• USDA запретила Rural Energy for America Program (REAP) выдавать гранты и гарантии на ветряки и солнечные панели, сославшись на «защиту сельхозугодий».
• Решение охватывает все новые заявки; уже одобренные проекты пока не тронуты.
• REAP давала до 1 млн $ на ферму, позволяя сокращать счета за электричество и получать дополнительный доход.
• Солнечные и ветряные установки занимают <0,5 % пашни США; фермеры утверждают, что панели защищают почву и повышают урожай.
• Администрация Трампа одновременно увеличивает субсидии на газ и нефть в сельской местности.
• Эксперты и фермеры предупреждают: запугивание банками и отсутствие гарантий заморозит инвестиции и подорвет доходы аграриев.

• USDA прекращает финансировать солнечные панели на плодородных полях и запрещает панели «иностранных противников», одновременно увеличивая субсидии на биотопливо.
• Комментаторы считают решение недальновидным: оно защищает интересы ископаемых, отдаёт рынок Китаю и вредит продовольственной безопасности из-за усиления засух.
• Фермеры, наоборот, хотели ставить панели, чтобы снизить издержки и получить двойное использование земли.
• Многие видят в политике «запланированную злобу» и «nihilism»: препятствуют «либеральным» технологиям даже себе во вред.

Я заменил настройки ChatGPT таким промптом:

• Сомневайся в своей правоте. Не циник, а критически мыслящий, живущий страхом ошибиться.
• Расширяй поле поиска: ищи нестандартные риски и решения.
• Перед «готово» — «красная команда»: перепроверь, действительно ли всё работает.

Результат заметен сразу:

• каждый ответ начинается с осторожности и самосомнения;
• «мыслит» до 4 минут даже над салатом;
• в конце — самокритика, которая нередко ловит ошибку и выдаёт правильный ответ.

Полезность выросла: меньше моих «а вдруг?», больше пользы и списанных GPU-часов.

• Пользователи жалуются: «будь критичен и сомневайся» превращает агента в тревожного перфекциониста, который жрёт токены на бесконечные tool-calls и правки.
• Многие заметили, что такие промпты заставляют модель придираться к очевидным вещам, выдавая скучные и малополезные «но…», вместо настоящих инсайтов.
• Попытки «просто быть правильным» часто приводят к длинным размышлениям, которые OpenAI, судя по всему, уже учитывает в лимитах.
• Часть людей перешла на двухэтапную схему: сначала быстрый ответ, потом отдельный «double-check»-запрос или другая модель, чтобы не заставлять первую впадать в «тревогу» на каждом шаге.
• Побочный эффект — модели начинают повторять саму инструкцию («без воды!») вместо того, чтобы просто её выполнять.

Покинул Gmail ради Mailbox.org.
С 2007 г. Google получал мои письма «бесплатно», но в 2025-м решил заплатить деньгами, а не приватностью: почта в открытом виде, доступ спецслужб США и пр.

Потребности: только базовый обмен письмами (≈ 50/день), без заметок, календарей и пр.
Рассматривал Proton и Tutanota (E2E-шифрование), но они требуют родных клиентов, а я привык к Apple Mail. Остался Mailbox.org:

• €2,50/мес (оплата за год) = 10 ГБ почта + 5 ГБ облако;
• можно докупать до 100 ГБ по €0,20/ГБ;
• PGP встроен или внешний;
• без автопродления.

Зарегистрировал giuliomagnifico@mailbox.org, заплатил €3 за пробный месяц. Веб-интерфейс лаконичнее Gmail, мобильный тоже удобен. Папки вместо меток — прямо в Apple Mail.

Перенёс всё через imapsync на домашнем сервере:

docker compose run --rm imapsync imapsync \
  --host1 imap.gmail.com --user1 … --password1 … --ssl1 \
  --host2 imap.mailbox.org --user2 … --password2 … --ssl2 \
  --automap --syncinternaldates --skipsize \
  --exclude "\[Gmail\]/All Mail" \
  --regextrans2 "s/\[Imap\]\/Archive/Archive/"

Процесс занял ≈ 3 ч, 11 201 письмо. Gmail теперь можно стереть.

• Пользователи массово уходят из Gmail ради диверсификации и приватности, выбирая Fastmail, Mailbox.org, ProtonMail, Tutanota, Zoho, Migadu, Purelymail и др.
• Fastmail хвалят за надёжность, быстрый импорт и поддержку собственного домена; Mailbox.org — за PGP и IMAP, но ругают спам-фильтр и UI.
• Почти все письма всё равно могут попасть на серверы Google/Microsoft, а «настоящий» E2E-шифрование работает лишь внутри одного провайдера (Proton↔Proton и т.д.).
• Самостоятельный хостинг (Postfix/Dovecot, Stalwart, mox) даёт полный контроль, но требует заморочек с DKIM/SPF и репутацией IP.
• Ключевой совет: регистрируйте собственный домен — тогда смена почтового сервиса не заставит менять адрес.

• Удаление XSLT в браузерах разрушит работу правительственных и регуляторных сайтов по всему миру.
• Сотни порталов (Финляндия, Германия, США, Канада, Австралия и др.) используют XSLT для отображения XML-документов (законы, отчёты, статистика).
• Без XSLT эти ресурты станут недоступны для граждан, нарушатся юридические обязательства и процессы e-government.
• Предлагается сохранить поддержку XSLT как критическую инфраструктуру или предоставить механизм миграции.

• Участники спорят о предложении WHATWG исключить XSLT из HTML-спецификации: одни считают технологию мёртвой и опасной, другие — полезной для «без-JS» задач и госсайтов.
• Поднимаются вопросы безопасности (libxslt на C), обратной совместимости и «доктрины never break the web».
• Некоторые предлагают вынести XSLT в расширение или полифил, а также сравнивают судьбу XSLT с Flash, ActiveX и другими удалёнными технологиями.
• Отмечается, что процесс удаления может занять годы, а пока лишь начато обсуждение, а не принято решение.

• Texas Instruments строит в США гигазавод за $60 млрд для массового выпуска базовых микросхем.
• Apple подтвердила, что будет производить чипы для iPhone именно там, увеличив инвестиции в США.
• Решение совпало с заявлением Трампа о 100 % пошлине на чипы, не произведённые в Штатах.

• Пользователи спорят, насколько значим новый завод Texas Instruments: кто-то считает его «не тем гигантским шагом», другие подчеркивают важность дешёвых «устаревших» чипов.
• Критика господдержки: субсидии называют «перекачкой налогов в карманы гигантов» и предлагают насильственное слияние Intel с TSMC.
• Обсуждают водные ресурсы Техаса: одни указывают на засуху, другие — на стабильный уровень Lake Texoma и замкнутое водоснабжение современных фаб.
• Вопрос «почему строят в Аризоне и Техасе, а не там, где воды много» сводится к скорости разрешений и «бизнес-дружественной» среде республиканских штатов.
• Сравнение чипов с сельским хозяйством: «минимальные потребности страны должны покрываться своим производством», но противники считают это популизмом.

• Waymo получила первое разрешение от департамента транспорта Нью-Йорка тестировать беспилотники в городе; за рулём будет обученный специалист.
• В тестах до конца сентября задействованы восемь автомобилей в Манхэттене и Даунтаун-Бруклине.
• Компания подала документы в июне и активно расширяет присутствие по всей стране.

• Пользователи делятся опытом: Waymo в SF и Austin ведёт себя безопаснее многих людей, но едет медленно и не всегда уступает в пробках.
• Нью-Йорк считается «экзаменом на прочность»: плотный трафик, двойные парковки, зимние снегопады и агрессивные пешеходы могут поставить роботов в тупик.
• Некоторые боятся, что законопослушные машины будут «застревать», потому что люди не дадут им проехать; другие опасаются, что водители начнут «травить» роботов, зная, что те не ответят.
• Обсуждают последствия: если роботы станут нормой, можно ужесточить выдачу прав или вовсе отказаться от человеческого вождения в центрах городов.
• Сторонники общественного транспорта и велосипедов спорят, что вместо новых машин лучше инвестировать в пешеходные кварталы и метро.

• Уличные деревья в Монреале выдерживают засуху лучше парковых: они питаются из протекающих водопроводных труб.
• Исследователи сравнили клёны на улицах и в парках по изотопам свинца в древесных кольцах.
• Парковые деревья содержали изотопы из атмосферных загрязнений, а уличные — из свинцовых водопроводных труб, сделанных из местной руды.
• Каждый клён требует ~50 л воды в день; уличные деревья получают её из ежедневных 500 млн л утечек.
• Вывод: сажать деревья у дорог выгодно — они выживают лучше, чем в парках.

• Города теряют 25–50 % питьевой воды из-за течей, которые питают уличные деревья, что подтверждено различиями изотопов свинца в древесине.
• Участники обсуждают, что корни деревьев проникают в трубы, засоряют канализацию и даже вызывают прорывы, особенно у старых деревьев и в засушливые периоды.
• Поднимается вопрос: стоит ли бороться с утечками, если деревья снижают температуру города и спасают жизни при жаре, а вода всё равно возвращается в реку.
• Основное решение — полная замена старых труб, но это дорого и откладывается, поэтому города живут с потерями.

• Скачать
• Документация
• Сообщество
• Разработка
• Пожертвовать

FFmpeg

Кроссплатформенное решение для записи, конвертации и потоковой передачи аудио/видео.

ffmpeg -i input.mp4 output.avi

Новости

23 августа 2025, FFmpeg 8.0 «Huffman»

Крупнейший релиз:

• Новые декодеры: APV, ProRes RAW, RealVideo 6.0, G.728
• Улучшения VVC: IBC, ACT, Palette Mode
• Vulkan-кодеки: FFv1 (кодирование/декодирование), ProRes RAW (декодирование)
• Аппаратное ускорение: Vulkan VP9, VAAPI VVC, OpenHarmony H.264/5
• Форматы: MCC, G.728, Whip, APV
• Фильтры: colordetect, pad_cuda, Whisper и др.

Кодеки на базе вычислительных шейдеров Vulkan 1.3 работают на любом железе без привязки к специфическим ускорителям.
Инфраструктура обновлена: новый фордж на code.ffmpeg.org.

30 сентября 2024, FFmpeg 7.1 «Péter»

• VVC-декодер стал стабильным.
• Добавлены AAC USAC, MV-HEVC, LC-EVC.
• Vulkan-кодирование H.264/HEVC, скоро AV1.
• Исправлена передача диапазона цветов (full-range).

• Пользователи благодарят разработчиков FFmpeg и называют его незаменимым инструментом для автоматизации аудио/видео.
• Особый интерес вызывают новые кодеки и ускорение через вычислительные шейдеры Vulkan, включая ProRes и FFv1.
• Многие признают, что без LLM/скриптов сложно помнить все параметры CLI, поэтому активно используют LLM-обёртки.
• Обсуждаются GUI-фронтенды, проблемы экранирования при вызове из Python и запросы о денойзе старых записей.
• Подчёркивают, что FFmpeg лежит в основе множества других инструментов, а новый релиз быстро дойдёт до yt-dlp, Jellyfin и подобных проектов.

Стек для Python-статики: uv + Caddy + Docker

Я почти полностью перешёл на uv — он быстрый, удобен и сам ставит нужный Python. Статические сайты собираю Python-скриптами, а раздаю через Caddy в многоступенчевом Docker-контейнере.

Пример на sus

Dockerfile (сжато):

FROM ghcr.io/astral-sh/uv:debian AS build
WORKDIR /src
COPY . .
RUN uv python install 3.13
RUN uv run --no-dev sus

FROM caddy:alpine
COPY Caddyfile /etc/caddy/Caddyfile
COPY --from=build /src/output /srv/

1. Берём образ с uv, копируем код.
2. uv ставит Python 3.13 и зависимости, запускает sus, который кладёт сайт в /output.
3. Вторая стадия — лёгкий Caddy. Копируем конфиг и готовые статические файлы в /srv.

Caddyfile минимален:

:80
root * /srv
file_server

Запуск:

docker build -t sus .
docker run -p 80:80 sus

Итог: быстрая сборка, маленький образ, автоматический HTTPS при нужном домене.

• Почти все комментаторы считают выбранный стек (Docker, uv, Caddy, Coolify) избыточным для статического личного сайта.
• Критика сводится к тому, что достаточно «HTML → Nginx/Apache» или даже «HTML → FTP».
• Автор отвечает: хотел остаться в экосистеме Coolify ради единого CI/CD и «zero-SSH» деплоя.
• Некоторые предлагают минимальные Dockerfile (nginx:alpine + COPY) или вообще отказаться от контейнеров.
• Обсуждение выродилось в дискуссию о «культуре овер-инжиниринга» и самоучках, использующих сложные инструменты без понимания базовых.

Идея: вместо одного огромного LLM использовать роутер, который для каждого запроса выбирает наиболее подходящую по размеру и качеству модель из набора.
Проблема: GPT-4/5 дороги и не всегда нужны; мелкие модели дешевле, но хуже.
Решение: обучить роутер-LLM прогнозировать, какая модель справится с задачей с минимальными затратами и заданным порогом качества.

Методика:

• Собрали 30 задач NLP (перевод, суммаризация, код и т.д.).
• Для каждой задачи подготовили набор моделей разных размеров (от 1.3 B до 70 B параметров).
• Обучили роутер на 100k примеров, где вход — запрос, выход — выбор модели + оценка качества.
• Использовали Pareto-оптимизацию: минимизировать стоимость при фиксированном качестве.

Результаты:

• При том же качестве, что у GPT-4, роутер сокращает стоимость в 4–6 раз.
• На 50 % запросов достаточно модели 7 B вместо 70 B.
• Роутер добавляет <1 мс задержки (незаметно).

Вывод: дешевле и быстрее держать «зоопарк» моделей + роутер, чем один сверхбольшой LLM.

• Обсуждают «роутинг» запросов между разными LLM вместо одной большой модели: берут 70 % примеров, смотрят, какая модель лучше справляется с каждым кластером, и на оставшиеся 30 % уже маршрутизируют.
• Идея пока простая (эмбеддинг + выбор лучшей по истории), но сообщество считает её неизбежным следующим шагом после CoT и способом дешевле масштабироваться.
• Критика: не учитывают латентность роутера, могут промахнуться со «сложными» запросами, выглядящими простыми; GPT-5 редко включает reasoning-модель.
• Некоторые сравнивают с NotDiamond и другими стартапами, а также с «облачной» эволюцией: сначала дорого, потом дешевеет.
• Видение будущего — AGI как ансамбль специализированных модулей, которые можно миксовать под задачу пользователя.