Hacker News Digest

Qwen3 30B A3B Q40 на 4×Raspberry Pi 5 8 ГБ

• 30-миллиардная модель запущена на кластере из четырёх Pi 5.
• Использован формат Q40 (40% квантование), суммарно ~19 ГБ ОЗУ.
• Скорость генерации: 1,1 токен/с при 128-к контексте.
• Сеть — Gigabit Ethernet, трафик между узлами 200–300 Мбит/с.
• Питание: 5 В 5 А на каждую плату, общая мощность ≈ 60 Вт.
• Охлаждение: радиаторы + 30-мм вентиляторы, температура 60–65 °C.
• Проект полностью open-source, собран за 2 часа.

• На кластере из 4×Raspberry Pi 5 запустили 30B-MoE-модель (3B активных параметров) и получили 13 токен/с при 4-битной квантизации.
• Участники сравнили цену/производительность с GPU, старыми x86-мини-ПК и RK3588-SBC: у Pi самая низкая энергоэффективность и дороговато за такую скорость.
• Главный интерес — «доказательство концепции» распределённого инференса: tensor-parallelism по Ethernet, максимум узлов = числу KV-голов модели.
• Сеть (1 Gb/s) пока не узкое место, но рост требует 2ⁿ узлов и сталкивается с латентностью и NUMA-эффектами.
• Кому-то идея нравится как дешёвый edge-LLM без интернета, другие считают проект игрушкой и советуют докупить used GPU или M4-Mac mini.

Disciplined-AI-Software-Development
Методика структурирует совместную работу с ИИ над кодом:

• убирает раздутость,
• фиксирует архитектуру,
• сохраняет контекст.

Контрольные точки и жёсткие ограничения не дают проекту съехать в хаос.

• Пользователи спорят, стоит ли погружать Claude-Code в тонны контекста: одни делают «глубокий research-цикл» (Gemini/GPT-5 → план → агент), другие считают это медленнее ручного кода.
• Работает только жёсткий pipeline: план → ревью плана → промежуточный код-ревью → тесты/линтеры → финальное ревью; полный автомат без человека проваливается.
• LLM заставили разработчиков наконец писать документацию, но сами агенты плохо планируют и «заплывут» по мере роста кодовой базы.
• Эффективность высока лишь при маленьких, чётко заскоупленных задачах: 10-минутный спецификация → 3 часа генерации → 85 % покрытие тестами; большие коммиты всё ещё быстрее делать вручную.
• Главный риск: технология убирает бюрократию, но не переносит человеческую ответственность; ошибки агента = ошибка конкретного разработчика.

• GitHub Copilot продолжает работать в штатном режиме, несмотря на постоянные жалобы сообщества на ошибки, утечки кода и нарушение лицензий.
• Пользователи критикуют качество сгенерированного кода, отмечают повторяющиеся уязвимости и требуют прозрачности обучения модели.

• GitHub/Microsoft навязывают Copilot повсюду: кнопки нельзя убрать, в настройках отключение не работает, счётчики «20 млн пользователей» получаются из принудительно включённых аккаунтов.
• Поток спама растёт: репозитории получают сгенерированные issue/PR и автокомментарии, которые блокируют автослияние; разработчики просят фильтр «без ИИ», но GitHub игнорирует самый популярный запрос в своём форуме.
• Люди уходят: кто-то мигрирует на GitLab, Codeberg или ставит self-host, кто-то переходит с VS Code на Emacs, чтобы избавиться от встроенного «помощника».
• Причина давления — не качество, а метрика и деньги: надо отбить инвестиции и показать рост перед конкурентами; если продукт был бы действительно полезен, его не пришлось бы впихивать силой.

• «Hallucination» — не баг, а природа LLM: система просто строит вероятностное продолжение текста, не проверяя истинность.
• Часть комментаторов считает, что любой вывод LLM — уже галлюцинация, просто некоторые совпадают с фактами.
• OpenAI предлагает учить модель «не знать» и отказываться от ответа, но критики сомневаются в надёжности оценки уверенности.
• Текущие бенчмарки поощряют угадывание: за ошибку не штрафуют, за отказ — наказывают, поэтому модель вынуждена «брехать».
• Пользователи тоже не любят «не знаю» и предпочитают быстрый ответ правильному, усиливая инженерный цикл.
• Пока данные и сам язык неполны и противоречивы, 100 %-ное устранение галлюцинаций невозможно; можно лишь снизить частоту.

Rug-pull и вилки: кто кого в OSS

• В облаке всё решают гиганты (AWS, GCP, Azure); разработчики и пользователи — без прав.
• Компания-владелец проекта может «рвануть коврик»: сменить лицензию на закрытую, чтобы загнать облачных конкурентов.
• Пример: Elastic → SSPL, MongoDB → SSPL, Sentry → новая лицензия.
• Ответ — вилка (fork), но она требует людей и денег; без спонсора умирает.
• AWS форкнул Elasticsearch → OpenSearch: набрал контрибьюторов с нуля, теперь живёт.
• Puppet ушёл в Perforce и закрыл код → родилась OpenVox.
• Вывод: однокомпаночные проекты рискованны; выбирайте те, где власть распределена, или сразу готовьтесь вилковать.

• CLA = право перелицензировать → «rug pull» возможен; DCO такого не даёт.
• Elasticsearch, Redis, Mongo и др. перелицензировались не от банкротства, а чтобы ограничить конкурентов и поднять доход.
• Пользователи чувствуют «предательство»: проект начинали под FOSS-лицензией, привлекли вклад и клиентов, потом закрыли код.
• Форки (OpenSearch, Valkey) спасают, но требуют новой инфраструктуры и сообщества; большинство просто делают «снапшот» и уходят.
• Проблема устойчивости: без денег проект умрёт, но нынешняя модель дарения дарит прибыль крупным облакам, а не разработчикам.

Космический симулятор на Clojure  
Автор: Jan Wedekind

В 2017 г. увидев проприетарный Orbiter 2016, решил написать свой симулятор. Первые прототипы — на C и GNU Guile, потом перешёл на Clojure: immutable-данные, быстрые коллекции, многопоточность через atoms/agents/refs.

Сразу взялся за сложное: 3D-планета, атмосфера, тени, объёмные облака. Открыл «OpenGL Superbible», изучил исходники Orbiter (90 % кода — графика) и понял, что выбор верный.

**Зависимости**  
- Clojure  
- LWJGL: OpenGL, GLFW, Nuklear, STB, Assimp  
- Jolt Physics — коллизии и машины  
- Fastmath — матрицы/сплайны  
- Instaparse + Gloss — парсинг NASA PCK/DAF  
- Coffi — FFI  
- Malli — схемы, Progrock — прогресс, Claypoole — параллельные циклы и др.  

deps.edn для Linux:

```clojure
org.lwjgl/lwjgl {:mvn/version "3.3.6"}
org.lwjgl/lwjgl$natives-linux {:mvn/version "3.3.6"}
;; аналогично для opengl, glfw, nuklear, stb, assimp

Для Windows — отдельная ветка.

Атмосфера
Реализован precomputed scattering Брунетона: 2D-трансмиттанс, 2D-поверхностное рассеяние, 4D-Релея и Ми. Таблицы строятся численным интегрированием; высшие функции на Clojure интегрируют по сфере и отрезку. Пример интеграла по лучу:

(defn integral-ray
  "Интеграл функции f вдоль луча"
  [{::keys [origin direction]} steps distance f]
  (let [step (/ distance steps)
        pts  (mapv #(%2 %1) (range steps) (repeat step))]
    ;; …
    ))

Проект живёт 5 лет, код открыт (CC BY-SA).

• Пользователи восторженно встретили проект Jank, особенно его визуалы и использование Clojure без Unity/Unreal.
• Критики отметили: 90% кода — C++ (OpenGL, физика, коллизии), Clojure лишь «высокоуровневый» слой.
• Спор: «функциональный» ли код, если рендер и физика императивны; сторонники отвечают — важна логика приложения, а не движок.
• Сомнения, что indie-разработчики массово перейдут на Clojure/Jank: язык нишевой, производительность и JVM пугают.
• Практический совет: попробовать библиотеки ham-fisted, neanderthal для ускорения.

Скандал с кремами от загара потряс Австралию
В стране с самым высоким в мире уровнем рака кожи выяснилось, что популярные солнцезащитные средства не работают.
Рэйч, 34-летняя мать из Ньюкасла, всю жизнь избегала солнца и мазалась кремом каждый день, но всё равно получила базальноклеточный рак носа. Она узнала, что её крем не защищал, как заявлялось.

Тесты показали: часть кремов SPF 50+ фактически дают SPF 4–10. Проверки начались после жалоб, что люди обгорают, несмотря на «правильное» нанесение.

Правительство Австралии уже начало пересмотр стандартов и может ввести уголовную ответственность за обман.

• SPF-тесты до сих пор проводятся на людях: дорого, неточно, бренды «обманывают» (SPF 50 на деле 4).
• Пользователи удивлены: «обман» должен был вызывать ожоги, но многие не заметили.
• Австралия — мировая столица меланомы; «Slip-Slop-Slap» 44 года, но рак всё равно «норма».
• Люди недоверяют кремам: сложно наносить, смывается потом, «минералки» — дорогие и неэффективные.
• Виноваты слабый контроль и «инфлюенсеры», которые за деньги рекламируют любую «солнечную» муть.

GLM-4.5

• 355B параметров, 32B активных; 128K контекст; 96K выход
• MoE-архитектура, 15T токенов дообучения, RL-доработка
• Режимы: thinking (сложные задачи) и мгновенный ответ
• Инструменты, JSON, потоковый вывод, кэш контекста

GLM-4.5-Air

• 106B/12B, дешевле и быстрее, качество почти на уровне GLM-4.5

GLM-4.5-X / AirX / Flash

• X: максимум скорости и качества
• AirX: лёгкий + сверхбыстрый
• Flash: бесплатный, для кода и агентов

Ключевые умения
глубокое рассуждение, вызов функций, структурный вывод, поток, кэш.

• Пользователи тестируют китайскую модель GLM 4.5 и GLM 4.5 Air от Z.ai как дешёвую замену Claude Sonnet в Claude Code и RooCode.
• Модель показывает хорошие результаты в коротких задачах, но уступает по длине контекста и стабильности.
• Подозрения, что OpenRouter и другие поставщики могут отдавать квантованные версии, что портит качество.
• Политика приватности Z.ai разрешает вечное использование отправленного кода и промптов — кто-то напуган, кто-то считает это нормой.
• Документация и интеграция вызывают нарекания: нет чёткой инструкции для Claude Code, приходится использовать прокси-обёртки.

• Tesla переименовала пакет Full Self-Driving в «FSD (Supervised)» — фактически отказавшись от обещанной полной автономии.
• С 2016 года компания продавала опцию за до $15 000, утверждая, что машины получат беспилотный режим «по воздуху».
• Все авто 2016-2023 гг. не потянут полный FSD: нужен новый компьютер, но плана апгрейда нет.

• Кто-то считает отказ от LiDAR ошибкой: камеры «слепнут» от солнца и грязи, случайные дворники — тому пример.
• Другие уверены: чистое зрение уже почти работает — ежедневные поездки без вмешательства и быстрый прогресс говорят сами за себя.
• Третьи видят многообещающий маркетинг: 8 лет обещаний «полного самоуправления каждый год» подняли акции, но юридически Tesla теперь пишет лишь «FSD (Supervised)».
• Участники обсуждают возможный классовый иск и угрозу репутации: «если это не мошенничество, то что тогда?»
• Инженеры напоминают: надёжность требует резерва; при «vision-only» нет запасного плана, когда камеры теряют видимость.

OOXML: не злонамерен, а просто ленив

LibreOffice обвинил Microsoft в «искусственном усложнении» OOXML, чтобы никто не смог повторить формат. На деле всё проще: спецификация громоздка не из-за злого умысла, а потому что Microsoft писала её под себя, не думая о других.

---

Что внутри .docx

Фраза «To be, or not to be…» превращается в:

<w:p>
  <w:r>
    <w:rPr><w:b/></w:rPr>
    <w:t>To be</w:t>
  </w:r>
  <w:r>
    <w:t>, or not to be…</w:t>
  </w:r>
</w:p>

Плюс десяток служебных атрибутов (rsid, paraId и т. д.), нужных только Word для совместного редактирования и отката изменений. Они не несут смысла, но обязательны, иначе файл считается битым.

---

Почему так вышло

1. Наследие. OOXML — прямой XML-перепис старых бинарников. Все костыли перекочевали.
2. Своя реализация прежде всего. Упрощать спецификацию никто не стал: главное, чтобы Word сам себя читал.
3. Стандартизация «на скорую руку». 6 000+ страниц, куча неоднозначностей, «реализация Microsoft» считается эталоном.

---

Итог

OOXML — открытый формат де-юре, но закрытый де-факто. Писать совместимый парсер приходится подстраиваться под поведение Word, а не под текст спецификации. Это не саботаж, а обычная инерция монополиста: упростить никому не выгодно, а усложнять — дешево.

• OOXML — это не «ошибка», а прямой XML-дамп 35-летнего бинарного наследия Word/Excel; цель была сохранить 100 % совместимость, а не упростить жизнь конкурентам.
• Спецификация на 5–6 тыс. страниц, куча дублирующих способов хранить одно и то же (даты, формулы, OLE-объекты), бинарные вставки и недокументированные «баги совместимости» делают полную реализацию практически невозможной.
• Чтобы протащить стандарт через ISO, Microsoft массово зарегистрировала в национальных комитетах «дружественные» компании и целые островные государства, щедро спонсируя их взносы; подкуп и «нехватка стульев» для оппонентов стали притчей во языцех.
• Процесс былнастолько сфальсифицирован, что несколько экспертов ушли из стандартизации навсегда; сама спецификация до сих пор неполна и не соответствует тому, что делает Word.
• Итог: формат открытый формально, но закрытый фактически — удержание пользователей на MS Office и барьер для LibreOffice, Google Docs и прочих.