HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

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

11978 articles Page 776/1198 Sans filtre

Show HN: OpenGravity – A zero-install, BYOK vanilla JS clone of Antigravity

C'est une version expérimentale et légère, construite en HTML/CSS/JS, d'un IDE basé sur le navigateur avec un terminal xterm.js via WebContainer, synchronisation locale des fichiers et un agent autonome capable d'exécuter des commandes et modifier des fichiers en temps réel. Le projet est encore en version Alpha et adopte le principe BYOK (clé API conservée localement), en supportant pour l'instant uniquement les modèles Gemini. L'auteur a recréé l'interface à partir d'exemples de Google Antigravity en utilisant Gemini 3.1 Pro pour générer le design, puis a intégré la logique de gestion de fichiers et d'agent. Les besoins identifiés incluent une meilleure orchestration agentique, le support d'autres fournisseurs (OpenAI, Anthropic), la stabilisation de la synchronisation et du terminal, ainsi que des améliorations UI comme menus, sélection de modèle, Git et un panneau de paramètres. Pour tester, il suffit de servir le projet (par exemple python3 server.py), ouvrir http://localhost:8000, entrer une clé Gemini via l'icône en haut à droite, et noter que le développement est en pause pendant les études de l'auteur mais que les PR sont relus le dimanche ; la licence est GPL-3.0.

Interfaze: A new model architecture built for high accuracy at scale

Une nouvelle architecture hybride combine des encodeurs DNN/CNN spécialisés et des transformeurs pour optimiser des tâches déterministes comme l'OCR, la détection d'objets, la transcription vocale et la sortie structurée. Sur neuf benchmarks comparatifs couvrant OCR, vision, STT et sorties structurées, le modèle devance majoritairement des modèles flash/mini et des solutions spécialisées cités dans le texte. Il propose un contexte d'un million de tokens, une sortie maximale de 32k tokens, des modalités multiples (texte, image, audio, fichier), des activations partielles de tâches pour gagner en vitesse et en coût, et une API compatible avec le standard Chat Completions. Les cas d'usage mis en avant incluent l'OCR riche avec boîtes englobantes et scores de confiance, la transcription longue et rapide, l'extraction web indexée et la génération de JSON formaté évaluée par le nouveau benchmark SOB. Le tarif annoncé est comparable aux modèles flash/mini cités et l'équipe précise vouloir compléter plutôt que remplacer les LLMs en se concentrant sur l'efficacité et la fiabilité pour des tâches à grand volume.

Training an LLM in Swift, Part 1: Taking matrix mult from Gflop/s to Tflop/s

L'auteur cherche à accélérer une implémentation manuelle de la multiplication matricielle en Swift pour entraîner un petit modèle de langage sur Apple Silicon. Il décrit la progression depuis une version Swift très lente due notamment au coût des vérifications de copy‑on‑write jusqu'à des optimisations comme MutableSpan et InlineArray pour éviter les allocations et frais d'accès. L'utilisation de Swift Numerics Relaxed pour activer des opérations FMA SIMD, le dépliage des boucles, le parallélisme avec DispatchQueue.concurrentPerform, puis l'exploitation d'instructions AMX et de noyaux Metal a permis d'améliorer progressivement les performances. Au total, ces optimisations ont fait passer l'implémentation de 2,8 Gflop/s à environ 1,1 Tflop/s (un gain d'environ 382×), Swift atteignant des performances comparables voire supérieures au C optimisé selon les cas. L'auteur conclut que ces expérimentations montrent la complexité de l'optimisation bas niveau et recommande d'utiliser les bibliothèques optimisées d'Apple pour des usages en production.

VGA Memory Access Is Complicated

La documentation insuffisante du VGA a causé des difficultés lors d'une nouvelle tentative d'émulation la semaine dernière. Le matériel VGA n'est pas très complexe en soi, mais il est composé de plusieurs composants logiquement séparés dont l'interaction crée une complexité notable. Les références d'IBM et la plupart des manuels expliquent comment programmer des modes standards sans détailler le rôle individuel des bits, rendant leur comportement difficile à déduire. Les documents de Compaq et Matrox sont plus précis et montrent que des bits distincts contrôlent séparément les lectures CPU, les écritures CPU et l'adressage, avec des interactions impliquant notamment MSR[5] et le décodage d'adresses. En conséquence, de nombreuses combinaisons non documentées existent et l'absence de spécifications complètes complique l'implémentation fidèle et la compatibilité des matériels ou émulateurs VGA.

Extremely Low Frequencies

L'article retrace l'évolution des communications sous-marines depuis des expérimentations anciennes jusqu'aux transmissions très basse fréquence (VLF) utilisées pour joindre des sous-marins à plusieurs dizaines de mètres de profondeur. Des pionniers comme Willoughby et Lowell découvrirent que les fréquences très basses pénétraient mieux l'eau, ce qui conduisit à la construction de stations VLF massives et à l'emploi d'antennes et d'émetteurs puissants. Pour atteindre des profondeurs encore plus importantes, la marine explora l'extrême basse fréquence (ELF) avec des projets colossaux tels que Sanguine puis des versions réduites aboutissant aux installations expérimentales et opérationnelles de Clam Lake et Republic. La technologie ELF se révéla extrêmement inefficace et coûteuse, offrant des débits très faibles et induisant des problèmes d'interférences, d'environnement et d'acceptation publique. Sous la pression politique, juridique et budgétaire, et face à des alternatives techniques, le programme ELF américain fut fermé en 2004 tandis que quelques autres pays conservèrent ou développèrent des capacités similaires.

Griffin PowerMate driver for modern macOS

Ce pilote macOS ouvre le PowerMate via USB HID pour exposer des événements de rotation et de bouton et permet de les mapper à des actions système ou applicatives. L'agent s'installe en déposant l'application dans le dossier Applications, ajoute une icône de menu et transforme la rotation en défilement ou en touches Flèche et les pressions courtes/longues en clics gauche/droit ou autres actions. L'utilisation complète exige d'accorder Input Monitoring et/ou Accessibility dans Confidentialité et Sécurité pour pouvoir poster événements système et éviter des comportements de menu indésirables, et le pilote saisit le périphérique en accès exclusif. La bibliothèque Swift fournit une API (PowerMateDriver) avec closures ou delegate pour onRotate, onButtonDown/onButtonUp, réglage du seuil de pression longue, et des commandes pour contrôler la LED bleue via requêtes USB. Le projet cible macOS 13+ et Swift 5.9+, inclut instructions de build et d'exécution, conseils de dépannage (rebrancher, fermer autres apps) et indications pour signer/notariser l'application pour la distribution.

Interaction Models

Thinking Machines annonce un aperçu de recherche d'un modèle d'interaction natif capable de traiter en continu l'audio, la vidéo et le texte pour collaborer en temps réel. Le système repose sur un modèle d'interaction en micro-tours alignés sur le temps (chunks de 200 ms) associé à un modèle d'arrière-plan asynchrone pour les raisonnements de long terme et les appels d'outils. L'architecture utilise une fusion précoce sans encodeurs lourds, des optimisations d'inférence pour faibles latences et des techniques d'entraînement et de communication déterministes pour la stabilité. Les capacités démontrées incluent la gestion fluide du dialogue, les interjections verbales et visuelles, la parole simultanée, la sensibilité au temps et la proactivité visuelle, et un modèle nommé TML-Interaction-Small domine certains benchmarks d'interactivité tout en restant performant en intelligence. Les limites actuelles incluent la gestion de très longues sessions, les contraintes de calcul et de connectivité, et des défis d'alignement et de sécurité, avec une prévisualisation de recherche limitée prévue et un appel aux retours de la communauté.

GitLab announces workforce reduction and end of their CREDIT values

GitLab annonce une restructuration transparente avec une fenêtre de séparation volontaire, visant à finaliser la nouvelle organisation autour du 1er juin et à communiquer l'impact financier lors de l'appel du 2 juin. Opérationnellement, l'entreprise prévoit de réduire d'environ 30 % le nombre de pays d'implantation, d'aplatir la hiérarchie, de redimensionner les rôles et de réorganiser la R&D en près de 60 petites équipes autonomes. Stratégiquement, GitLab parie sur l'ère agentique où des agents IA exécuteront la plupart des tâches de développement à grande échelle tandis que les ingénieurs conserveront le jugement et la responsabilité architecturale. Les cinq paris architecturaux portent sur une infrastructure à l'échelle machine, une orchestration du cycle de vie, un modèle de données contextuel, une gouvernance intégrée et une plateforme unique opérant en modes humains, assisté et autonome, accompagnés d'un mélange d'abonnement et de tarification à la consommation. La direction garantit la continuité du support et des engagements clients, prévoit de réinvestir l'essentiel des économies pour accélérer l'innovation et instaure de nouveaux principes opérationnels centrés sur la vitesse avec qualité, la responsabilité individuelle et les résultats pour le client.