HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

Les meilleurs longs formats de Hacker News, relus plus calmement.

11293 articles Page 1091/1130 Sans filtre

Minecraft Java is switching from OpenGL to Vulkan

Mojang a annoncé que le rendu passerait d'OpenGL à Vulkan pour Minecraft Java Edition, ce qui constitue une modification majeure. Le passage est conçu pour profiter des fonctionnalités modernes et améliorer les performances et les visuels, mais il demandera du temps. L’objectif est de maintenir la compatibilité sur macOS et Linux grâce à une couche de traduction sur macOS, car Vulkan n’est pas pris en charge directement par Apple (Metal). Les moddeurs sont encouragés à préparer la transition en réduisant l’usage d’OpenGL et en réutilisant au maximum les API de rendu internes, avec la possibilité de discuter de besoins spécifiques. Le changement impliquera l’abandon progressif des vieux appareils non compatibles Vulkan, avec un déploiement en parallèle d’OpenGL et Vulkan durant les tests estivaux et une suppression d’OpenGL une fois les performances et la stabilité jugées satisfaisantes.

Visualizing the ARM64 Instruction Set (2024)

L’auteur visualise l’ensemble des instructions ARM64 en les plaçant sur une courbe de Hilbert et en les colorant selon leur classe d’instruction (général, advsimd, float, sve, etc.). Pour cela, il s’appuie sur la spécification Machine Readable Architecture (MRA) d’Arm, télécharge la version la plus récente (juin 2023) et utilise des outils qui extraient environ 3 000 encodages uniques avec les mnémoniques, la classe, la variante ARMv8 et un diagramme d’encodage. Il décode ensuite chaque instruction sur 32 bits et stocke son type d’encodage, tout en gérant les règles ASL et en retirant les encodages invalides via une passe post-traitement utilisant Capstone. Le graphique produit est une image où chaque pixel représente 256 instructions et où l’opacité reflète la densité, les couleurs indiquant la classe d’instruction et une version interactive permet l’inspection et le choix d’overlays. Par ailleurs, l’auteur décrit la visualisation du vérificateur Lightweight Fault Isolation (LFI) pour ARM64, qui analyse le code et produit une heatmap hilbert des instructions légales, avec environ 750 millions d’instructions autorisées et des limitations initiales à ARMv8.0.

DNS-Persist-01: A New Model for DNS-Based Challenge Validation

Le système Let’s Encrypt valide la possession des noms d’hôtes via des challenges ACME, et le DNS-01 a longtemps été la principale option pour les certificats wildcard ou lorsque l’infrastructure ne peut pas être exposée au public, mais avec des coûts opérationnels tels que la propagation DNS et les mises à jour au renouvellement. DNS-PERSIST-01 est une approche fondée sur un enregistrement TXT persistant lié à un compte ACME et à l’autorité de certification, permettant de réutiliser l’autorisation sans démonstrations répétées de contrôle. L’exemple montre l’enregistrement _validation-persist.example.com incluant accounturi et, le cas échéant, policy=wildcard ou persistUntil, et qui peut être réutilisé pour de nouvelles délivrances et renouvellements. Cette approche supprime les changements DNS du chemin critique et précise que l’autorisation peut rester valable indéfiniment par défaut, avec la possibilité d’imposer une expiration via persistUntil. Plusieurs CAs peuvent être autorisés simultanément en publiant plusieurs enregistrements TXT à _validation-persist.<YOUR_DOMAIN>, chacun portant l’identifiant du CA concerné.

How AI is affecting productivity and jobs in Europe

L’étude apporte pour la première fois des preuves causales sur les effets de l’adoption de l’IA sur la productivité et l’emploi dans plus de 12 000 entreprises européennes, en utilisant une approche d’instrumentation qui associe des firmes européennes à des homologues américaines pour estimer une exposition exogène à l’IA. Elle estime que l’adoption de l’IA augmente en moyenne la productivité du travail de 4% dans l’Union européenne, un gain marqué en comparaison avec des scénarios plus optimistes et à court terme. Contrairement à certaines préoccupations, l’étude ne trouve pas de pertes d’emplois à court terme liées à l’IA une fois les effets de sélection pris en compte, l’effet principal étant le renforcement du capital et de l’efficacité du travail. Les gains sont inégaux: les grandes et moyennes entreprises obtiennent des gains plus forts que les petites, et les effets se multiplient lorsque les entreprises investissent dans des actifs complémentaires tels que les logiciels et les infrastructures de données et dans la formation, avec 2,4 et 5,9 points de productivité additionnels respectivement par point d’investissement. Les implications politiques soulignent la nécessité de soutenir l’accès au financement pour les petites entreprises, de favoriser les investissements complémentaires et de développer des compétences fusion et une formation continue, tout en restant attentifs à d’éventuels effets d’éviction d’emplois et à une éventuelle aggravation des inégalités.

Step 3.5 Flash: Fast Enough to Think. Reliable Enough to Act

Step 3.5 Flash est un modèle open-source de pointe fondé sur une architecture Sparse Mixture of Experts, activant seulement 11 milliards de paramètres sur 196 milliards lors de l’inférence. Il délivre des performances de raisonnement rapide et de programmation robuste, avec un débit de génération typique de 100 à 300 tok/s et pouvant atteindre 350 tok/s dans certaines tâches. Le modèle exploite un contexte de 256K grâce à une attention hybride en ratio 3:1 entre Sliding Window et attention complète, réduisant les coûts tout en conservant l’efficacité sur de grands ensembles de données. Il peut être déployé localement sur du matériel haut de gamme et en environnements edge, garantissant la confidentialité et des performances solides sans dépendre du cloud. Un cadre RL évolutif, MIS-PO, filtre les trajectoires hors distribution pour stabiliser l’apprentissage et permettre une amélioration continue, soutenu par des benchmarks couvrant raisonnement, codage et tâches agentiques et par des démonstrations pratiques multiplateformes.

Tailscale Peer Relays is now generally available

Tailscale Peer Relays est désormais en disponibilité générale (GA), offrant des relais déployés par les clients pour maintenir le trafic lorsque les connexions directes sont bloquées par des pare-feu ou des NAT. Ces relais améliorent les performances, la fiabilité et la visibilité, avec une meilleure sélection d’interface et de famille d’adresses et une gestion plus efficace des paquets grâce à plusieurs sockets UDP. Pour les environnements cloud contraints, des points de terminaison statiques peuvent être annoncés via le drapeau --relay-server-static-endpoints, permettant à des relais derrière des équilibreurs de charge d’assurer le trafic externe et facilitant le maillage complet. La GA intègre aussi une meilleure observabilité, avec une intégration à tailscale ping et des métriques exposées comme tailscaled_peer_relay_forwarded_packets_total et tailscaled_peer_relay_forwarded_bytes_total pour Prometheus et Grafana. Pour commencer, il suffit d’activer le service sur les nœuds pris en charge, de le contrôler via les ACL et de consulter la documentation; les Peer Relays sont disponibles sur tous les plans, y compris le plan Personnel gratuit.

How to Choose Between Hindley-Milner and Bidirectional Typing

Le choix entre Hindley-Milner et le typage bidirectionnel n'est pas une simple opposition, mais dépend des besoins en matière de générics et d'unification. La question clé est de savoir si votre langage doit supporter les générics, car cela conditionne l'utilisation de l'unification. Le HM s'appuie sur l'inférence avec unification des variables de type, tandis que le typage bidirectionnel peut fonctionner avec des annotations et intégrer l'unification si utile. Le typage bidirectionnel peut étendre HM en utilisant des annotations et en permettant l'unification lorsque nécessaire. En fin de compte, la question se résume à choisir des generics ou non, et le typage bidirectionnel offre la flexibilité nécessaire, y compris pour des langages dédiés.

Cosmologically Unique IDs

Cet article examine comment attribuer des identifiants (IDs) qui restent toujours uniques pour des objets et des systèmes à très grande échelle. La solution la plus simple est d’utiliser des nombres aléatoires de grande taille, ce qui rend les collisions fonctionnellement impossibles. Des approches déterministes, comme un ordinateur central qui attribue un compteur, ou des schémas distribués tels que Dewey, Binary ou Token, garantissent l’unicité mais présentent des défis de connectivité et de croissance. Des analyses basées sur la théorie des collisions et les limites physiques de l’univers suggèrent que la longueur des IDs croît généralement logarithmiquement avec le nombre d’objets, mais pas nécessairement dans tous les scénarios. En pratique, une combinaison d’aléa avec des mécanismes de sécurité (signatures, vérification, et correction d’erreurs) offre une solution robuste pour des identifiants universels.

Anthropic officially bans using subscription auth for third party use

L’utilisation de Claude Code est soumise aux termes commerciaux et aux conditions de service applicables aux utilisateurs professionnels et aux utilisateurs Free, Pro et Max. Les accords commerciaux existants s’appliquent à Claude Code, que vous accédiez directement via l’API, ou par des intégrations tierces comme AWS Bedrock ou Google Vertex, sauf accord mutuel contraire. Si un client a un BAA et active le ZDR, le BAA s’étend automatiquement à Claude Code et couvre le trafic API passant par Claude Code. La politique d’utilisation et les limites affichées pour Pro et Max supposent une utilisation ordinaire et individuelle, et l’authentification peut se faire par OAuth ou par des clés API via Claude Console ou un fournisseur cloud. Pour la sécurité et la confiance, consultez le Trust Center et la Transparency Hub, et signez les vulnérabilités via HackerOne.