Hacker News Digest

Бывшая сотрудница полиции Саванны (штат Джорджия) Эмбер Харп передала мужу — агенту иммиграционной и таможенной службы (ICE) Тайлеру Харпу — свой логин и пароль к системе распознавания номеров Flock. По данным внутреннего аудита, с её учётной записи за январь–июль 2026 года было выполнено 983 поисковых запроса по 97 номерным знакам из Джорджии, Нью-Джерси, Мэриленда, Флориды, Южной и Северной Каролины. Больше всего активности пришлось на Южную Каролину: 48 номеров дали 788 запросов. В документах отмечено, что большинство владельцев машин, попавших в аудит, — латиноамериканцы.

Харп признала, что давала мужу доступ, но заявила, что он сертифицированный федеральный офицер и все поиски велись исключительно в правоохранительных целях — для розыска людей с ордерами на арест. Она утверждала, что помогала другому ведомству так же, как ожидала бы помощи для полиции Саванны, и что результат был бы тем же, выполняй она запросы сама. Руководство уволило её за передачу доступа постороннему, нарушение политики и подрыв системы контроля за использованием данных. Апелляцию она проиграла, а позже отозвала жалобу в совет по гражданской службе; увольнение вступило в силу 26 сентября. Её дело — часть более широкого расследования о злоупотреблениях Flock, в рамках которого других бывших сотрудников обвиняли в поиске романтических партнёров и знакомых из личных побуждений.

Flock — открытый SaaS без 2FA и привязки к служебным устройствам, что позволяет входить из любой точки и упрощает передачу доступа супругу‐агенту ICE. Участники отмечают системные пробелы в контроле доступа, предсказывают юридические последствия и предлагают меры усиления безопасности: обязательная 2FA, вход только с корпоративных управляемых устройств, физический контроль доступа (badge‐in), уголовная ответственность за несанкционированный доступ и использование данных без ордера. Судебные прецеденты (Chatrie v. United States) поддерживают ожидание конфиденциальности цифровой истории, что может сделать запросы к Flock незаконными. Медиа часто усиливают страх вместо обсуждения системных проблем, мешая объективному контролю. Подобные уязвимости наблюдаются в здравоохранении и NHS, подтверждая общую слабость систем без строгой защиты. Предлагается рассмотреть air‐gap для критически важных систем.

Линус Торвальдс выпустил ядро 7.3, не став затягивать с релизом: по его словам, на этой неделе он «каким-то чудом» не потерял счёт дням. Выпуск стал рекордным по всем показателям — 18 765 несливаемых коммитов от 3 021 разработчика, из которых 807 участвовали в разработке ядра впервые. Сразу после релиза открывается окно слияния для 7.4, но Торвальдс предупредил, что из-за ежегодного семейного отпуска будет заниматься слияниями не с утра, а после обеда, проводя большую часть дня на лодке под водой, так что его график какое-то время будет необычным.

Среди значимых изменений — расширения «binfmt_misc», работа по групповому планированию для повышения производительности на больших системах, новая файловая система «failfs», проваливающая все операции, системный вызов fchroot(), глобальные данные per-CPU для программ BPF, завершение функции подпланировщика «sched_ext», отслеживание рабочего набора для виртуальных машин, поддержка альтернативных потоков данных в файловой системе ntfs3 и длинный список улучшений SMB-сервера. Подробности собраны в обзорах окна слияния LWN и на странице KernelNewbies, посвящённой 7.3.

Релиз 7.3 включает ksmbd с поддержкой Time Machine, реализованную обратным инжинирингом и остающуюся проблемной при работе с клиентами Apple из-за ограничений и несовместимости. Добавлен failfs — псевдо-файловая система, где любой путь не существует, обеспечивающая строгую изоляцию процессов через ограничение доступа только к заранее открытым дескрипторам. Улучшена поддержка Apple‐silicon, хотя мнения разделились: некоторые считают темпы быстрыми, другие — лишь стабильными из-за отсутствия GPU и Thunderbolt. Появился первый драйвер Wi‐Fi HaLow (s1g/900 MHz), требующий обновлений hostapd и wpa_supplicant для полноценной работы. Политика ядра допускает использование ИИ при написании патчей при условии раскрытия его применения и оставляет ответственность за качество за человеком. Релиз стал рекордным: 18 765 неконтрольных коммитов от 3 021 разработчика, включая 807 новых участников. Исправлено рекордное количество CVE‐уязвимостей, подчёркивая усиление безопасности. Обсуждается рост количества Rust‐патчей в ядре.

Если вы пользуетесь большими языковыми моделями через готовый интерфейс с подпиской, вы видите лишь жалкое подобие статистики, а не данные, пригодные для инженерных решений. Автор настаивает: без собственного прокси-сервера вы просто не понимаете, что происходит с вашими запросами. Экспорт через OTel — лишь отговорка; настоящая прозрачность достигается только на своей инфраструктуре.

Свой прокси даёт единую точку для нескольких провайдеров и моделей, журналы того, какой ключ, какой клиент и в какое время вызывал какую модель и с каким статусом, а также виртуальные API-ключи вместо одного главного, который вы раскидываете по агентам и инструментам. Инфраструктура под вашим контролем позволяет мгновенно переключать модель или провайдера, не перенастраивая всё заново. Прокси можно дорабатывать под свои задачи — автор, например, добавил улучшенную аналитику и собственные конечные точки MCP.

Главный практический выигрыш: при промахе кэша во время сессии можно за 20 секунд вручную понять причину, а благодаря API прокси это реально автоматизировать. Владение инфраструктурой, видимостью приложения, путями данных и их хранением — не роскошь, а условие корректной работы.

Обсуждение дополняет статью альтернативами прокси-серверам (OTEL, локальные логи) и вопросом стоимости API по сравнению с подписками. Использование прокси критикуют как создание единой точки отказа (SPOF). @CharlieDigital предлагает более надежный и менее интрузивный OpenTelemetry (OTEL) для сбора трейсов. Для пользователей подписок @jakozaur рекомендует собирать структурированные JSONL-файлы из локальных директорий (например, ~/.claude/projects/). Стоимость API значительно выше подписок: по опыту @NeutralWanted, объем данных за лимит подписки Claude в $200/мес через API был бы исчерпан за 2–3 дня. Для корпораций подписки не подходят, так как Enterprise-планы OpenAI, Anthropic и GitHub Copilot стоят значительно дороже и не субсидируются (@Lucasoato). Для изоляции API-ключей в песочницах с агентами @hoppp использует LiteLLMProxy для выдачи виртуальных ключей и реализации guardrails. Однако @jubilanti считает LiteLLM и аналоги нестабильными и уязвимыми из-за частых обновлений. В качестве альтернатив прокси упоминаются Aperture от Tailscale, AgentsView для визуализации работы агентов и OpenRouter для управления запросами. Для полной прозрачности @voodooEntity и @joshheitzman рекомендуют создавать собственный каркас агента с детальным логированием и метриками в GUI.

Кролики не являются коренными обитателями Британских островов — сегодня они один из самых разрушительных инвазивных видов, но их ранняя история отражает социальные перемены средневековой Англии. В римский период уже встречались отдельные особи, однако документальные свидетельства появляются лишь с норманнской эпохи. В 1176 году землевладелец Ричард де Вика признался, что не платил десятину со своих кроликов, полагая, что «с таких вещей десятина не положена», — сама эта путаница говорит о новизне животного. В 1235 году Генрих III подарил десять живых кроликов Джеффри Деспенсеру из своего парка в Гилфорде. Несколькими годами позже король послал людей отловить там 30–40 кроликов, но велел брать их только при хорошем состоянии колонии. Лишь на рождественском пиру 1240 года кролики впервые попали в королевский список закупок. Они стоили в четыре-пять раз дороже кур, а для защиты вольеров от браконьеров и хищников строили сторожевые башни и каменные домики.

Чёрная смерть 1346–1353 годов, унёсшая от трети до двух третей населения Европы, повысила уровень жизни выживших: земля стала доступнее, труд подорожал, и многие переняли быт высших сословий. Кролики перестали быть привилегией знати. К 1555 году швейцарский натуралист Конрад Геснер писал, что «мало найдётся стран, где не разводились бы кролики, но больше всего их в Англии». Средневековые рукописи сохранили и сатирические изображения кроликов — например, скачущего на улитке в бой с щитом и копьём, — отражавшие юмор социальной инверсии, понятный и сегодня.

Кролик в средневековой Англии был дорогим деликатесом, стоивший 4‐5 раз дороже курицы, что подтверждает его статус роскоши. После нормандского завоевания кролики появились в Англии и сначала были доступны только знати, позже стали обычным продуктом бедных. Отношение цены кролика к курице сохранялось веками, хотя в XX веке цена курицы резко упала. В современном Великобритании кролик редко употребляется в пищу, в основном в традиционных блюдах. Кролик используется в кухнях многих стран: в Португалии — coelho à caçador, во Франции — lapin aux pruneaux, в Испании — паэлья с кроликом, также в блюдах Brunswick stew, Stuffat Tal Fenek и др. Способы приготовления включают тушение, запекание, жарку и готовку в глиняных горшках. Мясо может быть жестким, поэтому рекомендуется тушить или запекать. Кроликов легко разводить в огородных клетках; для домашнего разведения лучше использовать гибриды New Zealand/California — они быстро растут и не требуют сложного ухода. Хотя кролики могут питаться только травой, продуктивность выше при разнообразном рационе. Существуют споры о вкусе кроличьего мяса: некоторые считают его недостаточно выраженным для «шокирующих» блюд, другие отмечают его достоинства. Также обсуждается, почему кролик не получил отдельного «мясного» названия — hypotheses связывают это с нормандским влиянием или языковыми особенностями.

Получение японского гражданства намеренно устроено непрозрачно: требует обширного пакета документов, занимает не меньше года, а решение отчасти субъективно. Автор начал процесс ещё в 2012 году, когда пришёл в бюро по гражданским делам по другому вопросу и решил заодно заговорить о натурализации. Тогда пожилой чиновник министерства юстиции принял его без записи — сегодня так не бывает, желающих стало гораздо больше.

Список бумаг впечатляет: оригиналы свидетельств о рождении обоих родителей и всех шести братьев и сестёр, подтверждение их брака, подписанное матерью заявление о его рождении, данные о родне жены с указанием, кто за натурализацию, а кто против, полная история адресов, учёбы с детского сада и работы, все налоговые декларации и справки об удержаниях. Всё на английском — в оригинале и с заверенным переводом на японский, причём без латиницы: только иероглифы, азбуки и арабские цифры, а каждое имя собственное — катаканой.

Сама церемония оказалась будничной: работник опоздал на четыре дня, вызвал в ту же комнату для «собеседований», разделённую пластиковой перегородкой, вручил свидетельство о натурализации и велел идти в мэрию за семейным реестром. Никаких клятв и торжеств — только «о-цукарэсама дэсита». Приятный курьёз: при создании реестра пришлось заново сделать предложение жене, ведь внесение в её семейный реестр и есть в Японии административный акт брака.

Процесс натурализации в Японии непрозрачен и субъективен, требует большого пакета документов и часто длится более года. В 2025 году срок проживания для натурализации сокращён до пяти лет (против десяти лет для постоянного вида на жительство). Япония не признаёт двойное гражданство, поэтому после получения японского паспорта необходимо отказаться от предыдущего гражданства — это осложняет процесс для обладателей «сильных» паспортов. Требуется детальный список всех адресов и дат проживания, что затрудняет процесс для иностранных резидентов, не способных собрать такие данные. Обсуждаются различия между постоянным видом на жительство и натурализацией, а также демографический кризис, который правительство пытается решить через иммиграцию, но сталкивается с культурными и политическими возражениями. Большинство комментаторов считают, что строгие иммиграционные барьеры и демографический спад делают натурализацию лишь временной мерой, недостаточной для стабилизации населения. Спор: одна сторона утверждает, что массовый приток иммигрантов разрушит уникальную культуру Японии, другая приводит примеры стран, успешно использующих иммиграцию для замедления демографического спада. Опыт участников показывает, что система натурализации архаична и произвольна, часто служит фильтром, отбирающим только действительно преданных кандидатов.

MapQuest добавил слой, показывающий расположение известных уличных камер наблюдения и считывателей номерных знаков. В него включены камеры Flock, а также устройства Motorola Solutions (Vigilant), Genetec, Axis Communications, Axon, Leonardo (ELSAG), Neology, Rekor, PlateSmart, Ubicquia и Verkada. Переключатель находится рядом с опциями отображения пробок и происшествий, так что найти его в приложении несложно.

Это продолжение череды неожиданных улучшений сервиса: ранее MapQuest отказался переименовывать озеро Онтарио в «озеро Америка» (в отличие от Google Maps и Apple Maps), а затем добавил поддержку Android Auto и маршруты общественного транспорта. Обновление анонсировали коротким видео под песню Rockwell «Somebody's Watching Me».

Полностью избежать таких камер на привычных маршрутах вряд ли получится, но новый слой наглядно показывает, насколько плотно наблюдение распространено в конкретном районе. Это полезная информация для тех, кто пытается избавить свои кварталы от слежки.

Слой камер в MapQuest использует данные OpenStreetMap, добавляемые через DeFlock и аналогичные приложения, что позволяет любому размещать камеры и создаёт риск вандализма и неточностей. Опыт использования MapQuest в CarPlay разделён: одни отмечают стабильность и удобство, другие — частые зависания и краши. Большинство пользователей — старшее поколение, сохраняющее привычку пользоваться сервисом несмотря на конкурентов. Некоторые считают добавление слоя камер политическим пандерингом, но большинство воспринимает его как ответ на запросы о видимости камер. Для защиты от потери данных рекомендуется хранить чистые снимки США из OSM на внешних серверах за пределами США. Для монетизации без навязчивой рекламы предлагается ввести платную подписку за «чистый» навигатор без рекламы.

Llmspeed полезен для предварительной оценки, но критикуется за низкую точность симуляций, игнорирование speculative decoding и отсутствие поддержки multi-GPU. Точность симуляций вызывает споры: @kgeist и @binary132 заявляют о реальной скорости в 2-4 раза выше расчетной (80-110 t/s против 20 t/s), тогда как @adrian17 считает некоторые пиковые значения завышенными. Бенчмарки часто игнорируют критические факторы: размер контекста, управление KV-кэшем, специфику prefilling и возможность тонкой настройки параметров. Для реального представления о производительности @kristopolous и @montroser рекомендуют арендовать аналогичное железо на vast.ai на короткий срок. Пользователи просят добавить поддержку multi-GPU конфигураций, выбор версии PCIe, NVLink и поддержку старого оборудования (например, RX580). По опыту @Jabdoa2 в проде с vllm, реальные агентские нагрузки с длинными промптами (60-140k) снижают пропускную способность декодирования в 2-3 раза по сравнению с бенчмарками. Программные оптимизации развиваются быстрее железа: @lopotubez на 9-летнем ноутбуке с GTX 1070 достигает 16-19 t/s на модели 35B благодаря форку llamacpp (Turboquant). Рынок потребительских GPU нестабилен: @montroser отмечает резкий рост цен на RTX 3090 и аренду мощностей в сентябре.

На северо-востоке США набирает силу движение за снос малых плотин — часто устаревших и заброшенных. Если демонтаж крупных дамб на Западе привлекает больше внимания, то здесь реки и ручьи постепенно освобождают от тысяч мелких преград, и рыба возвращается. Особенно заметно возвращение сельди: она идёт вверх по течению в огромных количествах, восстанавливая исторические нерестовые пути.

Сюжет статьи перекликается с историей XIX века: в 1859 году фермеры города Билерика в Массачусетсе наняли землемера, чтобы обосновать снос плотины Talbot Mills на реке Конкорд — она подтапливала поля и портила сено. Этим землемером был Генри Дэвид Торо, который терпеть не мог эту плотину и называл съёмку «нудной работой». Сегодня снос одной небольшой плотины за другой открывает рыбе путь и постепенно возвращает рекам естественное течение.

Малые дамбы часто устарели и требуют дорогостоящего обслуживания и сейсмической модернизации. Их удаление экономически оправдано и повышает температуру воды, снижая растворённый кислород, что улучшает экологическую устойчивость в условиях глобального потепления. Однако удаление не всегда восстанавливает миграцию рыб (как в случае Elwha), и исторические аргументы за сохранение дамб часто неубедительны, используясь как оправдание обеих сторон. Альтернативы — рыболовные лестницы, искусственные затопления и резервуары — рассматриваются для сохранения гидроэнергетики и улучшения миграции рыб, особенно в регионах с ограниченными водными ресурсами. Удаление снижает риск опасных происшествий на низкоподъёмных дамбах. Малые ГЭС генерируют мало энергии (сравнимо с одной ветряной турбиной), поэтому их удаление не сильно влияет на энергобаланс, но может снизить производство чистой энергии, приводя к увеличению выбросов при замене на ископаемое топливо. Экосистема не возвращается к прединдустриальному состоянию — последствия долгосрочные. Выгоды для владельцев земель от превращения прибрежных зон в влажные считаются взаимовыгодными. В некоторых странах (например, Израиле) используется масштабная дезалинизация как альтернативный подход к водоснабжению. Экономические и экологические последствия удаления дамб неоднозначны.

Сайт предлагает проверить, насколько случайны ваши числа: вы называете вслух цифры от 1 до 9, а алгоритм пытается угадать каждую следующую. Перед вашим ответом «дом» как бы запечатывает свою догадку в конверт, а после — вскрывает. Первые десять чисел идут как разминка, затем начинается подсчёт. В финале вы увидите, как ваша «случайность» соотносится с результатами 206 участников психологического исследования.

«Дом» использует десять предсказателей одновременно и доверяет тому, что был точнее в последнее время: одни считают, какая цифра чаще следует за какой, другие отслеживают ваши шаги вверх-вниз. Главную работу делает предсказатель, замечающий, какие числа вы давно не называли, — люди тянутся к «забытым» цифрам, тогда как в истинно случайной последовательности каждое число независимо от предыдущих. Стартовую фору дают данные 418 человек, каждый из которых выбрал по 200 чисел от 1 до 9.

Набирать числа на клавиатуре — более слабый тест: назвать число вслух означает сначала его придумать, а на клавиатуре легко нажать не выбирая. Распознавание речи работает прямо в браузере: аудио никуда не отправляется, а речевой пакет (~31 МБ) скачивается один раз. Если подсмотреть догадку «дома», его счёт перестаёт считаться доказательством до конца розыгрыша.

Алгоритм предсказывает вводимые цифры с точностью 70–80 % при простом вероятностном моделировании, как показал эксперимент @costco. Тип ввода влияет: набор клавиш легче читается алгоритмом, голосовой ввод затрудняет предсказание, как отмечают @steve_adams_86 и @plank. При тестировании с Math.random алгоритм угадал 18 из 190 (9 %) против ожидаемых 11 % при случайном угадывании, что подтверждает его эффективность. Использование известной последовательности (π) приводит к угадыванию 1 из 10, что не лучше случайного, как показал @wren6991. Стратегии повышения случайности: менять подход после угадывания, использовать «n1+n2 mod 9+1», выбирать соседние числа, как советуют @kykat, @malfist, @Trusteando. Тёплый запуск (warm‐up) с повторением одного числа может сбить алгоритм, но затем его следует избегать, как отмечает @malfist. Некоторые участники получили очень низкое число угадываний (1 из 32), что указывает на высокую случайность, другие — высокое (9 из 117), указывающее на низкую. Алгоритм использует простую вероятностную модель, которую даже авторы экспериментов не смогли обойти, как заявляет @costco. Сайт «запечатывает» предсказания и раскрывает их после, но детали механизма не раскрываются, как спрашивает @frutiger. Алгоритм легче читает набор клавиш, голосовой ввод делает его менее предсказуемым, подтверждая различие в точности.

Представлена архитектура «гибридных агентов рассуждения» (HybridAgents), которая позволяет языковой модели динамически переключаться между скрытым (латентным) рассуждением и текстовым взаимодействием в рамках единого процесса генерации. Современные агенты на основе больших языковых моделей по-прежнему рассуждают и действуют через текст, тогда как латентное рассуждение эффективнее как внутренняя среда, но лишено доступа к инструментам и прозрачности. Мост между этими подходами обеспечивает лёгкий компонент HybridLink, а непрерывная рабочая память сохраняет гибридный контекст без потерь между ходами. Это сохраняет возможности агента с интеграцией инструментов и делает скрытые мысли доступными для проверки.

Для обучения предложены два алгоритма: HybridSFT стабилизирует гибридную генерацию с инструментами, а HybridRL учит, когда думать в латентном пространстве, а когда действовать через текст. Оценка проведена на трёх масштабах моделей и 11 наборах задач по математике, науке, медицине, поиску и агентному рассуждению. По сравнению с передовыми агентами и фреймворками гибридный агент стабильно улучшает результат на 10,4% при сокращении числа токенов на 35,5–54,7%, ускорении вывода в 1,8–2,6 раза и снижении затрат в 2,7–3,7 раза.

Обсуждение дополняет статью критикой безопасности и наблюдаемости скрытого рассуждения, указывает на практические проблемы с зацикливанием моделей, ставит под сомнение новизну подхода, подчёркивает отсутствие публичных бенчмарков и предлагает архитектурные улучшения, а также рассматривает возможность расширения применения гибридных агентов за пределы текста.

• Безопасность и наблюдаемость: несколько участников (cannonpalms, sheepscreek, larodi) отмечают, что скрытое рассуждение уменьшает возможность отслеживать намерения модели и повышает риск непредсказуемого поведения.

• Спор: Новизна подхода: octoberfranklin утверждает, что гибридные агенты лишь переименовывают уже известный «continuous chain of thought», в то время как другие считают, что добавление латентного режима всё же представляет новое сочетание.

• Совет: amluto предлагает расширить входные эмбеддинги, объединяя латентный вектор и токен‐эмбеддинг, либо просто складывать их, чтобы использовать полную мощность латентного режима даже при генерации текста.

• Совет: 44za12 требует публикации бенчмарков, спрашивая, ускоряет ли гибридный подход инференс и уменьшает ли токен‐расход, а также улучшает ли точность на конкретных задачах.

• Практические проблемы: пользователи (sinuhe69, SwellJoe) сообщают, что модели часто застревают в бесконечном «thinking loop», не завершая простые запросы, что ставит под вопрос стабильность метода.

• Положительные ожидания: ajey_ds и Fe2O3 считают, что переход от текстового к векторному внутреннему рассуждению может ускорить вывод и повысить качество, поскольку язык может быть узким местом.

• Совет: iforgotmypasswo задаёт вопрос о возможности связывать латентные представления с другими системами, например аналоговыми датчиками, предлагая расширить применение гибридных агентов за пределы текста.

• bhattisatish делится ссылками на код и модели, подтверждая, что репозиторий открыт, но при этом подчёркивает отсутствие публичных оценок.

• Совет: larodi и sheepscreek советуют сохранять «thinking tokens», так как они позволяют аудитировать намерения модели; удаление их ухудшает наблюдаемость.

I wonder how this compares to going all-in: widen the input embedding to fit the output (post-“Hybrid Link”) latent vector and a token embedding and pass both through even when in text mode. After all, you’re paying essentially the full cost of running the latent-mode model while generating text,… — @amluto

Перевод: Интересно, как это сравнивается с полным переходом: расширить входное эмбеддинг‐пространство, чтобы вместить как латентный вектор после «Hybrid Link», так и токен‐эмбеддинг, и пропускать их оба даже в текстовом режиме. В конце концов, мы почти полностью оплачиваем работу модели в латентном режиме...