Делаю вид что разбираюсь

В недавнем релизе Valve Frame, интересны не то что сами очки (удачи их купить, доступны в паре регионов и через лотерею), а тот софт который позволил их воплотить

Пробовавшие SteamDeck уже ощутили как хорошо протон запускает виндовые игры на линуксе, но для этих очков нужен был еще один компонент: FEX, штука транслирующая x86 в arm64. Изначально этот проект стартанул в опенсорсе, но в 2018 году валв пришли к разработчику с котлетой денег и предложением продолжать разработку

И тут появляется следующий проект, где собрали вместе FEX, Wine, DXMT и получили айосную приложеньку которая позволяет запустить RDR2 на свежем ифоне 18про (тут скорее важна не мощность, а переработанный отвод тепла) с приличными 30 фпс

https://fxtwitter.com/madeira_app/status/2103624044004405317
https://github.com/willfaust/Madeira

А знаете же что как сложилось с заголовком User-Agent которое сейчас в каком-то хромиум-подобном браузере (пример с Helium на M3 маке под 27.0.1 макосью) выглядит вот так Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/154.0.0.0 Safari/537.36? Когда-то давно особо одаренные чуваки проверяли какой браузер путем очень кривых регулярок и самое простое было напихать вот такое, чем пытаться рассказывать что твой браузер поддерживает все то что и прошлый

Так вот, чуваки из фигмы решили повторить и заняться такой же клоунадой внутри MCP отклоняя запросы если клиент не 'Claude Code' или 'Codex'. При этом под раздачу попали не только опенкод или пи, но и даже гуишная версия клауде, потому что там посылается 'Claude Desktop'

https://fxtwitter.com/badlogicgames/status/2105234146499203255

На этой неделе DHH пошел отжигать, так что пока я думал насчет поста, появился повод еще для второго

Начнем с того как он пришел на открывающий доклад конфы про рельсы и выдал "привет, руби и рельсы больше не нужны, мы переписали наш бек на раст"

Наброс, конечно, знатный (вон на реддите как полыхает), но тут он прав. Руби это язык на котором приятно писать (но не читать), и рельсы создавались тоже с целью что вот тебе все хорошо собранное и работающее, делай свой проект поверх написав минимальное количество кода. У других языков были другие сильные стороны. Тот же питон удерживает позиции, потому что под что угодно есть библиотеки. Го хорошо подходит везде, где можно распараллеливаться, а еще он простой как железная дорога, из-за чего и кланкеры лучше пишут код, и кожаному проще приглядывать (об этом следующий пост). JS/TS будут жить пока жив веб. А вот языку, где единственная сильная сторона это DX, места больше нет

Станция Кланкерная, конечная. Поезд дальше не идёт, просьба выйти из вагонов

https://old.reddit.com/r/rails/comments/1woa8r8/dhh_is_completely_crazy/

А помните на той неделе радовались что клауде наконец-то снизошел и теперь умеет читать не только claude.md, но и agents.md (который стал стандартом для всех остальных таких штук)?

Но вы правда верили что эта контора может сделать чет нормально (ну кроме последнего опуса, там вышло неплохо)? Как оказалось они запихнули поддержку этого за фича флаг, и если у тебя отключена телеметрия то они не подгружаются и следовательно agents.md не грузится в контекст

Ждем еще год пока починят (и заодно еще узнают про наличие скилов в папке .agents)

https://blog.szypowi.cz/p/claude-code-reads-agents.md-only-when-telemetry-is-on/

Вы возможно замечали что последние топовые модели очень любят редактировать файлы не используя тулы edit/write, а через bash и дергая там в лучшем случае sed, а астра вообще любит редактировать все вот так: python3 -c 'from pathlib import Path; p = Path("src/app.ts"); p.write_text(p.read_text().replace("oldName", "newName"))'

Знаете почему пользователи клауде не ворчат на это? Потому что как оказалось клауде перед каждым вызовам тула делает снапшот в гите, дергает вон этот скрипт редактирования, а потом смотрит дифф и рисует типа вот отредактировал

Ну т.е. они сделали костыль который
1) не работает в папке без гита
2) регулярно показывает изменения из параллельной сессии
3) издевается над ФС заставляя трогать кучу мелких файлов (а какой-нибудь APFS на маке не славится производительностью с таким)

Я прям уверен что в антропик никто даже не знает о том как это работает, потому что это явно результат "clawd fix plz" и yolo merge следом

https://x.com/_can1357/status/2101114167641907683

Возможно, вы замечали что компакшен в кодексе работает сильно лучше чем в клауде, и после него реже возникает ощущение произошедшей лоботомии. Этот фокус получался за счет того что компакшен происходит на их сервере и учитывает не только output токены (которые видит клиент), но и reasoning (который скрыт и показан в виде короткого саммари)

Сейчас они решили пойти еще дальше и вообще убрать компакшен (по определению сжимающий с потерями) и сделать по другому: модель в курсе текущего размера контекста, умеет делать операцию "а вот отсюда давай продолжим занулив весь прошлый контекст", а так-же "давай вот это сохраним как заметку" и "давай поищем в прошлой истории чата до зануления".

Включается это либо с features.context_management.experimental_mode в кодексе, или для pi уже сделали расширение с таким поведением (правда там используется форк pi, ибо в апстриме пока не хватает нужных хуков)

Но хорошо это работает только с gpt-6-astra, другие модели не готовы к таким революционным фокусам

https://github.com/fitchmultz/pi-posthorse

Какое-то время назад аппл начали показывать про Private Cloud Compute, чтобы выгружать на сервер трогание нейронок, но так чтобы сохранить приватность твоих данных. И при этом они сказали, что то, что запущено на сервере будет доступно для скачивания и изучения безопасниками

Так вот, т.к. эта cloudOS по сути тоже специальный бранч айоси, то туда потом попали куски, позволяющие собрать и запустить внутри виртуалки прям сам ифон. И оно не выглядило как случайно забытое, а будто они планируют выдавать Security Research Device (это такой ифон без аппстора, но с sshd и возможностью отключать разные штуки про безопасность) и виде образа для виртуалки

В любом случае, того, что уже доступно, оказалось достаточным, чтобы собрать и запустить виртуальный ифон прям внутри виртуалки

https://github.com/Lakr233/vphone-cli

А по второй ссылке можно немного почитать про технические подробности как и из чего это все собрано

https://github.com/wh1te4ever/super-tart-vphone-writeup

А помните, как на анонсе слопуса 5 антропики показали, что в бенчмарке ARC-AGI-3 они выбили 30.2%, в то время как 5.6 смог всего на 7.8%? Так вот, как оказалось, есть нюанс с конфигурацией модели, и на самом деле 5.6 Sol выбивает 38.3%

В чем же, собственно, дело? Этот тяжелый для моделей бенчмарк основан на том что ей дается в управление какой-то интерактивный пазл и им надо его решить. А теперь вспомним что LLM это просто штука которая по последовательности токенов отвечает какой должен быть следующим и все эти итерации пазла это "вот все что было раньше, что дальше делаем?". Но т.к. антропик и опенаи отдают в ответе reasoning в виде короткого саммари (в отличие от китайских моделей) то каждая итерация в этом бенче заставляет модель снова размышлять про суть пазла снова и снова

Но если воспользоваться не апишкой эпохи GPT-3, а новой, то там, кроме видимых токенов, будет еще передан айдишник диалога, который позволяет модели не просто воспользоваться кешом (и удешевить процесс), но и взять оттуда исходный reasoning (вместо его саммари), что качественно влияет на процесс работы — модели не приходится на каждой итерации размышлять над сутью пазла

Второй же нюанс связан с размером контекста. Замечали же, что в то время, когда антропики раздают всем миллионный контекст по подписке (и берут деньги за fast режим), то опенаи раздают скорость даже по подписке, но длинный контекст только за удвоенный доллар? А все потому что они прямо говорят, что чем больше контекст тем хуже себя ведет модель, и лучше до такого не доводить

А тут еще прикол, что в ARC-AGI-3, когда упираешься в размер контекста, он начинает просто выкидывать начало диалога. В итоге у нас модель постоянно и вынуждена работать на неоптимально большом размере контекста, и вдобавок еще теряет то что было раньше. Но когда они включили поддержку compaction все стало сильно лучше. Причем если компакшен мы делаем не отдельным промптом (как было год назад), а через отдельную апишку, то оно в этом процессе тоже учитывает весь тот reasoning в сыром виде, что лежит в кеше (собственно поэтому сессии в кодексе и переживают несколько компактов подряд без ощущения что произошла лоботомия)

В итоге, пара оптимизаций и соленой смог выбить цифры в 3 раза потратив на это в 6 раз меньше токенов

https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

Многие современные девайсы используют трюк с двумя загрузочными дисками чтобы предотвратить окирпичивание. Т.е. мы загрузились с одного, во втором делаем апдейт, потом загрузчик пытается загрузиться с него, если получилось то он стал основным, если нет то вернулись на прошлую. Так сделано и на стимдеке, и апплом, и на андроидах.

Т.к. держать две копии системы дорого, то обычно там делают трюки. Например, аппл использует снапшоты в APFS, чтобы иметь две copy-on-write версии (и для загрузки они вообще монтируют снапшот ридонли). Андроид тоже использует copy-on-write трюки, но чутка по другому

Собственно, в свежем 17 андроиде есть два пути: когда новый образ не сильно отличается, то отработает copy-on-write, но на толстом образе сработает резервный механизм. Так вот, первый способ обновления оказался сломанным если мы закидываем апдейт через adb sideload, если наш образ слишком маленький (как, например, у господ из GrapheneOS). Но очень профессиональные разработчики из гугла даже не заметили этого, ибо чистая прошивка пикселя (а там еще не так чтобы много bloatware) не влезала в то место, и всегда срабатывал фолбек

Так что в итоге господа из GrapheneOS пошутили что "мы бы могли починить работу апдейтов докинув в архив прошивки гигабайтный файл с мусором, но мы же не настолько профессионалы, как товарищи из гугла, поэтому подождите нормальный фикс"

https://fxtwitter.com/GrapheneOS/status/2067626061274247451

Вы не поверите, но антропик извинились за этот трюк

Правда сказали что это мы сами виноваты, ибо видимые запреты проще обходить (ты же видишь какой именно промпт триггернул), а они хотели поменьше ложно-положительных срабатываний. Ну тех самых из-за которых я этот Fable так и не пощупал, ибо все мои запросы были flagged for cybersecurity

https://fxtwitter.com/ClaudeDevs/status/2064949876463645026