Liquid AI 发布了 LFM2.5-24B-A2B，一个 24B 参数推理模型，仅 2B 活跃参数——最大且最终的 LFM2.5 模型。它专为快速、私密的端侧代理设计，在八项代理/工具基准中的五项上与 Qwen3.6-35B-A3B 具有竞争力，包括 LiveClaw（48.09 对 38.19）和 AutomationBench（27.69 对 8.72）。它比同类 MoE 最高快 1.7 倍，在 Apple M5 Max 上解码 184 token/秒，在一块 NVIDIA B300 GPU 上输出超过 21K token/秒。相比 LFM2-24B-A2B 的升级包括 128K 词表、131,072 token 上下文、33T token 预训练和大规模 RL；它使用显式思维链。基础权重和后训练权重已在 Hugging Face 开源，并支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。API 定价为每 100 万输入 token 0.10 美元、每 100 万输出 token 1.00 美元。
每日HackerNews RSS
Spool 是一个 1.0 之前的开源工具，用于创建、管理持久化的 Claude Code 循环，并与之聊天。它让用户给循环分配工作、协调它们，并通过 Web、Telegram 或 Slack 保持参与。循环作为 Claude 子进程运行，具备定时唤醒、可恢复会话、直接集群消息传递和风暴防护。控制室显示实时对话、日程和成本，并让用户暂停、唤醒或终止循环。计划护栏会在用量接近限制时让循环休眠。默认情况下，循环在带有出站允许列表的 Docker 容器中运行；裸模式则在无容器隔离的环境中运行。设置需要 Linux/macOS/Windows WSL2、Docker、git、Go 1.25+、Node 20.19+/22.12+ 和 Claude Code。使用 git clone 和 make build image 构建，运行 ./bin/spool，登录，添加令牌，创建循环，并接入一个机器人。文档涵盖操作、隔离、Slack/Telegram、安全、架构和贡献。
Spool 是一个旨在管理持续 Claude Code 循环的工具，无需维护独立的终端会话即可实现持续交互。它简化了循环的创建与管理，同时允许循环之间以及与用户进行通信。其核心聚焦于隔离性：循环在隔离的 Docker 容器中运行，仅使用精选的秘密，防止未经授权访问本地凭据和 MCP 资源。社区反馈强调了其安全性和成本管理的优势，尽管用户对子代理限制、使用跟踪以及支持多个 Claude 订阅提出了疑问。作者承认单订阅设计，但表达了对团队工作流多订阅支持的兴趣。总体而言，Spool 通过提供安全、持久的 AI 循环来满足需求，同时在成本控制和代理协调方面引发了讨论。
Tiny Little Office 智能体：https://tinylittleoffice.com/llms.txt 说明了如何把文档做成链接；一个文档以由其应用命名的围栏形式放入另一个文档中。一个微型办公套件，链接即文档。无需账户。除非你选择将其保留在此设备上，否则不会在任何地方保存任何内容。Tiny Little Office 需要 JavaScript 才能显示文档。智能体：https://tinylittleoffice.com/llms.txt 说明了如何把文档做成链接；一个文档以由其应用命名的围栏形式放入另一个文档中。
现代词典把词语简化为枯燥、功能性的释义，失去了细微差别和趣味。然而，约翰·麦克菲在修改时把词典当作创作工具，查阅熟悉的词，以找到精准、生动的措辞。1913年版《韦氏词典》为他提供更丰富、更能唤起联想的释义和用法说明。诺亚·韦伯斯特的《美国英语词典》是一项里程碑式的个人成就，以精准和诗意的色彩界定美国英语。它对 *flash* 和 *pathos* 等词的条目，比今天平淡的对应释义更完整、更准确。作者认为，使用韦氏词典会改变人与英语的关系，使即便普通的词也值得探究。附录说明如何在 Mac、iPhone、Android 和 Kindle 上安装1913年版《韦氏词典》。
sp-emu 是一个开源工具，可在 illumos/Linux（x86/ARM）上仿真 Cortex-M7 和 Cortex-M33 设备，用更高保真度的仿真取代 SpSim 桩。你可以将 Hubris 固件烧录到虚拟设备，并通过 MGS 和 IPCC 经套接字通信。最难的部分是时间：由于 Hubris 使用 1 ms SysTick，而仿真比硅片慢，时间被建模为指令。`maybe_tick` 每条指令递减一次 SysTick 计数器，并且仅在安全时触发 SysTick 异常。外设访问耗费一个指令 tick。`exception_entry` 建模 Cortex-M 异常进入。仿真器假定 Hubris 的内核不可抢占：SVCall、PendSV、SysTick 和 IRQ 共享优先级，故障优先级更高。`maybe_interrupt` 根据 PRIMASK/FAULTMASK/BASEPRI 投递挂起的 IRQ，并处理 PendSV 上下文切换。其主循环单步执行一条 Thumb-2 指令，更新 SysTick，投递中断，并定期为 MGS 数据包泵送 Ethernet/UART。
马绍尔群岛的棒状航海图由椰子树叶、椰壳纤维绳和贝壳制成。它们标绘了海洋涌浪以及岛屿如何扰乱这些涌浪，帮助独木舟航海者横渡太平洋。岛屿位置由贝壳或枝条交接处表示。海图分为三类：mattang（教学用）、meddo（特定岛屿/岛链段）和 rebbelib（整个岛链）。航海者在出航前记住它们，然后在独木舟中躺下感知涌浪模式。这些知识受到严格限制，由父传子，并由独木舟船队中的主领航员使用。二战后，由于电子导航、独木舟航行减少，以及美国核试验损害了马绍尔文化，其使用逐渐衰落。这些海图在制图学中意义重大，因为它们是一种罕见的海洋涌浪制图系统，所用材料不同，并记录了与传统地图不同的环境特征。1862年，一份传教士
TypeSafe 发布了 Jev 1.14.0，带有“危险区”实验性功能：可组合图像支持、返回边界框的新 `box` 类型，以及可选择启用的更长上下文。这些功能更偏向创造力而非生产可靠性；图像可在任何支持 JSON 的地方使用，但性能不如纯文本。`box` 类型仅存在于 jev-1.14.0。由于可靠性权衡，长上下文仍默认禁用。一项选择加入机制让用户帮助发现模型表现的不均衡，而不会用他们的查询进行训练。
Jev 1.14.0 也以 `jev-preview` 提供，带来细微改进，尤其是多语言支持。`jev-latest` 将在一周内更新到 1.14.0；1.13.0 仍可用，并计划提供 60 天和 30 天弃用警告。TypeSafe 还分享了内部智能测量结果，并警告这些结果存在偏差，不应取代用户评估。未来版本将专注于小型、稳定、可用于生产的改进。
OpenCode 2.0 是一次重大革新。它借鉴了数百万日常用户的经验，打造出一个能够灵活适应智能体所需各种形态的系统。其中包含大量新功能、性能改进和错误修复，但以下是部分对用户影响较大的变化。
OpenCode 2.0 的 Hacker News 帖子强调了开放编码工具链的重大重构：改进的可用性、客户端/服务器架构、自动的技能/插件处理、后台任务、问题跟踪器自动化，以及用于远程访问的 opentunnel。用户称赞其灵活性和 OpenCode Go 定价，但也在讨论其中的权衡。批评者指出热重载插件带来的安全风险、守护进程化服务器行为、沙箱绕过、配置加载回归、高内存/CPU 占用，以及由进度条 bug 引发的安装问题。多位用户更偏好强调极简/安全的 Pi，而其他人则将 Codex、Claude Code 和 DeepSeek 的工具链进行对比。定价和订阅行为也被讨论。公告页面本身因渲染沉重、卡顿而引发投诉。总体而言，OpenCode 2.0 被视为强大且有所改进，但在安全、性能和默认守护进程化方面存在争议。
作者指责 Anthropic 在介绍新版本控制系统 Scion 时未注明先前工作。Anthropic 称 Scion 使用“派生数据”来加速 blame；作者表示，他曾在 2022 年为 Meta 的 Mononoke 描述过同样的技术。他认为这种重合超出了独立洞见的范围，尤其是 Sapling 只得到含糊的致谢，而 Mononoke 完全没有，这近乎抄袭。他觉得该文章暗示这些想法是 Claude 发明的，而 Meta 团队在近十年前研究现有技术后就已开发出它们。他并不反对 Anthropic 借鉴 Mononoke 的开源设计——分享好想法正是目的所在——但警告称，LLM 将大量索引现有设计，包括 Mononoke。既然其他模型已经识别出相似之处，注明前人就比以往更容易，也更重要。
Hacker News 的讨论围绕一篇文章展开，该文认为 Anthropic 的新源码控制系统 Scion 受 Mononoke（Meta Sapling 的服务端组件）的启发很深，并且与其高度相似。Anthropic 的公告致谢了 Sapling/Piper，但未提及 Mononoke，引发关于署名的争议。评论者对这是可接受的启发、抄袭，还是工程师重建熟悉系统各执一词。作者表示复制可以，但希望明确致谢，尤其因为 LLM 能复现先前设计；他们声称 Claude 被指向 Mononoke。其他人讨论 Git 对超大型 monorepo 的实际限制、AI 驱动的代码量、营销/IPO 形象、干净室逆向工程，以及 Anthropic 声明的可信度。一些人捍卫 Anthropic 的扩展能力；另一些人批评缺少引用、潜在的知识产权清洗，以及“氛围式构建”的基础设施。帖子还包含对 Sapling/Mercurial 的怀旧，以及对 LLM 不注明来源的担忧。总体而言，争议较少关于技术，更多关于署名、规范和对 AI 辅助工程声明的信任。
在据报 Yandex 数据中心遭到袭击后，有传言称俄罗斯机器人农场已离线。Cloudflare Radar 和 Bot Management 的数据显示了更细致的情况。Yandex Search ASN（AS13238）的流量下降几乎全部来自已验证的搜索爬虫，主要是 YandexBot 在索引新闻和网页资源；影响是搜索索引减少。Yandex.Cloud ASN（AS200350）的类攻击流量下降——WordPress 探测下降 90%，扫描器请求下降 93%——但大规模自动化流量迁移到了其他俄罗斯托管服务商（例如 Radist、Selectel），其 JA4 指纹、请求路径、标头和 User-Agent 完全相同。针对某一客户的赌博机器人流量基本持平（从 1.677 亿次请求到 1.701 亿次请求），并在 10 月 8 日后转移了服务商。社交媒体流量以及发帖/回复/点赞端点的机器人请求，未出现意外的全球或俄罗斯来源中断。因此，这些袭击并未瘫痪恶意自动化，而是扰乱了特定基础设施。客户端 ASN 流量规模不能可靠地代表机器人行为。防御自动化威胁需要检查请求行为、共享指纹、异常速率，并在不考虑
对不起