Gimlet 宣布完成 3 亿美元的 B 轮融资，由 Andreessen Horowitz 领投，旨在扩展其多芯片 AI 推理云。随着 AI 工作负载从训练转向推理，功耗和延迟已成为行业面临的最严峻瓶颈。 Gimlet 通过摒弃传统的同构硬件来应对这些挑战。相反，他们利用异构架构，通过各种芯片（包括 GPU、CPU 和数据流加速器）智能地分解工作负载。通过拆解模型并将特定任务分配给最适合的芯片（例如分离预填充和解码阶段），Gimlet 实现了 3 至 10 倍的性能提升，并显著提高了能效。 这种方法使企业能够满足对智能体工作负载、更大规模模型和更长上下文窗口的激增需求，而不会触及当前数据中心电力容量的物理极限。随着 Gimlet 扩大其托管容量以应对行业的大规模增长，他们正在积极扩充团队，以继续构建这一对 AI 基础设施的根本性重构。
每日HackerNews RSS
抱歉。
Moadim 是一款开源、基于 MIT 协议的自动化工具，完全免费、无需账号且支持自托管。它专为 macOS 和 Linux 设计，作为本地守护进程（通过 `launchd` 或 `systemd` 管理）运行，执行任务时无需依赖云端，也不存在隐藏队列。 该工具支持多种内置代理（包括 Claude、Codex、Hermes 等），这些代理在独立的 `tmux` 环境中运行。每个任务的执行过程都经过彻底的沙盒隔离，确保运行之间不会发生状态泄露，并配备了看门狗计时器以终止卡死的进程。Moadim 要求系统路径中必须安装 `tmux`；若使用 Claude 代理，则还需 `python3` 来管理无人值守的信任授权和 MCP 审批。用户只需运行 `moadim install` 即可轻松管理持久化，确保守护进程在重启后依然生效。
抱歉。
AI 编程智能体经常将昂贵的“前沿”模型额度浪费在读取大文件或生成样板代码等常规 I/O 任务上。随着 AI 编程成本预计将大幅攀升，开发者需要一种更高效的方法。 解决方案是利用 Spotify Portal 中的“AiKA 模式”进行**模型路由**。通过将繁琐工作委派给更便宜且能力强大的模型（如 Gemini 2.5 Flash），你可以将昂贵的 Claude 额度留给复杂的推理和调试任务。 作者介绍了 **Shunt**，这是一款实现自动化路由的 Claude Code 插件： 1. **钩子 (Hooks)：** 拦截大文件读取请求，并将其重定向到“批量读取”模式。 2. **脚本 (Scripts)：** 执行专门的智能体来处理常规任务（如代码脚手架或摘要），而无需将整个上下文加载到主智能体中。 3. **技能 (Skills)：** 指导主 AI 何时以及如何分流任务。 这种方法在大文件读取上可节省约 90% 的额度，并将任务委派与基础设施管理解耦。通过使用 Portal 可共享、声明式的模式，团队可以将复杂的模型路由转化为简单的配置任务，确保昂贵的智能仅在真正需要时才被使用。
Spotify 近期发布的一篇工程博客文章声称，通过将任务分派给成本更低的模型，Claude Code 的 Token 使用量降低了 90%，这在 Hacker News 上引发了强烈抵制。
批评者主要针对文章的呈现方式，特别是其“滚动劫持”（scroll-jacking）的网页设计，以及大量重复的 AI 生成式措辞（即“Claude 式语言”）。许多读者认为这种文风令人难以阅读，且缺乏诚意。
在技术层面，评论者指出该方法仅仅是标准的“子代理”（sub-agent）模式——即把常规的侦查或文件检索工作分派给低端模型——而非什么突破性创新。怀疑论者指出，该文章未能提及任务准确性、代码质量或低端模型成功率等关键指标。许多人认为，如果模型频繁出错并导致需要由能力更强的模型或人工进行昂贵的返工，那么单纯“节省 Token”往往是因小失大的伪经济学。
最终，社区将这篇文章斥为“AI 垃圾内容”，并批评 Spotify 推崇这种复杂且低效的工作流，而资深开发者通常只需通过更好的提示词或现有的开源工具就能解决同样的问题。
Artificial Analysis 发布了 Intelligence Index v4.2 版本。这是一个过渡性更新，旨在跟上人工智能快速发展的步伐，为 v5 版本的正式发布做准备。该版本引入了更严苛、更真实的测试任务，并将私有预留测试集的权重提高至 40%，以防止模型出现“刷分”现象。
主要新增内容包括：
* **AA-Briefcase**：一项针对代理型知识工作的评估，涉及复杂的、为期数周的项目。
* **GDP.pdf**：一项专业文档推理测试，要求模型整合 4,592 页图表、表格和文本中的数据。
* **评分增强**：升级了基础设施，包括改进采样方式并重新锚定 Elo 分级，以确保更高的稳健性和评分准确性。
目前的排名显示，Anthropic 的 Claude Fable 5.1 在总指数中领先，OpenAI 的 GPT-6 Astra 紧随其后，并表现出显著的效率提升。Anthropic、OpenAI、Meta 和 Z.AI 目前代表了“单次任务成本”的前沿水平。此次更新强化了该指数对实际应用价值的关注，随着团队继续推进 v5 版本的全面开发，未来还将发布更多增量更新。
关于 **Artificial Analysis (AA) Intelligence Index v4.2** 的 Hacker News 讨论反映了开发者社区对 AI 基准测试的深度质疑。虽然一些用户称赞“全知指数”（Omniscience Index）对可靠性和减少幻觉的关注，但另一些人则认为，综合评分无法体现工具调用或边界情况处理等实际生产任务所需的细微性能差异。
主要批评包括：
* **方法论问题：** 用户指出存在“基准测试博弈”现象，即实验室针对特定测试对模型进行过度训练。此外，AA 频繁调整方法论也引发了不满，一些人认为这种做法缺乏科学性，或是对公众舆论的被动反应。
* **缺乏透明度：** 批评者呼吁采用完全可复现的开源流程及第三方审计，并对比了 AA 与诸如 Epoch Capabilities Index 等更严谨的基于 Elo 等级分的方法。
* **基准测试饱和：** 许多人认为 Terminal-Bench 2.1 等现有基准测试已趋于饱和，无法有效区分顶级模型。
最终，各方的共识是：没有单一的基准测试具有绝对权威性。许多开发者主张通过“实践经验”进行测试——即在具体的实用任务中评估模型，并认为依赖静态指标具有误导性，无法准确反映不同模型系列独特的优劣势。
费城圣诞村（Christmas Village）和“费城制造”（Made in Philadelphia）市集的摊主们接到通知，今年圣诞季期间，购物者将不得进入摊位内部。为了符合《美国残疾人法案》（ADA），主办方德国美国营销公司（German American Marketing）要求摊位安装销售柜台或障碍物，实际上禁止了公众进入。 首席执行官托马斯·鲍尔（Thomas Bauer）解释称，由于大多数摊位无法容纳轮椅通道所需的8英尺坡道，关闭摊位是唯一可行的法律解决方案。尽管少数较宽的摊位仍可使用坡道，但大多数摊主现在必须依靠工作人员在摊位外协助顾客。 这一决定在摊主中引发了强烈不满。他们担心布局的改变会阻碍顾客光顾，并对销售额产生负面影响。许多人对这一规定的发布时间感到格外愤怒，指出他们在规定宣布前就已签署合同并支付了费用，因此无法转向其他市场。此举是在近期市议会就公共活动中系统性无障碍设施缺失问题举行听证会之后做出的，此前倡导者曾批评市政府未能执行残疾人标准。尽管主办方表示已花费数月咨询法律专家，但摊主们对这些后期变更带来的财务影响仍深感担忧。
抱歉。
示例，或查看我们提供的以下示例之一： 选择一个示例... x86 Linux 上的 CTF 挑战 Arm Linux 上的 Hello World Megatest 反编译器测试二进制文件：arm64 FreeBSD Megatest 反编译器测试二进制文件：arm64 macOS Megatest 反编译器测试二进制文件：x86 Windows x86_64 Linux 上的 Ping6 x86 Windows 上的 VTable 又一个 x86 Linux CTF 挑战
抱歉。
《Calculating with Tones》一书的封面在吉他琴格与计算尺的对数性质之间建立了一种颇具启发性但并不准确的联系。尽管吉他琴格和计算尺都受到对数间距的影响，但它们的功能各不相同。
对数通过将乘法转化为距离的相加来简化运算，这正是计算尺的工作原理。相反，吉他琴格的定位是为了适应人类音高感知的对数性质而调整弦长。由于人类耳朵将八度音视为频率的倍增，琴格的间距设定为 2 的 12 次方根。
虽然“基于琴格的计算尺”在第一个八度音阶中似乎可行，但它无法在多个八度音阶中正确运作，因为其底层的数学刻度与乘法所需的真实对数刻度不同。在历史上，制琴师在精确数学公式普及之前，通常使用几何近似法（例如文森佐·伽利莱的 18:17 比率）来放置琴格。归根结底，虽然这两个系统都利用对数原理来映射自然界，但吉他琴格是为了音乐和谐而设计，而非作为数学计算工具。
近期的一场 Hacker News 讨论聚焦于《Code》一书作者查尔斯·佩措尔德（Charles Petzold）撰写的一篇名为《吉他品丝能进行乘法运算吗？》（Can guitar frets perform multiplication?）的文章。该文探讨了数学与音乐的交集，特别是品丝的摆放位置如何与对数标度相关联。
评论者们就品丝摆放的历史和力学原理展开了辩论，指出在现代精密工具出现之前，品丝通常是可移动的——由肠线或绳索系成——这使得乐手可以调节音准或尝试不同的调律法。一些参与者分享了关于制作乐器的个人轶事，以及调音所面临的挑战。
讨论还转向了一些技术性的旁支话题，包括将吉他谱视为“操作码”、振动弦的图灵完备性，以及关于品丝是否能“运行《毁灭战士》（Doom）”的幽默梗。最终，针对标题问题的共识指向了贝特里奇定律（Betteridge's Law）：尽管音乐具有对数属性，但吉他品丝的特定力学结构并非一种机械乘法运算。该帖凸显了社区对佩措尔德将复杂的数学概念与直观的物理表现形式相结合的能力的赞赏。
抱歉。
美国民众对政府腐败的认知已达到20年来的最高点。目前，89%的成年人认为腐败现象普遍存在，较去年上升了10个百分点。这一激增主要源于民主党人（91%）担忧程度的急剧上升，而独立人士（90%）和共和党人（83%）的悲观情绪也与之相当。 尽管许多国家都存在对政府腐败的担忧，但美国与其他发达经济体之间的差距正日益扩大。到2025年，美国在经合组织（OECD）国家中被认为腐败程度最高，且这一差距今年可能进一步拉大。值得注意的是，美国人认为政府的腐败程度远高于商业领域，目前两者18个百分点的差距是有记录以来的最高水平。 与往年党派偏见严重影响此类认知不同，当前创纪录的高位反映出一种罕见的跨党派共识。即使在政治领导层更迭后，各政治派别的美国人也越来越认为系统性的政府腐败是一个普遍存在的问题，这使得美国在全球政府腐败认知程度最高的国家中占据一席之地。
盖洛普近期的一项民调显示，高达 89% 的美国人认为政府腐败现象普遍存在，创下历史新高。《黑客新闻》（Hacker News）围绕这一调查结果展开的讨论，揭示了公众深刻的分歧，以及关于美国政治本质的广泛辩论。
**讨论中的关键点包括：**
* **“各打五十大板”与腐败规模之争：** 许多参与者认为，腐败并非新鲜事，但在规模和公开程度上已显著增加，尤其是在近期的行政决策和牟取暴利方面。另一些人则反驳称，“双方一样腐败”的论调是一种政治犬儒主义，通过削弱问责制从而使右翼阵营获益。
* **制度侵蚀：** 评论者担心现有的保障机制正在失效，例如竞选财务法、内幕交易监管法规，以及公职人员个人商业利益与公职的分离。一些人指出，最高法院对“联合公民诉联邦选举委员会案”（Citizens United）的判决是一个转折点，它变相推动了贿赂的合法化。
* **党派极化：** 尽管民主党人和共和党人绝大多数都认为腐败普遍存在，但他们关注的目标和原因大相径庭。对政府的信任度已高度依赖于哪个党派执政；支持者往往会对“自己阵营”的指控避而不谈，而将目光集中在对方的越界行为上。
* **公众绝望感：** 一个共同的主题是无力感。选民觉得自己在两个均有缺陷的选择之间陷入困境，导致许多人对政治体制持虚无主义态度。
在欧洲乃至更广阔的地区，各国政府正日益将其数字基础设施标准化为基于 PHP 的应用程序。从德国投资 1.08 亿欧元打造的标准化 TYPO3 政府网站构建器，到欧盟委员会庞大的 Drupal 驱动网络，PHP 已成为公共部门“数字主权”的基石。其他重要的实施案例，包括用于主权办公环境的 Nextcloud，以及在英国、荷兰和澳大利亚广泛应用的 Drupal，都证实了这些并非试点项目，而是关键任务平台。 然而，存在一种结构性不对称：尽管政府在关键服务上严重依赖 PHP，但目前尚无既定机制为其核心维护提供资金。尽管 PHP 在全球治理中发挥着关键作用，但 PHP 基金会的资金依然严重不足，仅依赖有限的自愿捐款。 为了弥补这一差距，作者提议将维护工作纳入公共采购。通过强制要求将合同预算的 2% 至 5% 分配给上游维护、在招标中为开源贡献打分，并强制执行代码共享规则，政府可以确保其所依赖工具的可持续性。展望未来，公共行政部门及其供应商必须将上游维护视为标准的商业成本，而非慈善行为。
抱歉。