM 和贡献划定伦理边界。
Sexp Matrix 2 天前

"Sexp Matrix" 是一个将 s-表达式呈现在网格中的项目。评论者普遍批评它误解了电子表格和 s-表达式两者:它缺少电子表格中单元格引用其他单元格这一关键特性,且其矩阵结构强制所有行共享相同的列数,无法表示不同元数的表达式。一些人认为它可能是一个有意简化、可并行化的演示,可扩展以支持单元格引用和范围。其他人则将其与现有成果进行类比,如 Kenny Tilton 的 cells、Python 的 Trellis、Sean Parent 的 Adobe 探索、SIAG 以及 Emacs 的 calc/org-mode。旁注调侃了隐藏的滚动条和 "Sexp" 这个名字。

RadixArk 发布了 DaisyRose-27B,这是其基于 Qwen3.8-27B 构建的首款模型,通过 Miles 强化学习在长达 1M token 的长程智能体任务上进行训练。使用 1,200 个精选任务,在 144 块 H200 GPU 上历时 18 天,将 Terminal-Bench 4.1 pass@1 从 5.6% 提升至 12.0%,并改进了其他推理、指令遵循和编码基准。提供 BF16、FP8 和 NVFP4 检查点。提升来自精心设计的多阶段训练任务、具有更高利用率和更低成本的高效异步训练后端,以及一个运行了约 944,000 个沙箱、可靠性高且成本更低的鲁棒沙箱服务。

Hacker News 讨论了 RadixArk 的 DaisyRose-27B,这是一个基于 Qwen 3.8 27B 的后训练模型。评论者对后训练开源模型感到兴奋,尤其提到 Qwen 27B 在小体积下的强性能,并与其他后训练模型进行比较。帖子争论前沿 AI 的进步究竟来自精心策划的特定任务训练还是广泛的泛化能力,以及即使用户选择退出,对话数据是否仍被使用。成本与基础设施估算显示,训练大约需要 144 张 H200 GPU 运行 18 天,费用在 22 万至 66.8 万美元之间,取决于服务商。一些用户质疑基准测试的提升及可能的权衡:作者称所示基准没有回归,而其他人认为重度后训练可能提升编程能力,但削弱散文或隐喻理解。一项私有 86 任务评测发现 DaisyRose 略优于另一个 Qwen 微调模型,但 VRAM、耗时和 token 用量更高,导致一名用户称其为“benchmaxxing”。讨论还指出 Qwen 3.8 本身是从 Qwen 3.6 后训练而来,留下还有多少提升空间的疑问。

Search 每小时读取 officecommun.com 上一个由 Office Commun 签名的小文件;「Search › 检查更新…」会立即查看。若存在更新的版本,它会在后台下载,验证是否由 Office Commun 签名,随后替换,下次打开 Search 时即可使用。设置、固定项、历史记录和密码都不会被改动。

Hacker News 关于 Search 的讨论,这是一款基于 WebKit 的轻量级开源 macOS 浏览器,支持 Chrome 扩展和 Arc 风格功能(如空间、固定标签、分屏视图和预览)。创建者表示它采用 MIT 许可证,大小约 10 MB,依赖 macOS 内置的 WebKit 获取安全更新;Chrome 扩展通过 Apple 的 WKWebExtension 及兼容层运行,因此大多数热门扩展都能使用。评论者称赞其速度、低内存占用和极简设计,同时批评其文案像 LLM 生成、价值主张不明确、空间/配置文件不直观,以及缺少更广泛的命令面板等特性。用户还将其与 Orion、Ladybird、Zen 及其他 WebKit 浏览器进行比较。

更多

联系我们 contact @ memedata.com