HN Digest
Briefing personnel.

Edition quotidienne

Lire vite. Garder l'essentiel.

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

5732 articles Page 1/574 Sans filtre

06:09

Enhance RAW image processing with Core Image [video]

La présentation décrit les étapes du traitement des fichiers RAW sur les appareils Apple, depuis l'extraction des métadonnées et le démosaïquage jusqu'à la détection du bruit, l'accentuation et les ajustements de couleur et d'exposition. Apple annonce RAW 9, qui utilise un modèle Core ML exécuté sur l'Apple Neural Engine pour combiner démosaïquage et débruitage et obtenir une netteté et une précision colorimétrique supérieures, notamment sur les images très bruitées. Les applications peuvent activer RAW 9 via l'API CIRAWFilter en vérifiant supportedDecoderVersions et en réglant decoderVersion, puis exposer des contrôles calibrés comme l'exposition, la réduction de bruit luminance, la netteté et le contraste. Pour l'édition interactive, il est conseillé d'utiliser scaleFactor, un CIContext par vue avec cacheIntermediates activé, l'entitlement Extended Virtual Addressing et le rendu Metal; pour les exportations en pleine résolution, désactivez cacheIntermediates et augmentez memoryLimit. L'API CIImageProcessor propose désormais le contrôle explicite des tailles de tuiles de sortie et la gestion de tampons temporaires réutilisables, ce qui réduit les allocations répétées et améliore les performances des traitements intégrant Core ML.

06:09

How Terry Tao became an evangelist for AI in math

Terry Tao, mathématicien prodige australien et lauréat de la Médaille Fields, s'est distingué par une carrière précoce et une préférence marquée pour le travail collaboratif couvrant de nombreux domaines mathématiques. Il a été l'un des principaux acteurs du projet Polymath, une expérience de collaboration ouverte lancée par Timothy Gowers qui a permis des démonstrations collectives mais a révélé des limites pratiques liées à la modération et à la vérification manuelle des contributions. Intrigué par la vérification formelle, Tao a appris le système Lean et coordonné la formalisation collaborative de résultats importants comme la preuve polynomial Freiman-Ruzsa, en fragmentant les démonstrations en petits lemmes pour permettre à de nombreux contributeurs de participer. En 2024 il a lancé Equational Theories, un projet massif qui a exploité scripts Python, prouveurs automatiques et contributions distribuées pour traiter des millions d'implications algébriques, résolvant presque toutes les cases et découvrant au passage de nouvelles constructions mathématiques inattendues comme la « magma cohomology ». Tao promeut désormais une vision d'une nouvelle ère mathématique combinant expertise humaine, modèles d'IA et vérification formelle pour décomposer et automatiser d'innombrables sous-problèmes, estimant que cette approche expérimentale complétera la théorie sans la remplacer.

06:09

The forgotten Scots who gave Kafka his voice

Willa et Edwin Muir ont été pendant près d’un demi-siècle les traducteurs par excellence de Kafka en anglais et ont largement contribué à introduire son œuvre dans le monde anglophone. Leur version, fluide et formelle, a été à la fois célébrée pour sa lisibilité et critiquée pour son lissage des singularités du texte allemand. Des rééditions textuelles menées depuis les années 1980 par des chercheurs comme Malcolm Pasley ont ouvert la voie à de nouvelles traductions qui remettent en question certains choix des Muirs. L’ouvrage récent de Maïa Hruska, qui examine comment divers écrivains ont traduit et interprété Kafka, passe presque sous silence le rôle central des Muirs, produisant un paradoxe d’effacement. Malgré les critiques et les tentatives d’oubli, les traductions des Muirs continuent de circuler et d’influencer la réception anglophone de Kafka, tandis que leur propre mémoire reste fragile.

06:08

Kimi K2.7-Code: open-source coding model with better token efficiency

Kimi K2.7 Code est un modèle agentique orienté codage dérivé de K2.6, optimisé pour des tâches de longue durée en ingénierie logicielle et réduisant d'environ 30 % l'utilisation de tokens de réflexion par rapport à K2.6. Il utilise une architecture mixture-of-experts avec 1 000 milliards de paramètres totaux, 32 milliards de paramètres activés, 61 couches, un contexte de 256k tokens, un vocabulaire de 160k, 384 experts (8 sélectionnés par token), attention MLA et un encodeur vision MoonViT de 400M paramètres. Sur les benchmarks internes et publics, K2.7 Code améliore sensiblement les scores par rapport à K2.6 (par ex. Kimi Code Bench v2 : 62.0 vs 50.9; Program Bench : 53.6 vs 48.3) mais reste derrière certains modèles de référence comme GPT-5.5 sur plusieurs tâches. Le modèle adopte la quantification native int4, est distribué sous licence Modified MIT, est accessible via l'API de la plateforme Moonshot (compatible OpenAI/Anthropic) et est recommandé pour l'inférence avec vLLM, SGLang ou KTransformers en utilisant transformers >=4.57.1 et <5.0.0. K2.7 Code force le mode thinking avec preserve_thinking activé par défaut, prend en charge les entrées image et vidéo, fournit des exemples d'API et d'usage pour le chat et les agents, et le support est joignable à support@moonshot.ai.

06:08

Reddit RSS feeds recent rate limiting and solution

L'auteur suit depuis des années Reddit via environ 25 flux RSS pour suivre des subreddits liés à Apple et à sa région. Du jour au lendemain, tous ses flux RSS ont commencé à renvoyer des erreurs HTTP 429 en raison d'une limitation de débit sévèrement renforcée. Les en-têtes x-ratelimit laissaient penser qu'une seule requête était autorisée toutes les 60 secondes et l'ajout de l'authentification du compte n'a pas empêché les 429. Il a découvert qu'ajouter les paramètres user= et feed= aux URL des flux RSS permettait de rétablir l'accès, y compris pour les flux /search/.rss. Reddit a évoqué la fermeture des endpoints JSON non authentifiés et l'utilisation de Devvit pour l'accès aux données, mais aucune annonce officielle sur la fin des flux RSS n'est confirmée.

06:08

WASI 0.3

Le groupe WASI a ratifié la spécification 0.3, qui devient stable et rebase WASI sur les primitives async du WebAssembly Component Model, débloquant l'arrivée du support dans runtimes et toolchains. Le Component Model introduit stream<T>, future<T> et async comme ABI canonique, confiant la gestion d'une seule boucle d'événements au hôte et une planification par le runtime basée sur l'achèvement plutôt que la readiness. Les interfaces WASI ont été simplifiées de façon principalement mécanique (wasi:io migré vers l'ABI canonique), avec des signatures plus ergonomiques et la résolution du problème d'état des flux via une future séparée. L'async natif permet aux générateurs de bindings de produire des API idiomatiques pour Rust, JavaScript, Python, C#, C et Go, en accommodant à la fois coroutines stackless et stackful et en facilitant le streaming sans bloquer l'exécution. L'interface wasi:http a été réorganisée en worlds service et middleware pour permettre le chaînage de services et la composition directe de composants (réduisant fortement la latence), et les principaux runtimes et outils prévoient d'activer WASI 0.3 prochainement.

06:07

Show HN: StackScope – I crawled over 40k indie launches to see what they ship

Le service effectue une analyse quotidienne des lancements en phase initiale provenant de Product Hunt, Hacker News et PeerPush. Il examine les piles technologiques, les signaux d'IA, les en-têtes de sécurité, l'hébergement, les domaines et l'infrastructure de livraison. La base couvre 41 830 lancements analysés, 19 % montrent des schémas forts de génération par IA, 1 334 354 détections technologiques et 4 851 technologies uniques suivies. La page présente un flux d'exemples récents avec des scores et des descriptions succinctes de projets publiés le 13 juin 2026. Un outil permet de vérifier son propre site et d'accéder à des informations supplémentaires.

06:07

/architect: Reduce Fable tokens by 80%, Fable orchestrates/reviews, Codex builds

Le système sépare la planification et la revue (Claude Fable) de l'implémentation et de la recherche (Codex), en écrivant d'abord des spécifications et des gates avant de lancer des exécutions Codex dans des contextes frais. L'intégration est repo-centrée : les gates sont commités en lecture seule dans docs/gates/, chaque builder travaille dans un git worktree isolé sans accès direct aux commits, et l'architect (Fable) exécute les commandes de gate et juge les diffs dans un nouveau contexte avant de fusionner. Le flux de recherche /architect-research commence par un scout Codex bon marché pour cartographier la littérature, puis Fable conçoit plusieurs lanes thématiques, déploie des chercheurs Codex parallèles avec budgets stricts et exige des citations vérifiables et au moins deux sources pour les affirmations clés. Le système mise sur une mémoire limitée au dépôt (docs/HANDOFF.md, docs/gates/, docs/lanes/, historique git), une supervision intégrée (liveness, stall triage, timeouts) et des principes de conception documentés favorisant la décomposition planifiée et l'isolation par worktree. L'outil s'installe et s'utilise localement sans clés API par défaut (Claude Code utilise votre abonnement Claude et Codex CLI votre plan ChatGPT), inclut documentation et tests de validation, et est distribué sous licence MIT.