Qwen 3.8 Omni Flash
Résumé indisponible pour cet article.
Lire vite.
Garder l'essentiel.
Les meilleurs longs formats de Hacker News, relus plus calmement.
Hister: A private search engine for the pages you visit and the files you keep
Hister est un moteur de recherche personnel et privé qui indexe le contenu complet des pages web visitées et des fichiers locaux pour les retrouver via une interface web, un terminal ou un assistant IA. L'installation consiste à télécharger le binaire pour votre plateforme, le lancer comme serveur local, installer l'extension de navigateur et garder le serveur en marche pour indexer les pages. Parmi ses fonctionnalités figurent l'indexation en texte intégral, l'indexation automatique via une extension Firefox/Chrome, des requêtes avancées, une recherche sémantique optionnelle et des clients web, TUI et ligne de commande. La confidentialité est mise en avant avec aucune télémétrie par défaut et le stockage des documents sur le serveur que vous contrôlez, tandis que la recherche sémantique optionnelle envoie du texte à l'endpoint d'embeddings que vous configurez. Le projet est open source sous licence AGPLv3, nécessite Go, npm et un compilateur C pour le développement, et dispose d'une communauté sur IRCNet et Discord ainsi que de guides de contribution et d'un tracker d'incidents.
Pre-Greek: The lost language hidden within Ancient Greek
Environ mille mots du grec ancien ne se rattachent à aucune racine indo‑européenne connue et incluent des termes très courants comme labyrinth, olive, Athéna ou Corinthe. Ces formes s'expliquent principalement par des emprunts aux langues paléo‑européennes qui préexistaient aux locuteurs indo‑européens arrivés dans l'Égée, notamment dans les domaines de la flore, de la faune et de la topographie. Les linguistes identifient ces emprunts grâce à l'absence d'étymologies PIE, à des configurations phonétiques impossibles en indo‑européen, à des variations phonétiques aléatoires et à la récurrence d'affixes préservés dans les toponymes (ex. ‑nth, ‑ss, préfixes a‑, k‑, s‑). Une partie du lexique provient vraisemblablement d'un substrat unique ou d'un groupe de langues apparentées qualifié de « pré‑grec », tandis que d'autres éléments culturels proviennent d'un adstrat minoen attesté par les écritures crétoises (Linear A/B). Ces emprunts ont laissé une trace durable dans le grec ancien et dans les langues modernes, confirmant que le vocabulaire conserve la mémoire des contacts et des migrations passés.
The Scourge of x86 Emulation
L'article explique que l'émulation du modèle de mémoire x86-TSO sur l'architecture ARM, qui a un modèle d'ordre plus faible, pose des problèmes généraux affectant toutes les applications émulées. L'approche initiale avec ARMv8.0 traduisait toutes les lectures et écritures x86 en acquires/releases, ce qui respecte les sémantiques mais dégrade fortement les performances, et a été améliorée par les extensions LRCPC ainsi que par le support matériel du TSO chez Apple. Les accès non alignés et les opérations atomiques traversant des granularités (split-locks) provoquent des fautes d'alignement, des retours noyau↔espace utilisateur pour correction et entraînent des ralentissements extrêmes ainsi que des difficultés de fidélité d'émulation. Même si ARM propose des instructions pour mapper la plupart des opérations atomiques x86, l'émulation correcte et performante des split-locks nécessite un soutien matériel supplémentaire — par exemple une instruction CASP 128 bits permettant d'enchâsser chaque moitié sur la frontière de granularité — ou des adaptations côté noyau. La gestion de la mémoire non mise en cache utilisée pour les GPU PCIe engendre des chutes de performance sévères en émulation, obligeant à privilégier des solutions UMA ou des contournements logiciels, mais les évolutions architecturales et les extensions laissent entrevoir des améliorations à l'avenir.
Bend – A language that blocks AI mistakes via proof, on CPU and GPU
Ce langage se propose d'empêcher les erreurs d'IA grâce à un système de preuves et à des lois formelles associées. Il compile en code natif pour des performances proches du C sur un cœur et peut tirer parti du parallélisme CPU et GPU pour des accélérations massives. Le vérificateur de types fait aussi office de vérificateur de preuves, conçu pour être très rapide afin qu'un agent puisse vérifier chaque modification et garantir que les règles définies (par exemple dans LAWS.bend) ne sont jamais violées. Le flux recommandé inclut l'installation via un script curl, l'ajout de consignes pour les agents (exécuter le guide, utiliser LAWS.bend, exécuter PROOF.bend avant commit) et la parallélisation du code quand c'est possible. Le projet est encore jeune, documenté par un guide et des articles techniques, ciblé pour le back-end sur Linux et macOS, et invite les utilisateurs à signaler les bogues.
Jemalloc 5.4.0
Le projet a intégré plus de 160 commits axés sur le nettoyage de la dette technique, des refontes, des corrections de bugs, une meilleure couverture de tests et des améliorations de portabilité. De nouvelles fonctionnalités incluent l'ajout d'un drapeau EXTENT_ALLOC_FLAG_PINNED et de contrôles mallctl pour suivre la mémoire 'pinned', la reprise de la sélection d'arène par CPU via thread.arena, un meilleur alignement des statistiques humaines/JSON et le remplacement de l'option runtime experimental_infallible_new par un choix de compilation --enable-cxx-infallible-new. Des changements incompatibles adaptent les cibles de remplissage et de rétention du tcache par bin en fonction de la demande observée entre GC, supprimant plusieurs contrôles hérités et faisant ignorer silencieusement les anciens paramètres malloc_conf. Plusieurs corrections remontent des problèmes critiques et de conformité, notamment la conservation d'errno lors des libérations, l'acceptation de NULL dans free_sized/free_aligned_sized, la correction de débordements numériques, la résolution d'edge-cases du cycle de vie des TSD, l'utilisation de O_CLOEXEC pour l'état THP et la résolution de verrous potentiels et d'interactions profilage/guard-page. De nombreuses optimisations et refontes ont modularisé le frontal, restructuré la gestion d'arènes, simplifié ctl, déplacé la logique des threads d'arrière-plan, supprimé des abstractions PAI obsolètes, introduit une couche d'abstraction OS et corrigé divers problèmes de portabilité et de compilation sur macOS, MinGW et GCC 16.
Bonsai 2 27B: Near-Lossless Compression in a 9x Smaller Footprint
PrismML publie Ternary Bonsai 2 27B, un modèle dérivé de Qwen3.8 27B qui améliore le raisonnement, le codage, la vision et les capacités agentiques tout en maintenant un profil de déploiement à faible empreinte mémoire et haute efficacité énergétique. Le modèle utilise des poids ternaires {−1,0,+1} avec un scaling FP16 par groupe pour 1,76 bits effectifs par poids, occupe 5,9 Go, accepte une fenêtre de contexte de 262 000 tokens, supporte l'entrée texte et image et est publié sous licence Apache 2.0. Par rapport à son homologue en précision pleine, Bonsai 2 27B est plus de neuf fois plus petit tout en conservant 98,2 % des performances agrégées et en comblant l'écart de rétention par rapport à la première génération (≈95 % → >98 %), ce qui le rend pratiquement sans perte pour de nombreuses tâches sensibles à la dégradation. En termes d'inférence, il atteint jusqu'à 143 tokens/s sur NVIDIA GeForce RTX 5090, 46,8 tokens/s sur M5 Max et consomme 0,714 mWh/token sur une RTX 4090, soit environ 40 % d'économie d'énergie par token par rapport à un modèle 8B en pleine précision. Bonsai 2 27B vise à rendre possibles des agents locaux pour le travail de connaissance (boucles de codage, analyse de documents privés, workflows multimodaux) et à modifier l'économie et l'architecture des systèmes IA en étendant le périmètre de déploiement sur appareils personnels, stations de travail et datacenters; les poids et les détails techniques sont disponibles dans le whitepaper et PrismML propose des collaborations et des opportunités de recrutement (contact@prismml.com).
Astra for Law
Résumé indisponible pour cet article.
Waymo in Singapore
Waymo annonce l'introduction à Singapour d'une flotte partagée tout électrique et autonome visant à compléter le réseau de mobilité et à soutenir le Singapore Green Plan 2030. Le déploiement sera phasé : cartographie et conduite manuelle l'année prochaine, puis conduite autonome avec spécialistes locaux avant de passer à des opérations entièrement autonomes, avec une ouverture commerciale envisagée en 2028. La société travaillera en étroite coordination avec le ministère des Transports, la Land Transport Authority et d'autres autorités locales, en traitant les données conformément à la Personal Data Protection Act de Singapour. La plateforme Waymo Driver utilise caméras, radar et lidar pour une perception à 360° jusqu'à 300 mètres et intègre des fonctions pour interagir en toute sécurité avec piétons et cyclistes, ainsi que des indices visuels et audio et des fonctionnalités Safe Exit. Waymo s'appuie sur une vaste expérience opérationnelle (plus de 300 millions de kilomètres, plus de 500 000 trajets hebdomadaires et une réduction annoncée de 94 % des collisions causant des blessures par rapport à des conducteurs humains) et commencera avec des Jaguar I‑PACE électriques équipées de sa cinquième génération de système.
Hacking OpenAI
Le 25 juillet 2026, des chercheurs de Hacktron ont enchaîné une vulnérabilité du parseur libheif et une mauvaise configuration SSO pour compromettre des comptes ChatGPT et Codex d'employés. Ils ont obtenu une exécution de code à distance via un débordement de tas dans libheif exploité par ImageMagick sur l'instance Discourse du forum, puis ont utilisé le flux d'identité SSO pour escalader l'accès. Avec ces comptes, ils ont pu accéder à des dépôts internes et ont prouvé l'impact en ouvrant une pull request dans le monorepo interne sans consulter de code sensible. Les équipes de Discourse et d'OpenAI ont été alertées et ont déployé des correctifs rapides, OpenAI versant un bounty de 6 500 dollars tandis que Discourse a commencé à sandboxer ImageMagick. Les auteurs recommandent de mettre à jour libheif/libde265, d'isoler les pipelines de traitement d'images et de revoir les modèles de menace, car les modèles d'IA accélèrent l'opérationnalisation des exploits.