Hacker News Digest

%PDF-1.7
50 0 obj
<< /Length 2836 /Filter /FlateDecode >>
stream
…сжатый бинарный поток…
endstream
endobj

65 0 obj
<< /Length 2952 /Filter /FlateDecode >>
stream
…сжатый бинарный поток…
endstream
endobj

• GPT-5 показывает смешанные результаты: лучше справляется с фактами и рассуждениями, но хуже — со структурированными запросами, честностью и доказательной базой.
• Обычным пользователям, интересующимся здоровьем, важнее всего HeadQA, Medbullets, MedHallu и PubMedQA; при этом RAG-подходы могут быть полезнее «чистого» модельного ответа.
• Некоторые разработчики отмечают, что GPT-5 быстро решает сложные задачи, но «самоуправляется» и делает лишнее; другие считают улучшение минимальным и связывают это с экономией вычислений.
• Обсуждаются возможные причины регрессии: маршрутизатор экспертных моделей, ограничения на tool-calls и использование режима «medium» вместо «high» reasoning.

The Onion вернул печать — и выиграл

Новые владельцы The Onion год назад вложились в «умерший» формат: бумажную подписку.
Ставка сработала: спрос растёт, издание выделяется на фоне цифрового шума.

• Печатная версия The Onion вернулась и вызывает ностальгию: её помнят по университетам Миннесоты и Висконсина 80–90-х.
• Подписчики рады отвлечься от экранов: линейное чтение, меньше рекламы и драмы, больше удовольствия.
• Кто-то нашёл работу через рекламу в старом выпуске, кто-то просто наслаждается субботним сэндвичем и свежим номером.
• Качество юмора, по мнению некоторых, заметно улучшилось после смены владельца в 2023 году.
• Печатные издания вроде Game Informer и The Economist тоже получают похвалу за «дыхание свежего воздуха» в эпоху кликбейтов.

• Исследование, утверждающее «Bluesky полезнее X для учёных», вызывает скепсис: выборка мала, данные о доле учёных на X и кроссплатформенном использовании отсутствуют.
• Многие участники считают X всё ещё главной площадкой для tech-обсуждений, несмотря на поток спама, мизинформации и NSFW-контента.
• Bluesky критикуют за слабую модерацию непомеченного NSFW, «либеральный пузырь» и отсутствие ключевых инфлюенсеров; часть пользователей вернулась в X.
• Люди, ушедшие с X, жалуются на резкое падение качества дискуссий и переходят в Mastodon/Bluesky, но признают меньшую активность и узость аудитории.
• Общий вывод: выбор платформы остаётся компромиссом между охватом (X) и комфортом/контролем (Bluesky, Mastodon).

Главные выводы

• Зарплаты CEO в «Low-Wage 100» (100 крупнейших компаний S&P 500 с самой низкой медианной зарплатой сотрудников) выросли в 2024 г. до $15,9 млн (+9 % за год и +31 % с 2019 г.).
• Медианная зарплата работников за тот же период выросла всего на 12 %, а с учётом инфляции реально упала.
• Соотношение CEO/сотрудник достиго 1:335; в McDonald’s — 1:1 209.
• За 2019–2024 гг. 100 компаний потратили $341 млрд на выкуп акций, что в 2,6 раза превышает их капвложения.
• Amazon, Walmart, Target, McDonald’s, Starbucks — лидеры по объёму buyback и одновременно по числу работников, получающих господдержку (SNAP, Medicaid).
• 74 % этих компаний вели антисоюзные кампании, 46 % стали объектом трудовых жалоб в NLRB.

Рекомендации

• Налог на «избыточные» buyback (повысить до 4 %).
• Запретить выкуп акций, пока не поднята зарплата до $20/час и не устранены нарушения OSHA.
• Скользящая шкала CEO-pay ratio: чем выше разрыв, тем выше налог.
• Закрыть «плановые» лазейки в правиле 10b5-1, чтобы руководство не продавало акции на пике после buyback.

• Участники обсуждают, как выкуп акций (buybacks) стал легальным способом уменьшить налоги и перераспределить деньги от зарплат к акционерам.
• Утверждается, что гигантские пакеты компенсаций CEO сознательно привязывают руководство к интересам акционеров, а не работников.
• Некоторые считают, что «топ-талант» в низкооплачиваемых отраслях — заменяемый ресурс, поэтому рынок не «самокорректирует» зарплаты вверх.
• Упоминаются Costco и другие контрпримеры, где высокие зарплаты работников совмещаются с успешным бизнесом, но их влияние на рынок пока ограничено.
• Критика buybacks смещается к обсуждению иммиграции: большинство исследований не находят значимого долгосрочного давления иммиграции на зарплаты американцев.

CSS random()
Новая функция random(min, max, step) генерирует случайные значения без JS. Все аргументы должны быть одного типа; step опционален и округляет результат.

Пример: звёздное поле

body{background:#000}
.star{
  position:fixed;
  top:random(0%,100%);
  left:random(0%,100%);
  width:random(2px,10px,1px);
  background:#fff;
  border-radius:50%;
}

Каждый .star получает случайные координаты и размер, создавая естественное распределение.

Дополнительные эффекты
Используйте CSS-переменные и слои box-shadow для свечения, а random() для прозрачности и цвета, усиливая атмосферу.

• Предложили «старую» технику «cicada principle» с фонами-простыми числами для предсказуемой «случайности».
• Обсудили, что «настоящая» случайность в графике выглядит плохо из-за скоплений и пустот; нужны low-discrepancy последовательности.
• Подняли вопрос воспроизводимости: хотят фиксированный seed при перезагрузке, но пока в спецификации нет такого механизма.
• Появились шутки о «безопасности в CSS» и предупреждения не использовать random() для криптографии.
• Ссылка на спецификацию: CSS Values 5; работает пока только Safari.

uv format — экспериментальная команда в uv для форматирования кода. Под капотом вызывает Ruff, но не требует отдельной установки.

Как начать

# форматировать текущий проект
uv format

# проверить, без изменений
uv format --check

# только нужные файлы
uv format src/ tests/

Передача аргументов Ruff

Всё, что идёт после --, уходит напрямую в Ruff:

# исключить файлы
uv format -- --exclude="*_pb2.py"

# задать длину строки
uv format -- --line-length 100

Пока функция флажком --preview, но уже позволяет обойтись без отдельного бинарника ruff.

• Пользователи спорят: стоит ли встраивать форматирование (ruff format) в uv или это «feature-creep».
• Одни рады единой команде uv format, упрощающей жизнь новичкам и командам; другие требуют оставить инструменты раздельными, как в UNIX-way.
• Создатели подчеркивают: ruff и uv не сливаются; uv format лишь удобный алиас, аналогичный cargo fmt.

Python 3.10 добавил сопоставление с образцом, которое использует isinstance.
ABC с __subclasshook__ могут подменять проверку типа, поэтому:

class NotIterable(ABC):
    @classmethod
    def __subclasshook__(cls, C):
        return not hasattr(C, "__iter__")

match x:
    case NotIterable(): ...

работает — 10 считается NotIterable, строки и списки — нет.

Аналогично можно «матчить» по наличию атрибутов:

class DistanceMetric(ABC):
    @classmethod
    def __subclasshook__(cls, C):
        return hasattr(C, "distance")

и деструктурировать:

match x:
    case DistanceMetric(distance=d): ...

Динамически создаём комбинаторы:

def Not(cls):
    class _Not(ABC):
        @classmethod
        def __subclasshook__(_, C):
            return not issubclass(C, cls)
    return _Not

n = Not(DistanceMetric)
match x:
    case n(): ...

Синтаксис не позволяет писать Not(DistanceMetric)() прямо в case, но сохранив сгенерированный ABC в переменную, обходим ограничение.

• btown показал «трюк» с rrshift, позволяющий делать цепочки вида x >> f >> g без изменения левой части.
• Большинство участников критикуют реализацию pattern matching: неочевидное поведение имен-констант, лишняя сложность, отсутствие общих константных паттернов.
• Некоторые считают match-case полезным для структурной проверки типов, но просят линтеры/semgrep-правила, чтобы запретить его в кодовой базе.
• Обсуждаются и другие «преступления»: предложение {/} для пустого множества, метаклассы, меняющие isinstance, и «goto-подобная» неявность.

Ключевые слова титулов
AI-роли собираются из трёх блоков:

модификатор	домен	роль
Forward Deployed / Applied / —	AI / ML / Gen AI	Researcher / Engineer / Scientist / Architect / PM / Designer

• Forward Deployed — работают у клиента, внедряют готовые модели.
• Applied — строят продукты на базе моделей, но не обучают их.
• AI — общий термин.
• ML — классическое обучение моделей для узких задач.
• Gen AI — генерация текста, картинок, звука; термин быстро устаревает.

Researcher и Scientist почти синонимы, но «исследователь» всё чаще означает «продуктовый инженер с OKR», а не академика.

---

Реальные примеры

• AI Researcher — исследует архитектуру LLM.
• Applied AI Engineer — интегрирует модели в продукт.
• Forward Deployed AI Architect — проектирует решения на месте у заказчика.

• «AI» стал маркетинговым зонтиком для всего, от LLM до обычного ML, а титулы вроде «AI Engineer» или «Forward Deployed Engineer» часто не отражают реальные задачи.
• Участники смеются над инфляцией названий («Exalted Engineer», «Senior Anything-But-C-Level») и предлагают практичные эвристики: MLE = PyTorch, AI Engineer = Hugging Face, Researcher = пишет статьи.
• Многие «AI-роли» на деле сводятся к обычной разработке без GPU и fine-tuning’а, а само слово «engineer» уже обесценено.
• Популярность профессии взлетела после 2022 г. из-за денег, вызвав приток «хайпожоров» и «лестничных альпинистов», от которых «нормальные» инженеры мечтают избавиться.
• Итог: вакансии описывают задачи лучше, чем громкие титулы, а понимание «AI» всё чаще заменяется лозунгом «дайте инвестиции».

DeepSeek-V3.1 — первый шаг к эпохе агентов

• Гибридный режим: одна модель, два режима — Think (рассуждения) и Non-Think (быстрый ответ).
• Скорость: Think-режим отвечает быстрее, чем DeepSeek-R1-0528.
• Агентские навыки: улучшены работа с инструментами и многошаговые задачи.
  Попробовать: chat.deepseek.com

API

• deepseek-chat → Non-Think, deepseek-reasoner → Think, контекст 128К.
• Поддержка формата Anthropic API и строгого Function Calling (бета).

Инструменты и агенты

• Рост результатов на SWE / Terminal-Bench.
• Эффективнее многошаговые поисковые задачи.

Модель

• База V3.1: дообучена на 840 B токенов для длинного контекста.
• Обновлён токенайзер и шаблон чата.
• Веса открыты: V3.1-Base, V3.1.

Цены

• Новые тарифы с 5 сентября 2025, 16:00 UTC. До этого действуют старые.

• Выпущены GGUF-файлы DeepSeek-V3.1 для локального запуска: ≥250 ГБ RAM+VRAM или медленный off-load на SSD.
• На бенчмарках модель уступает GPT-5/Claude 4/GLM-4.5, но конкурентоспособна среди открытых весов.
• Пользователи жалуются на навязчивое «Of course.» в ответах, повышенные галлюцинации и устаревшие форматы tool-use.
• Цена API: $0,56 вход / $1,68 выход за 1 M токенов — дёшево, но без прежней ночной скидки.
• Китайские СМИ: V3.1 обучена на FP8 для будущих отечественных AI-чипов, что может ударить по позициям NVIDIA.

Требование: раскрывать использование ИИ-инструментов при любом вкладе в проект.

• Что добавляется: в CONTRIBUTING.md новый раздел «AI-Generated Content Disclosure».
• Суть: авторы pull-request’ов и issue обязаны явно указывать, если текст, код, коммиты или дизайн были созданы или существенно изменены при помощи ИИ (ChatGPT, Copilot, Claude и т.д.).
• Формат: достаточно короткой пометки в описании PR/issue или в коммит-сообщении, например:
  AI-assist: code comments and variable naming via GitHub Copilot.
• Цель: сохранить прозрачность, облегчить ревью, защитить проект от лицензионных и качественных рисков.
• Без наказаний: нарушение не влечёт блокировку, но ревьюеры могут запросить уточнение.

• Проблема: LLM не может подписать DCO, а человек не может гарантировать происхождение кода, если он был сгенерирован ИИ.
• Правовые риски: код может быть заимствован из неизвестных источников, что создаёт угрозу нарушения авторских прав.
• Сообщество: многие мейнтейнеры требуют явного раскрытия использования ИИ, чтобы сохранить качество ревью и обучение новичков.
• Практика: проекты вроде Ghostty и Caddy уже маркируют AI-PR метками или текстовыми пометками.
• Противники считают, что важен результат, а не процесс, и предлагают полагаться на ревью кода, а не на дисклеймеры.