给软件开发者准备的优质简报,每日阅读 10分钟


Anthropic confidentially submits draft S-1 to the SEC

524 pointsLinkComment(439)Share

Anthropic机密递交S‑1草案并公布业务进展

  • Anthropic PBC已向美国证券交易委员会机密递交Form S‑1注册声明草案,为未来首次公开发行普通股提供上市选项。
  • IPO的实际启动仍需等SEC审查完成,并受市场条件等因素影响;发行股份数量和定价目前尚未确定。
  • 本公告依据《1933年证券法》Rule 135发布,声明不构成任何证券买卖要约或招揽。
  • 公司将Project Glasswing项目扩展至约150家新组织,覆盖15个以上国家和地区。
  • 最近完成Series H融资,募集金额65亿美元,估值达965亿美元。
  • 同时发布Claude Opus 4.8模型,提升在编码、代理任务和专业工作等场景的性能与持续性。

Chuwi Minibook X

398 pointsLinkComment(296)Share

Chuwi Minibook X:350美元的廉价实验利器

  • 硬件配置:10.5 英寸 2K IPS 16:10 屏幕、Intel N150 四核 3.6 GHz 处理器、16 GB LPDDR5-6400 内存(焊接)、512 GB NVMe 固态硬盘(可升级)、28.88 Wh 电池,重量仅 911 g,配备 2×USB-C 接口(含一路 PD 充电)。Geekbench 6 单核 1295 / 多核 3332,Wi-Fi 6 实测速率 424 Mbps。
  • 机身做工:全铝 MacBook 式外壳,坚固耐用且外观精致,机身厚度与 MacBook Air 相当,可轻松放入背包携带。
  • 电源适配器:出厂附赠 12 V/2 A USB-C 充电器(非标准 PD),实测可安全使用任意 PD 充电器供电,也为直流/离网供电场景提供了有趣的兼容性。
  • Linux 兼容性与屏幕旋转修复:摄像头、触摸屏、蓝牙、Wi-Fi 6、睡眠、休眠、键盘背光等功能开箱即用;唯一硬件缺陷是屏幕面板侧装,启动时默认顺时针旋转 270°,需在引导程序(grub 补丁)、initrd(内核参数 video=DSI-1:panel_orientation=right_side_upfbcon=rotate:1)、桌面环境(X11 的 xrandr 或 Wayland 的 DRM)四层协同修复。
  • 续航与散热:空闲功耗 3.8 W,跑分时约 15 W;连续播放视频约 6 小时;10 分钟压力测试后机身最高温度仅 32°C,散热表现远超预期。
  • 缺点与定位:屏幕仅 50 Hz 刷新率、键盘需精准敲击中心、触控板无实体按键、扬声器音质偏薄——但在 400 美元以下的价位均可接受。机器足够廉价且易于重装,非常适合作为实验平台来折腾 NixOS、RiverWM、KDE Plasma 或 Steam 游戏,风险极低。

Please don't spam people looking for employment. It's just cruel

853 pointsLinkComment(246)Share

Hacker News招聘求职帖沦为垃圾信息重灾区

  • 原始发帖者Ilia在"Who Wants to Be Hired"帖子中分享失业困境后,收到了大量垃圾邮件,发送者包括冒牌"网络安全专家"兜售漏洞赏金、不透露公司名称的猎头,以及伪装成合作邀请的可疑销售或虚假面试服务。
  • 这些垃圾信息由AI自动生成,成本极低且针对性日益增强,但内容往往与接收者背景不符,存在明显模板化痕迹,目的是营销或诈骗而非提供真实机会。
  • 骗子专门针对失业求职者的脆弱处境实施多种诈骗:冒充海外开发者借用身份(疑似朝鲜等国背景)、提供收费虚假面试服务、诱导安装恶意软件,以及Ladders等招聘平台的付费陷阱。
  • 猎头隐瞒招聘公司信息是为了防止候选人绕过中介直接联系雇主,从而截留佣金;与此同时,自动化系统也会错误地向"Who is Hiring"帖子群发垃圾信息,使雇主端同样不堪其扰。
  • 社区对此反应两极:一部分人呼吁对身处困境的求职者展现同理心,另一部分则认为利用他人绝望牟利本质冷漠,且发帖者自己也在进行自我营销,不应苛责他人。
  • 应对措施包括使用一次性邮箱发布求职信息、将垃圾邮件拖入Gmail"推广"标签分类、设置AI自动筛选回复,或利用GPT等工具根据招聘方发布的职位描述反推公司名称以绕过中介。

Adafruit receives demand letter from Fenwick legal counsel on behalf of Flux.ai

540 pointsLinkComment(226)Share

Adafruit 收到 Fenwick 法律顾问代表 Flux.AI 的停稿需求信

  • 2026 年 5 月 22 日,Adafruit 在美国东部时间晚上 10:38 收到前 FBI 首席幕僚 Jonathan F. Lenzner 及 Fenwick & West LLP 律师事务所代表 Flux.AI(Defy Gravity, Inc.)的正式信函。
  • 信中要求 Adafruit 停止发布一篇涉及 Flux.AI 的文章,指责该文包含关于 Flux 的知识产权、商业进展和用户规模的“虚假且可能诽谤”言论。
  • 该函还以《计算机欺诈与滥用法案》(CFAA)为依据,称 Adafruit 通过服务器配置错误获取了本应公开的信息;Adafruit 强调其仅查阅了 Flux 系统公开的内容,属负责任的安全披露。
  • Adafruit 强烈否认信中指控,并决定在审议回应方案期间,暂时停止在官方博客上发布相关内容,随后将向社区通报后续进展。
  • 如需进一步沟通,可联系 Adafruit 新闻媒体:press@adafruit.com,署名为 ladyada 与 pt。

Why Janet? (2023)

402 pointsLinkComment(213)Share

为什么选择 Janet 语言?

  • 极简核心易学上手——仅 8 条基本指令(do、def、var、set、if、while、break、fn),标准库在一页内可浏览完,JavaScript 般的运行时语义去掉所有"坑",下午即可掌握。
  • 静态编译成小体积原生文件——Janet 先编译为字节码,再生成包含完整运行时的 .c 文件,最终链接为小于 1 MB 的独立二进制,接收方无需安装任何依赖。
  • PEG 解析优于正则——使用解析表达式文法,能可靠处理多行文本、HTML、JSON、二进制格式及任意 null 字节,是结构化、可组合的真正的解析器。
  • 顶级子进程 DSL——第三方 sh 库支持直接在代码中表达管道与重定向,如 ($ find . -name *.janet | say),让 Janet 成为 Bash 的实用替代品。
  • 可嵌入且集合有可变/不可变两种语义——运行时是轻量 C 库,易在应用、网站或游戏中嵌入;不可变集合具有值语义,可变集合具有引用语义,两者均为标准库内置。
  • 宏与编译时状态快照——非卫生宏配合字面函数可写出完全引用透明的代码;编译时会隐式执行顶层代码并将完整程序状态序列化到磁盘,运行时可恢复可变值、生成器和闭包,宏只是这一能力的特殊应用。
  • 语法设计注重编程舒适感——括号中穿插 [](列表)和 {}(表),可变字面量以 @ 开头,匿名函数可用 |(+ 1 $) 简写,字符串用反引号层数决定转义行为,无需记忆复杂语法规则。

Gmail thinks I'm stupid, so I left

274 pointsLinkComment(134)Share

Gmail强制AI功能泛滥,用户16年后选择离开

  • Gmail在未询问用户的情况下自动生成邮件摘要,并在撰写回复时预填AI草稿,用户必须手动删除才能输入自己的内容
  • 撰写邮件时,Gmail通过彩色动画、悬浮提示和"Tab to improve"等指令反复推销AI写作功能,持续干扰用户写作
  • 部分AI功能无法关闭,若能关闭则可能连带禁用自动分类等有用的原有功能,作者怀疑这是故意设计以虚增AI功能的使用数据
  • 作者认为Gmail传递的错误信息是:不信任用户读写邮件的能力,认为收件人不值得用户投入时间和精力,是在暗示用户不借助AI工具就无法正常沟通
  • 虽然作者对可选的AI辅助功能持务实态度,但Gmail的过度推销和持续干扰让作者感到软件对用户缺乏基本尊重,最终只想彻底告别
  • 作者已使用Gmail长达16年,现已开始试用Fastmail并考虑迁移数据,但更倾向于只导入联系人、让邮件数据重新开始

MAI-Code-1-Flash

227 pointsLinkComment(103)Share

发布 MAI-Code-1-Flash:微软轻量级AI编程模型

  • MAI-Code-1-Flash是微软端到端构建的轻量级AI编程模型,使用清洁且授权适当的数据训练,现已在VS Code的GitHub Copilot模型选择器中向个人用户推出
  • 模型采用自适应解决方案长度控制技术,对简单请求保持简洁,对复杂问题投入更多推理资源,解决问题时使用的token量减少高达60%
  • 在SWE-Bench Pro等核心编程基准测试中全面超越Claude Haiku 4.5(51.2% vs 35.2%,领先16个百分点),以更低的token消耗实现更高的准确率
  • 采用GitHub Copilot生产环境实际使用的训练框架开发,直接针对真实开发工作流优化,而非仅针对基准测试调优
  • 指令执行能力表现突出,IF Bench精确指令测试领先Claude Haiku 4.5达28.9分,并支持更强的智能体工具调用能力
  • 构建了包含186个问题、34个类别的对抗性陷阱基准测试以区分真正推理与模式匹配,MAI-Code-1-Flash调整后准确率达85.8%
← 2026-06-01 2026-06-02 ...