Gemini 4 Argon（High）是智能水平领先的模型之一，与同价位的大多数模型相比价格也较为合理。该模型支持文本和图像输入，输出文本，并提供 100 万 token 的上下文窗口。 Gemini 4 Argon（High）在 Artificial Analysis 智能指数中的得分为 53，在同类模型中明显高于平均水平（中位数为 26）。在智能指数评估过程中，该模型生成了 1.1 亿个 token，相比 8200 万的中位数略显冗长。 Gemini 4 Argon（High）的价格为每 100 万输入 token 2 美元（价格适中，中位数为 2 美元），每 100 万输出 token 10 美元（价格适中，中位数为 10 美元）。在智能指数评估中，评估该模型完成每项任务的平均成本为 1.99 美元。
每日HackerNews RSS
Gemini 4 Argon（高配）：智能水平、性能与价格分析 Gemini 4 Argon (High): Intelligence, Performance and Price Analysis
13 天前
关于 Google Gemini 4 Argon（High）的 Hacker News 讨论褒贬不一。Artificial Analysis 的结果显示，它的智能水平接近前沿，单任务成本与 GPT-6.1 Sol 和 Claude Opus 5.5 High 大致相当，但价格低于更昂贵的“Max”档模型。Google 的首发定价为每百万输入 token 2 美元、每百万输出 token 10 美元，并提供缓存输入折扣；业内普遍认为这一定价颇具进攻性。
支持者强调，它在基准测试中的效率很强，据报道幻觉率较低，并具备多模态能力。此外，Google 垂直整合的基础设施，以及 Search 庞大的 token 用量和 Cloud 分发渠道，也为其提供了优势。这些因素可能对 OpenAI 和 Anthropic 构成压力，尤其是在 AI 威胁 Google 搜索广告业务之际。
质疑者则认为，Argon 并非智能水平上的重大突破，仍逊于 Anthropic 和 OpenAI 的顶级配置，也可能延续 Google 偏重优化基准测试、而非可靠实际表现的倾向。还有人称，Gemini 模型在编程、一致性和智能体任务方面表现不佳。此外，Argon 何时公开可用、订阅配额如何，以及模型是否存在被官方“暗改削弱”的情况，也尚无定论。
总体而言，评论者认为 Argon 是一款可信且可能带来颠覆的发布，但在日常使用中是否明显更优，尚未得到证明。
一场 Hacker News 讨论赞扬了彭博终端（Bloomberg Terminal）作为专家优化界面的优势：简洁、信息密度高、由键盘驱动，并旨在支持快速浏览和操作。评论者认为，它优于航空电子设备、任务控制中心和工业系统；同时，他们批评现代消费级图形界面过度重视新手易用性，却忽视了专家效率、稳定性和肌肉记忆。
彭博终端整合了实时及历史金融数据、新闻、分析工具、交易、专业通信和强大的人工支持。其功能广度、可定制性、数据质量以及网络效应，使其很难被替代，尽管市场上也存在其他选择。
其他人还讨论了它每年约 2.5 万至 3.2 万美元的价格、有限的公众访问权限、身份象征意义、垄断力量，以及此类工具可能加剧金融不平等的问题。技术讨论涵盖其发展历史、专用键盘和字体，以及基于 Chromium、TypeScript、C++ 和其他语言的现代实现，其中还包括一套基于 OCaml 的衍生品定价领域特定语言。
Halfspace：用于距离场实体建模的实验性 IDE Halfspace experimental IDE for solid modeling with distance fields
13 天前
Halfspace 是一款实验性的跨平台 IDE，使用距离场进行实体建模，并基于 Fidget 几何内核构建。它支持基本几何体、手写的 Rhai 脚本、增量式模型组合、实时可视化，以及导出为图像或三角网格。传统 CAD 通常会隐藏距离场，而 Halfspace 强调物理上可实现、具有明确内外边界的实体。
Halfspace 不将距离场封装在构造实体几何运算中，而是直接公开场值和梯度。这有助于用户诊断不连续和行为异常的边界，因为这些问题可能导致法线或着色错误，或影响网格质量。
该应用使用 Rust、egui、wgpu、Rayon、WebAssembly 等库，可在原生环境和浏览器中运行。它也推动着 Fidget 的开发：GPU 加速的光栅化和着色现已使 Web 端具备交互性能。渲染逻辑集中在 Fidget 中，Halfspace 仅保留精简的着色器。
Halfspace 仍处于实验阶段，可能会进行破坏性 API 变更，不适用于关键工作负载。项目采用 MPLv2 开源许可证，并欢迎在 GitHub 上提交问题和参与讨论。
关于 **Halfspace** 的 Hacker News 讨论。Halfspace 是 Matt Keeter 用来通过距离场进行实体建模的实验性 IDE。评论者提到，Keeter 长期从事独立研究，并分享了他的研究档案、论文以及一场关于隐式曲面的演讲。
讨论随后延伸到独立研究面临的挑战：如何在没有机构支持的情况下建立结构和社区、如何维持自主规划的职业道路，以及如何兼顾工作中的创造性与实用性。有人还将 Kartik Agaram 的 **Mu** 作为类似的独立项目加以举例。
几位评论者分享了相关工具，其中包括一款基于 WebGL 的 SDF 编辑器，它支持输入 ShaderToy 代码，并能导出用于 3D 打印的 STL 文件。还有人称 Halfspace 是 **Antimony** 的精神传承者，表达了自己试用它的强烈兴趣，并开玩笑说要等待“ Halfspace 3”。
Netlify 重建了其 Edge Functions 平台，在自有边缘网络中运行 Firecracker MicroVM，不再依赖托管执行服务。温调用延迟的中位数从 25–40 毫秒降至约 5–6 毫秒，速度提升约五倍，同时改善了可用性、安全性、韧性和日志交付能力。
请求会在距离最近的边缘节点终止 TLS，获取带版本信息的机器规格，并通过 Rendezvous 哈希路由到计算节点。各服务按部署进行隔离，防止代码或配置更改共用 MicroVM。计算节点会缓存函数镜像，并使用内存映射 EROFS 文件系统、快照和缩容至零机制来减少冷启动开销。本地 DNS、详细的性能指标、断路器、独立的计算节点集群，以及基于健康状况的控制平面滚动部署，共同提升了可靠性和部署安全性。
此次迁移无需客户更改任何代码、配置、价格方案或工具。新架构还为支持更多 npm 包、提高资源上限，以及推出过去依赖第三方基础设施的新功能创造了条件。
Netlify 重建了 Edge Functions 平台，取代了托管在外部的 V8 isolate，换成运行在自身网络中的、基于 Unikraft 的 Firecracker MicroVM。Netlify 表示，这样做后中位延迟大约降低了 5 倍；借助预先预热的 MicroVM 快照，JavaScript 服务器的启动时间约为 15 毫秒，冷启动也只略慢一些。
评论者认为，这一标题具有误导性：V8 isolate 通常具有更低的启动开销和更好的资源效率，而报告中延迟改善的主要原因是消除了与外部执行提供商之间的网络跳转，并非 MicroVM 本身运行得更快。
主要优势在于更强的隔离性。V8 isolate 共享进程、内存空间、分配器和内核，因此不被视为严格的安全边界。MicroVM 拥有独立的内核和硬件虚拟化机制，更适合运行不受信任或对安全性要求较高的代码，但也会增加复杂性、资源成本，以及与快照相关的潜在安全问题，例如重复的随机数生成器状态。
讨论还涉及 Firecracker 的替代方案，包括 SlicerVM 和 smolvm、AWS 在创建 Firecracker 中的作用，以及对 Netlify 或 Unikraft 利用此次发布进行推广的质疑。
## 第一部分 三十年来，EDG 前端一直是業界 C++ 编译工作的核心，也是同类引擎中唯一达到生产质量标准的源到源转换引擎。 ## 即将推出 完整的故事仍在书写中。 本节将介绍 EDG 的创立过程、幕后人物、前端发展的各个里程碑，以及基于 EDG 构建的编译器和工具。 如果你想分享这段历史中的某个故事，欢迎在本网站的代码仓库中提交议题。
随着公司逐步收缩业务，EDG 已依据 Apache 2.0 许可证及 LLVM 例外条款将其 C/C++ 编译器前端开源。此次发布包括详尽文档、可追溯至 1990 年的完整仓库历史、源码转换和 C 代码生成后端、预链接器、运行时以及开发工具。
EDG 负责解析、语义分析、模板实例化和 constexpr 求值，并生成中间表示，供编译器、分析工具或代码生成后端使用。它大部分以 C 语言编写，构建速度快，能够模拟主流编译器的行为和特性，并且支持多种 C/C++ 方言。一位前工程师表示，它基本实现了完整的 C++23 支持，也包含部分 C++26 相关工作，但模块支持仍较落后。
EDG 曾为多款产品提供支持，包括 NVIDIA 的 NVCC、Visual Studio 的 C++ IntelliSense、Green Hills 编译器，以及历史上的 Intel 和 SGI 编译器。它还通过 `export` 模板和反射等特性的研究影响了 C++ 标准。
评论者认为，这次发布既是一项备受尊重的编译器实现的保存里程碑，也象征着一个时代的终结。微软或现有客户或许能够继续支持该项目，但维护现代编译器前端需要稀缺的专业人才，因此社区对外部贡献者能否跟上未来标准的发展仍持怀疑态度。
神经活动的传播波可能帮助大脑协调认知中快速且与任务相关的变化。研究人员利用癫痫患者的高密度颅内记录发现，皮层波动的形式比早期脑电研究表明的更为多样。这些波动包括从源点向外扩散、向汇点汇聚，以及以螺旋形式旋转。其模式会因言语记忆任务和空间记忆任务而异；沿大脑前后方向传播的波动可能有助于大脑在记忆编码和记忆提取之间切换。小鼠研究还发现，两个半球之间存在同步的螺旋波，以及可能有助于产生这些螺旋波的神经回路。 这些振荡可能通过实时协调神经元兴奋性、感觉处理、预测和信息流，补充速度较慢的解剖结构连接。然而，它们的因果作用仍有争议。一些科学家认为，细胞外波动会主动组织大脑 processing；另一些科学家则认为，这些波动只是突触活动的副产物。更高密度的电极覆盖正在揭示稀疏记录所遗漏的复杂性，但传播波究竟如何影响认知仍未得到明确解答。
一场 Hacker News 讨论围绕《Quanta》上一篇关于记忆任务中检测到螺旋状和同心圆状脑波的文章展开。支持者认为，这些模式可能是皮层processing中具有意义的结构；怀疑者则质疑，它们究竟是因果信号，还是神经元同步活动的副产物。有人提出星形胶质细胞和神经电场耦合可能是背后的机制，但批评者强调，相关研究涉及规模较小的癫痫患者样本、受限的任务、有限的复现结果，以及可能带有 sensational 色彩的标题。
讨论还延伸到脑波是否与 ADHD、冥想或偏头痛有关，神经振荡速度变快的意义，以及科学错误——例如曾把非编码 DNA 称为“垃圾”——究竟反映的是无能，还是科学中普遍存在的不确定性。评论者还比较了生物大脑与大语言模型，许多人认为人工神经网络并不是研究大脑动态过程的良好模型。量子意识理论和电磁场理论也被认为缺乏证据。
另一场讨论中，Hacker News 管理员“dang”解释了为什么管理行为看起来必然不一致：管理员只能看到被随机抽取的一小部分评论。
Gemini 4 Argon 被定位为一款高能力模型，面向需要长期执行的多步骤企业任务，兼具编程、推理和多模态理解能力。据 Google 工程师表示，他们使用该模型进行调试、大规模代码库迁移和算法设计；其在 DeepSWE v1.1 上的成绩据称达到 77.9%，处于领先水平。它还位居 GDP 加权 Vals 指数榜首，并在金融和法律智能体基准测试中表现突出。 Argon 以 51.3% 的成绩位列 Zapier AutomationBench 第一，展示了强大的端到端业务自动化能力。其多模态能力包括专业图表分析、长视频理解以及处理系列文档 reportedly 在 LVBench 上取得了 91.7% 的领先成绩。 总体而言，Argon 强调长期任务执行、跨领域知识工作、视觉推理和实用的企业自动化。
讨论聚焦于 Google 的 Gemini 4 Argon。这是一款前沿模型，最初仅向部分网络安全防御人员开放，而非普通订阅用户。Google 声称，该模型在基准测试中表现强劲，并取得多项内部成果：能够让智能体将大型 C/C++ 代码库迁移至 Rust，其中包括 Fuchsia 中拥有 80 万行代码的 Zircon 内核；此外，还能优化数据中心内存，并改进量子电路。首期 API 的输入和输出价格分别为每百万 token 2 美元和 10 美元，之后将上涨至 4 美元和 20 美元。
评论者意见不一。支持者认为，Argon 表明 AI 正在实现跨越式发展，加快编码、科研和逆向工程的发展速度，同时削弱科技公司的“护城河”。批评者则质疑基准测试是否已经趋于饱和、实际使用成本是否过高、Google 延迟开放该模型的原因、割裂的产品界面，以及 Antigravity 薄弱的权限管理机制。
Gemini 3.8 Flash 在编程和系统管理方面受到好评，但用户也报告了幻觉、上下文丢失、危险的数据库操作以及对齐失败等问题。更广泛的讨论集中在以下几个方面：AI 是否会成为由少数超大规模云服务商主导的商品；开源模型能否维持竞争；以及由智能体驱动的 Rust 重写能否安全地取代成熟的 C++ 系统。
Hacker News 的讨论帖围绕 GPU 文本渲染技术展开，重点比较了 SDF/MSDF 与 Slug。
SDF 和 MSDF 使用预先计算好的纹理图集，因此着色器简单，也支持 mipmap、描边、阴影，并且适合普通尺寸的 GUI 文本、图标、SVG 和 Lottie 资源，效果也较好。它们的缺点包括图集生成、字形覆盖范围、小字号文本质量以及许可证限制。不过，动态在 CPU 上构建图集和光栅化回退方案可以缓解其中的许多问题。
Slug 直接在片元着色器中对字体轮廓进行求值，无需大型图集，也不需要为每种字号单独准备位图。它支持动态文本、大量字形、任意变换和透视投影，并且无需细分几何即可实现近似抗锯齿。然而，它的着色器和预处理过程更复杂，基于真正距离场的效果有限，hinting、字形整形、双向文本和国际化支持仍然具有挑战性。
一些评论者分享了其他方案，包括 Windfoil、扫描线遍历、GPU 自动 hinting 和单调 Bézier 光栅化。另一些人则批评文章存在有偏的比较、技术上的过度简化，以及与 LLM 相关的文字。作者承认曾使用 LLM 来整理和扩展人类撰写的技术材料，同时强调文章并非旨在宣布 Slug 在所有方面都更优。Slughorn 的作者还介绍将该算法扩展到文本之外，用于通用的矢量图形。
Mathematical Origami
13 天前