最新

Mozzie 最初是我为自己的工作流程构建的工具。 我喜欢同时处理多项任务，但大多数开发工具将工作流程分散在不同的地方：任务存在于问题跟踪器中，执行发生在终端中，上下文在它们之间丢失。我希望我的工作项及其上下文就在实际工作发生的地方旁边。 Mozzie 是一个本地桌面工作区，其中每个工作项都可以生成自己的终端或编码代理。这个想法是让任务成为主要界面——每个任务都保存其上下文，并且可以独立运行命令或代理。 这使得可以更容易地并行处理许多任务，而无需不断地在工具之间切换。 虽然还处于早期阶段，但我一直在每天使用它，它很适合我喜欢的工作方式。 好奇是否有人也喜欢这样工作或尝试过类似的东西。

大家好，我是 Veer，我的联合创始人是 Suryaa。我们正在构建 Cumulus Labs (YC W26)，并且我们发布了我们的最新产品 IonRouter (<a href="https:&#x2F;&#x2F;ionrouter.io&#x2F;" rel="nofollow">https:&#x2F;&#x2F;ionrouter.io&#x2F;</a>)，这是一个用于开源和微调模型的推理 API。您只需替换我们的基本 URL，保留您现有的 OpenAI 客户端代码，即可访问在我们自己的推理引擎上运行的任何模型（开源或针对您微调的模型）。 我们一直遇到的问题是：每个推理提供商要么速度快但价格昂贵（Together、Fireworks——您需要为始终开启的 GPU 付费），要么便宜但需要自己动手（Modal、RunPod——您自己配置 vLLM，并处理缓慢的冷启动）。这两种方案对于只想发布产品的团队来说都不合适。 Suryaa 在 TensorDock 建立了多年的 GPU 编排基础设施，并在 Palantir 建立了生产系统。我领导了太空部队和 NASA 合同的 ML 基础设施和 Linux 内核开发，这些项目中的堆栈必须在压力下真正发挥作用。当我们开始自己构建 AI 产品时，我们一直遇到同样的障碍：GPU 基础设施要么太贵，要么工作量太大。 因此，我们构建了 IonAttention——一个 C++ 推理运行时，专门围绕 GH200 的内存架构设计。大多数推理堆栈将 GH200 视为兼容性目标（确保 vLLM 运行，使用 CPU 内存作为溢出）。我们采取了不同的方法，围绕使硬件真正有趣的地方构建：一个 900 GB/s 的相干 CPU-GPU 链接，452GB 的 LPDDR5X 位于加速器旁边，以及 72 个您可以实际使用的 ARM 核心。 我们认为由此产生了三个新颖之处：（1）使用硬件缓存一致性，使 CUDA 图的行为就像它们具有零步成本的动态参数一样——这仅适用于 GH200 级硬件；（2）由不变性而非内存压力驱动的积极 KV 块写回，这使驱逐停顿从 10 毫秒以上降至 0.25 毫秒以下；（3）在小批量大小下进行幻影瓦片注意力调度，这在受影响最严重的区域将注意力时间缩短了 60% 以上。我们在 cumulus.blog/ionattention 上详细介绍了这些内容。 在多模态管道上，我们获得了比大型厂商更好的性能（在相同的 VLM 工作负载上，588 个 token/s vs. Together AI 的 298 个 token/s）。我们坦诚地说，p50 延迟目前较差（约 1.46 秒 vs. 0.74 秒）——这是我们正在积极努力解决的权衡。 定价按 token 计费，无闲置成本：GPT-OSS-120B 输入 0.02 美元/输出 0.095 美元，Qwen3.5-122B 输入 0.20 美元/输出 1.60 美元。完整的模型列表和定价请访问 <a href="https:&#x2F;&#x2F;ionrouter.io" rel="nofollow">https:&#x2F;&#x2F;ionrouter.io</a>。 您现在就可以在 <a href="https:&#x2F;&#x2F;ionrouter.io&#x2F;playground" rel="nofollow">https:&#x2F;&#x2F;ionrouter.io&#x2F;playground</a> 试用该游乐场，无需注册，或者放入您的 API 密钥并替换基本 URL——只需一行代码。我们构建这个是为了让团队能够看到我们引擎的强大功能，并最终使用相同的解决方案来满足他们对微调模型的需求。 我们很好奇您有什么想法，特别是如果您正在运行微调或自定义模型——这是我们投入最多的用例。有什么问题，什么会让它对您真正有用？

嗨，Hacker News！我今年 13 岁，独自一人用 14 天的时间（每天大约 12 小时）构建了 Aurion OS，作为我的一个学习项目。 它是一个 32 位 x86 操作系统，完全用 C 语言和 x86 汇编语言编写，没有使用任何外部库。 它的功能包括： * 自定义引导程序和内核 * VESA 帧缓冲图形（1920x1080，双缓冲） * 带有可拖动、重叠窗口的窗口管理器 * 受 macOS 启发的、具有透明效果的 Dock * PS/2 键盘和鼠标驱动程序 * ATA 硬盘驱动程序，带有文件系统 * PCI 总线枚举 * RTL8139 网络驱动程序（WIP） * 实时时钟 * 仅需 16MB 内存即可运行（最多可同时打开 10 个窗口） 内置应用程序：终端（带 DOS 模式）、记事本（保存/加载）、计算器、画图（多种颜色和画笔大小）、贪吃蛇游戏、设置（主题切换）和系统信息。 目前在 QEMU、VirtualBox 和 VMware 上运行效果最佳。对真实硬件的支持仍在开发中。 下一个目标：TCP/IP 网络协议栈。 我很乐意接受任何反馈、建议或批评。这是我的第一个操作系统项目，在构建它的过程中我学到了很多东西。 欢迎回答任何技术问题！

嗨，HN，我是 Shubh，Raccoon AI 的联合创始人。<p>Raccoon AI 就像是网页版的 Claude Code 和 Cursor 的结合体。<p>这个智能体拥有自己的电脑，配备终端、浏览器和互联网，它在协作和自主性之间取得了恰当的平衡。<p>你可以在任务进行到一半时与它对话，在它运行时发送更多文件，或者干脆让它自己运行，然后回来查看完成的结果。<p>这是一款让你打开来尝试一件事，结果却花了两个小时的产品，因为你不断想到更多可以交给它的任务。<p>最让人们兴奋的是，会话可以跨越完全不相关的任务类型进行链式处理。你可以从市场调研（真实的引用、生成的图表）到原始数据分析（转储你的数据库，提问），再到一个完整的交互式应用程序，所有这些都在一个共享相同上下文的对话中完成。<p>它通过自动摘要拥有无限的上下文，这在 Ace Max 的加持下表现出色。<p>它连接到 Gmail、GitHub、Google Drive、Notion、Outlook 以及 40 多个其他工具。你还可以通过自定义 MCP 服务器添加自己的工具。<p>Raccoon AI 基于我们自己的智能体 SDK，ACE 构建，该 SDK 在 GAIA 基准测试中达到了 SOTA 水平，得分为 92.67。<p>简单介绍一下背景：我们是一个三人团队，大约在 1.5 年前开始构建有史以来最好的浏览器智能体，经过几次转型后，我们最终实现了这个目标，并且自 10 月以来一直在不断发布和发展。<p>很乐意深入探讨架构或讨论局限性，并期待收到反馈。<p>网站：<a href="https://raccoonai.tech" rel="nofollow">https://raccoonai.tech</a>

几个月前，我们在这里发帖并收到了很多有见地的反馈。这是我们根据反馈构建的内容。<p>MoneyOnFIRE 回答了两个问题：你什么时候可以实现财务独立，以及你该怎么做才能最快地实现财务独立？它会运行一个涵盖收入、税收、账户、供款、回报和提款的财务模拟，然后生成一个优先行动清单，其中包含具体的金额、日期和步骤。<p>一些最大的改进直接来自于上次 HN 讨论中的评论：<p>租赁物业支持：引擎现在可以模拟租金收入、抵押贷款、增值以及房产如何与财务计划的其余部分交互。<p>情景建模：你现在可以并排比较不同的选择——较低的回报、更长的工作时间、调整支出——如何影响你的财务独立时间表。<p>无需登录：一些人不想创建账户或存储财务数据。你现在无需注册即可运行完整的计划。<p>财务独立 vs 提前退休：我们最初是为提前退休的人群构建的。反馈表明，它对任何追求更长时间财务独立的人都同样有用——计算和行动都是一样的。<p>同时发布的还有：支持多个孩子和大学时间表、罗斯转换梯、IRA 策略选择、保护伞和定期人寿保险规模调整，以及随着你的输入变化而更新的动态报告。<p>核心论点没有改变：个人财务是一个由相互作用的规则和计算组成的复杂网络。我们希望解决这个问题，并为每个人提供一套清晰、有序的行动方案，他们可以实际执行。<p>很乐意回答有关引擎或其背后的建模决策的问题。