最新

大家好， 最近我一直在尝试各种笔记应用。大多数应用都不错，但很多时候我只想打开一个标签页，快速记录一个想法，然后继续。我想要的是那种即时或快速的体验。 我找不到一个感觉简单又好用的应用，所以最后我自己做了一个，我觉得它就是我想要的。 它完全运行在浏览器中，使用 SQLite WASM 将所有内容本地存储（我最喜欢这个部分，因为我觉得 WASM 的潜力还没有被充分利用），并且如果将其安装为 PWA，则可以离线工作。它支持斜杠菜单、Markdown 快捷键、待办事项、代码块，以及其他常用的块状功能，未来还将添加更多块状功能或特性 :) 你可以在这里尝试： https://notem.pages.dev 我很想听听大家的看法。

几个小时前，我将我的域名服务器切换到了 Cloudflare，以便通过我的子域名启用 R2 存储桶服务。我发现它悄悄地在我的纯 HTML、无 JavaScript 的网站 textlog.cc 中注入了一个 JavaScript 分析代码片段。我不得不进入分析仪表板，将网站添加到分析中，*然后*禁用该代码片段。我认为这种做法非常具有侵入性，这类功能应该采用选择加入（opt-in）的方式，而不是选择退出（opt-out）。给可能不知道的各位提个醒。

Atlas.nvim 允许您直接在 Neovim 中审查 PR。浏览差异、查看和回复评论、解决讨论串以及留下本地笔记。<p>非常欢迎提供反馈。

Distro Fighter: WARS 现正处于封闭测试阶段，但 HN 用户拥有专属入口：<a href="https:&#x2F;&#x2F;distrofighter.com&#x2F;wars?beta=hackernews-2026" rel="nofollow">https:&#x2F;&#x2F;distrofighter.com&#x2F;wars?beta=hackernews-2026</a> - 位于 <a href="https:&#x2F;&#x2F;distrofighter.com" rel="nofollow">https:&#x2F;&#x2F;distrofighter.com</a> 的街机模式已对所有玩家开放。<p>每周促销活动将于今晚午夜开始，赛季（迁徙）每季度一次。每年年底还将有重大惊喜。

我构建了一个专门的 DeepSeek V4 Flash 0731 版本（原模型总参数 284B，激活参数 13B），保留了推理、工具调用和编码能力：<p><a href="https:&#x2F;&#x2F;huggingface.co&#x2F;steadfastgaze&#x2F;DeepSeek-V4-Flash-0731-Coder-56.8GB-MoEspressoV2" rel="nofollow">https:&#x2F;&#x2F;huggingface.co&#x2F;steadfastgaze&#x2F;DeepSeek-V4-Flash-0731-...</a><p>我让它编写了一个针对 ARM64 的最小 C 编译器，然后用 Fibonacci 和 FizzBuzz 程序测试了结果，它在不到 1 小时内就成功了，完整录屏请见：<p><a href="https:&#x2F;&#x2F;youtu.be&#x2F;XiwSilmV8B0" rel="nofollow">https:&#x2F;&#x2F;youtu.be&#x2F;XiwSilmV8B0</a><p>您可以使用我的引擎 <a href="https:&#x2F;&#x2F;github.com&#x2F;steadfastgaze&#x2F;MoEspresso" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;steadfastgaze&#x2F;MoEspresso</a> 在 Silicon Mac 上运行它， 而为了实现这一结果而开发的核心库之一可在 <a href="https:&#x2F;&#x2F;github.com&#x2F;steadfastgaze&#x2F;mlx-iqk" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;steadfastgaze&#x2F;mlx-iqk</a> 获取。<p>上述录屏是在一台 128GB 内存的 MacBook M3 Max 上进行的，但您也可以在 32GB 内存的 MacBook 上运行，具有非常可用的上下文（128K tokens）和预计 5 tok/s 的速度。我尝试在一台无风扇的 16GB 内存 MacBook Air M1 上运行（1.39 tok/s），但不幸的是，可用上下文非常小。<p>方法： - 首先，高效量化：mlx-iqk 利用了 IQ_K 张量编码，比 llama.cpp 或 barebones MLX 提供的编码更高效，最初由 Iwan Kawrakow 设计——我还将其布局更改为 k-contiguous，以提高速度，至少在当前的 Metal 设置下是如此。 - 第二，专家剪枝：40 个路由层中的每个层都有 256 个专家，并非所有专家对于编码用例都同等重要。我移除了 80B 参数——这是一种称为 REAP 的已知技术，分享于 <a href="https:&#x2F;&#x2F;www.cerebras.ai&#x2F;blog&#x2F;reap" rel="nofollow">https:&#x2F;&#x2F;www.cerebras.ai&#x2F;blog&#x2F;reap</a>。 - 第三：平衡最便宜的 IQ1_S_R4 张量编码（每个权重约 1.5 位），选择性地将投影提升到 IQ2_KS 或 IQ2_K，当测量的误差减少证明其合理性时。 主要思路之一不仅是保留相关知识，而且不让它忘记如何……停止思考，如何使用推理。在最初的实验中，它有时会进行数千个 token 的推理而不关闭其思考部分，或者会陷入循环。 然后我通过在校准混合中大量加权工具调用跟踪和结构化推理来解决了这个问题。