2026-05-22 Hacker News Top Stories #
- OpenAI 内部模型在单位距离问题上构造出单位距离对数为 n^(1+δ) 的点集、推翻长期方格构造假设并获外部验证，标志 AI 自主完成复杂数学证明的里程碑。
- Flipper One 致力于主线内核与尽可能无闭源驱动的开源便携 Linux 平台，正公开征集社区完善 RK3576 等关键子系统与驱动支持。
- 文章批评 AI 未经同意吸纳并牟利于全网内容、压过原创与被搜索偏袒，引发对规模效应、伦理与社会影响的争论。
- 谷歌以 LLM 直接给答案、弱化外链被指在搜索层构筑由其掌控的信息抽象层，掏空原创价值并威胁开放网络生态。
- 谷歌在搜索中测试对话式与高亮答案广告并扩展“直接优惠”，以 Gemini 个性化与原生结账提升转化却引发过度定向与操控担忧。
- Flipper One 硬件规格大幅提升为 RK3576 八核+8GB 等多接口便携 Linux 设备，但定价与 Rockchip 开源/驱动支持成关键不确定因素。
- 谷歌强推 Antigravity 2.0 以单一对话式界面取代旧版并强制更新，导致兼容与数据丢失等问题引发用户不满与对可选旧版的呼声。
- 基于 GAIA DR3 的交互式恒星导航图可视化 18 亿恒星及其相对轨迹并聚焦“哈利·玛丽”航线，用于直观的星际导航与路线规划。
- 文中反对以冗长 AI 长文进行“信息轰炸”，主张结论先行与提炼关键理由、透明标注 AI 使用以提升异步沟通效率。
- SpaceX 向 SEC 提交 S‑1 拟在纳斯达克上市，采取 AB 双层股权由马斯克保持控制，募资将用于偿债并支持 Starship 等项目。
1. OpenAI 模型推翻了离散几何中的一个核心猜想 (An OpenAI model has disproved a central conjecture in discrete geometry) #
https://openai.com/index/model-disproves-discrete-geometry-conjecture/
这篇文章介绍了一个由 OpenAI 内部模型解决的数学难题——平面单位距离问题，该问题由著名数学家保罗·埃尔德什于 1946 年提出，研究在平面上放置 n 个点时，距离恰好为 1 的点对最多有多少个。该问题简单易懂，但长期未被解决，被认为是组合几何中的经典难题。
长期以来，数学界普遍认为基于方格构造的点集是单位距离对数的最优解，增长速度接近线性。此次 OpenAI 模型推翻了这一猜想，构造出一个无限的点集族，其单位距离对数达到 n 的 1+δ 次方（δ 为正数），实现了多项式级别的提升。该证明经过外部数学家验证，并发表了伴随论文详细解释其意义和背景。
这一突破意义重大，不仅解决了一个悬而未决的数学难题，还标志着 AI 在数学研究中首次实现了自主完成复杂证明的里程碑。该模型展示了深度推理能力，运用了代数数论中的复杂工具来解决几何问题。著名数学家如菲尔兹奖得主蒂姆·高斯和数论专家阿鲁尔·沙纳卡尔均高度评价此成果，认为 AI 已超越了辅助角色，具备原创性和执行力。
文章还回顾了单位距离问题的历史背景，指出此前最佳下界和上界分别由埃尔德什和斯潘塞等人在 20 世纪中叶和 80 年代提出，且多年未有突破。此次结果不仅提供了新的构造方法，也为组合几何和代数数论的交叉研究开辟了新方向。相关证明和伴随论文均已公开，供学术界进一步研究和验证。
HN 热度 1371 points | 评论 992 comments | 作者：tedsanders | 1 day ago #
https://news.ycombinator.com/item?id=48212493
- 这次 AI 模型在数学领域的突破令人兴奋，证明过程虽受已有文献启发但改进显著，体现了研究的新颖性和价值。
- 大型语言模型（LLM）在科研中能辅助解决复杂问题，虽然很少能直接完成整个研究，但能加速思考和迭代过程。
- 数学领域强调对先前成果的引用和归属，AI 模型输出应包含相关引用以维护学术诚信和知识传承。
- 由于知识量爆炸，单个人或小团队难以全面掌握，LLM 有助于突破认知瓶颈，促进更多发现。
- AI 技术的知识压缩能力被低估，有助于更高效地连接和整合信息。
- AI 发现的成果虽令人惊叹，但伴随大量错误和虚假信息，需理性看待其异常表现。
- AI 的“幻觉”或创造性在数学自动证明中可能是优点，但在经验科学中缺乏自动验证机制时风险较大。
- AI 能以极高速度进行大量实验，错误和失败并不影响其整体价值，类似于人类研究中的试错过程。
- 人类也会产生大量错误想法，AI 的“幻觉”可视为一种探索过程，关键在于筛选有效成果。
- 目前 AI 解决明确目标能力较强，但缺乏整合隐性目标和促进人类理解的能力，导致理解和吸收 AI 生成内容的难度增加。
- 未来社会可能难以完全跟上 AI 在数学和科学领域的进展，谁能有效利用 AI 将领先。
- AI 生成的工具和项目在某些领域已超越人类能力，显示出 AI 在专业技术上的潜力。
- AI 作为辅助工具有助于构建理解和思维模型，关键在于使用方式。
- 对大多数人而言，是否完全理解 AI 的知识不重要，重要的是能利用 AI 带来的成果改善生活。
- 试图完全理解所有知识是不现实的，但理解部分关键内容仍能显著提升生活质量。
2. Flipper One——我们需要你的帮助 (Flipper One – we need your help) #
https://blog.flipper.net/flipper-one-we-need-your-help/
Flipper One 是一个全新的开源 Linux 平台项目，与 Flipper Zero 完全不同，旨在打造一个功能强大且开放的 ARM 计算机。该项目目标包括实现完整的主线 Linux 内核支持，摒弃二进制闭源驱动和固件，推动厂商开放代码，打造基于协处理器架构的硬件平台，并开发自有的图形用户界面框架。
Flipper One 支持多种硬件扩展接口，如 PCI Express、USB 3.0 和 SATA，可连接 SDR、SSD、蜂窝调制解调器等模块，具备丰富的网络接口，包括双千兆以太网、USB 以太网（5Gbps）和 Wi-Fi 6E，用户还可通过 M.2 模块添加 5G 网络，实现路由器、VPN 网关等多种应用。
项目强调真正开放的 Linux 硬件平台，避免传统 ARM Linux 生态中厂商定制的闭源补丁和 BSP，已与 Collabora 合作推动 Rockchip RK3576 SoC 进入主线内核，目前主线支持已较为完善，仅剩启动链中的 DDR 初始化二进制固件未开源。团队欢迎社区贡献，特别是在电源管理、USB DP Alt-mode 支持以及 NPU、视频解码等加速器驱动的开发上。
Flipper One 采用开放开发流程，公开任务跟踪、内部讨论和文档，设立了开发者门户，汇聚硬件、电路设计、机械设计、Linux 软件、MCU 固件、用户界面、文档和测试等多个子项目，鼓励社区参与，共同推动项目进展。
HN 热度 1016 points | 评论 406 comments | 作者：sandebert | 13 hours ago #
https://news.ycombinator.com/item?id=48220647
- 这次募集更多是希望开源社区的开发者和技术爱好者参与项目开发和推广，而不仅仅是购买产品。
- 他们希望社区帮助完善 RK3576 芯片的支持，推动建立一个真正开放的平台。
- 项目采用开放开发流程，公开任务跟踪、内部讨论和文档，欢迎各种形式的贡献，不仅限于代码。
- Rockchip 芯片的 Linux 驱动支持不足，主要是因为厂商缺乏资金和动力去完善和维护高质量的驱动。
- Rockchip 厂商的驱动通常质量不够高，难以上游合并，且厂商客户多数不关心驱动上游，只要厂商维护的版本稳定即可。
- Rockchip 发布了驱动源码，但多为未合并的内核分支，贡献到主线内核过程复杂且困难。
- 芯片厂商不愿公开详细规格，主要是为了防止专利诉讼和竞争对手抄袭设计，芯片市场竞争激烈，利润微薄。
- 文章内容较长且重复，部分读者觉得阅读体验不佳，但也有人认为重复有助于消费者理解产品。
- 有些评论者对文章是否由 AI 生成的争论感到厌烦，认为文章冗长且重复是主要问题。
3. AI 不过是更大规模的未经授权的抄袭 (AI is just unauthorised plagiarism at a bigger scale) #
https://axelk.ee/ai-is-just-unauthorised-plagiarism-at-a-bigger-scale/
这是一篇来自 Axel 博客的文章，标题为“AI 不过是更大规模的未经授权的抄袭”，发表于 2026 年 5 月 21 日。文章批评了人工智能技术，指出 AI 在未经原作者同意的情况下吸收大量内容进行“学习”，然后 AI 公司将这些学习成果出售给用户，却没有对原作者进行任何补偿。
作者进一步指出，使用这些 AI 工具的客户又将 AI 生成的内容卖给其他客户，从中获利，而这些内容实际上是从互联网各处复制来的。作者质疑这是否体现了人类的顶峰，认为这种行为表现出懒惰和贪婪。
作为一名电商教程的原创作者，作者发现一些懒惰的网站作者直接用 ChatGPT 复制热门教程发布，甚至在文章中保留了指向作者自己网站的链接，暴露了抄袭行为。作者对此感到愤怒，尤其是谷歌搜索结果中这些抄袭网站排名高于原创网站，表达了对谷歌排名机制的不满。
HN 热度 738 points | 评论 636 comments | 作者：speckx | 10 hours ago #
https://news.ycombinator.com/item?id=48222383
- 小规模从网页学习和大规模机器学习之间存在本质区别，量的变化会带来质的变化，不能简单类比。
- 互联网前后信息差距的变化影响了赚钱和权力的获取，LLM 时代打破了信息认知壁垒，需重新思考利用信息和知识的方式。
- 将小规模行为放大到大规模并不合理，属于合成谬误。
- 人类小规模学习是社会可接受且推动进步的行为，但机器大规模学习却引发伦理和社会接受度问题。
- AI 需要大量数据才能表现出连贯性，这与人类思考方式不同。
- 机器学习和人类学习的差异主要在于数据的积累方式和数据的筛选程度。
- 机器大规模学习并非犯罪，且由此产生的作品不应被视为盗窃或版权侵权，但训练中使用盗版材料确实存在争议。
- 伦理和法律的界限模糊，违规行为是否被执行是另一个层面的问题。
- AI 本身不是问题，关键在于如何使用 AI，过度依赖 AI 可能导致对真正理解的价值忽视。
- 互联网早期公共信息的可访问性改变了信息的性质，隐私保护和信息公开之间存在矛盾。
- 欧盟有“被遗忘权”帮助用户删除个人信息，但美国缺乏类似机制。
- 过去个人信息公开较为普遍且被接受，但随着时间推移，隐私保护意识增强。
- 物理资源（如花）被取走会导致原地资源减少，而网页内容被学习后原网页内容不受影响，两者不可直接类比。
4. 谷歌向网络宣战 (Google Declaring War on the Web) #
https://tante.cc/2026/05/20/on-google-declaring-war-on-the-web/
这篇文章讨论了谷歌在最新的开发者大会上宣布对现有网络生态系统的“宣战”，其核心策略是将搜索结果更多地转向由大型语言模型（LLM）生成的直接答案，而非传统的提供信息链接。这意味着谷歌正在放弃以往通过链接引导用户访问原始内容的模式，转而建立一个由谷歌控制的信息抽象层。
作者指出，这种做法实际上削弱了网站创作者、写作者和艺术家的文化价值，他们的作品更多地被视为谷歌生成内容的“原材料”，而非独立的文化产物。谷歌通过这种方式试图垄断信息获取渠道，限制用户对网络的自由参与和创造，形成一个受谷歌严格控制和审查的“安全”网络环境。
文章警示，这种趋势可能导致网络环境变得封闭和单一，类似于“暗网”被污名化的方式，未来谷歌或其他公司可能会将传统网络标记为“不安全”或“不可靠”，推动用户转向其控制的“安全”网络。作者呼吁关注网络的开放性和用户的参与权，建议用户寻找替代搜索引擎和浏览器，以避免陷入谷歌主导的信息闭环。
评论区中，读者们表达了对谷歌生态系统依赖的无奈，担忧谷歌未来可能推出付费服务，以及对 AI 生成内容准确性和多样性的质疑。同时，也有观点认为谷歌此举是出于商业利益的自我保护，未来网络可能会出现更多分裂和多样化的趋势，如现代化的网络环（webrings）等。整体来看，文章强调了当前网络生态面临的重大变革及其潜在风险，呼吁用户保持警觉和主动选择。
HN 热度 602 points | 评论 421 comments | 作者：cdrnsf | 1 day ago #
https://news.ycombinator.com/item?id=48214449
- AI 的发展让个人创作者难以通过作品赚钱，只有大公司能从内容中获利，创作内容也可能被机器反复复制。
- 社会似乎分裂为两种文化：一种支持 AI、大企业和快速创新，另一种支持手工艺、小企业和更可持续的创新。
- 大企业通过宣传放大支持 AI 和快速创新的阵营规模，实际支持者可能没有想象中多。
- 许多技术人员误以为高薪代表上层阶级，但实际上他们被高层视为成本高且不可靠的普通员工。
- 编码曾是软件开发中高薪的关键部分，但现在许多技术人员被迫转向低薪的业务分析等角色。
- 新毕业生面对的就业市场与疫情后“伟大辞职”时期不同，AI 的普及使得就业环境更加严峻。
- 技术行业的高薪主要集中在少数地区，如硅谷，其他地区技术工作薪资更接近普通办公室职员。
- 大企业高层公开轻视员工，将大批技术人员视为“低价值人力资本”，反映出企业对员工的冷漠态度。
- 相比信息工作者，清洁工等低技能岗位受 AI 威胁较小，但他们本身工资就很低，面临生活不稳定的风险。
- 经济结构复杂，信息工作者失业后转岗清洁工等低技能岗位会导致供给增加，压低工资水平。
- 许多技术人员误以为自己属于上层阶级，实际上存在“虚假意识”，与现实阶级差距较大。
5. 我们正在测试搜索中的新广告形式并扩大“直接优惠”试点项目 (We’re testing new ad formats in Search and expanding our Direct Offers pilot) #
https://blog.google/products/ads-commerce/google-marketing-live-search-ads/
谷歌正在利用其最新的 Gemini 模型，推出一代全新的搜索广告形式，以适应 AI 时代的需求。这些广告通过对话式和个性化的方式，帮助用户更快、更自信地做出购买决策。新广告类型包括“对话发现广告”和“高亮答案”，它们能够根据用户的具体问题提供相关产品信息和独立的 AI 解释，增强透明度和信任感。
此外，谷歌还推出了 AI 驱动的购物广告，能够根据用户搜索即时推荐最合适的产品，并生成定制的产品说明，简化大件商品的选择过程。针对潜在客户，谷歌还开发了“业务代理聊天”功能，用户可以直接在广告中与智能品牌代理互动，获取即时答复，提升转化率。
谷歌正在扩大“直接优惠”试点项目，允许品牌上传多种促销活动，包括折扣、赠品和本地优惠券，并通过 AI 智能组合最具吸引力的优惠包。新增的原生结账功能支持 Universal Commerce Protocol 商家，帮助用户快速完成购买。旅游合作伙伴如 Booking 和 Expedia 也将能在 AI 辅助的行程规划中展示特别优惠。
为了充分利用这些新广告格式，谷歌建议广告主使用 Performance Max 和 AI Max 工具进行广告投放设置。整体来看，这些创新广告形式旨在通过实时、个性化的产品建议和透明的 AI 解释，提升用户体验并促进品牌与消费者的有效连接。
HN 热度 550 points | 评论 492 comments | 作者：sofumel | 14 hours ago #
https://news.ycombinator.com/item?id=48220105
- AI 广告根据用户搜索内容定制推送，广告更精准但可能让用户感到被过度轰炸。
- AI 生成的产品推荐和评论可能变得夸张甚至荒谬，失去真实性。
- 当前广告投放的精准度还较低，AI 可能提升广告相关性，但也可能带来重复和烦人的体验。
- 现有搜索体验已有针对性广告，但 AI 会实时生成定制化广告文案，区别于以往固定广告。
- 担忧 AI 广告未来可能被用于政治候选人推荐，带来更复杂的操控风险。
- 理想中的广告算法应只推送用户真正需要的产品，否则不推送广告，但现实难以实现。
- 训练 AI 影响用户的模型可能加剧操控风险，尤其是在用户明知被影响的情况下。
- 研究显示减少购买阻力（如一键购买）比劝说不感兴趣用户更有效。
- 有人期待能将 AI 技术免费且无商业目的地回馈给公众。
- 广告公司本质是商业驱动，难以避免利用 AI 进行影响和变现。
- 担忧 AI 可能助长政治广告中的虚假信息传播。
- 部分用户因广告体验差，开始寻找谷歌搜索和地图的替代品。
- 现有公共交通信息应由官方提供，用户体验更佳。
- 希望出现类似维基百科的公共机构，提供开放的网络数据接口。
- 谷歌拥有大量用户行为数据，广告优势来自规模和分发渠道，而非产品本身。
- 谷歌可能因市场压力提前推行 AI 广告，避免被竞争对手抢占市场。
- 谷歌搜索体验恶化可能是为了增加用户停留时间和广告曝光。
- 现有广告形式（如 YouTube 强制观看广告）令用户反感，需加强监管。
- 谷歌股价上涨更多依赖市场情绪，而非公司基本面变化。
6. Flipper One 技术规格 (Flipper One Tech Specs) #
https://docs.flipper.net/one/general/tech-specs
该网页详细介绍了 Flipper One 设备的完整技术规格。Flipper One 是一款正在开发中的多功能便携设备，尺寸为 155×67×40 毫米，重量待定，机身材料包括 PC/ABS 塑料和阳极氧化铝等。
显示屏为 256×144 像素的单色 LCD，支持 64 级灰度，采用 QSPI 接口。设备配备多种接口，包括两个 USB-C（一个支持 USB 3.1、DisplayPort Alt Mode 和 PD 充电，另一个为 USB 3.1 主机模式）、USB-A、全尺寸 HDMI 2.1 接口（支持 CEC 和 4K@120Hz）、两个千兆以太网口、3.5 毫米音频插孔、MicroSD 卡槽和 Nano SIM 卡槽。
控制方面，Flipper One 配备触控板（支持快速滚动和触觉反馈）、5 个屏幕下方的应用按钮、5 键方向键、返回键、应用切换键和可在 Linux 用户空间控制的 PTT 按钮。
主处理器为 Rockchip RK3576，8 核设计（4 个 Cortex-A72 高性能核和 4 个 Cortex-A53 效率核），最高频率 2.2GHz，GPU 为 ARM Mali G52 MC3，支持多种图形和计算 API。低功耗 MCU 为 Raspberry Pi RP2350B，双核 Cortex-M33 和双核 RISC-V，配备 520KB SRAM 和 16MB Flash。
内存为 8GB LPDDR5，内部存储 64GB UFS 2.2，MicroSD 卡槽支持 UHS-I SDR104 标准（需验证）。电池容量约 7000mAh，电池能量 24000mWh，支持 USB-C Power Delivery 充电，最高支持 26V 输入。
无线连接模块采用 MediaTek MT7921A 芯片，支持 Wi-Fi 6（2.4/5/6GHz，2×2 MIMO）和蓝牙 5.2。以太网接口使用 Realtek RTL8211F-CG PHY 芯片，支持千兆速率。
视频输出支持 HDMI 2.1 和 USB-C DisplayPort 1.4 Alt Mode，最高 4K@120Hz。音频方面使用 Nuvoton NAU8822 编解码器，配备立体声输出和麦克风输入。
设备背部设有 M.2 扩展槽，支持 Key B 规格的 2242、3042、3052 尺寸模块，接口包括 PCIe 2.1×1、USB 2.0/3.1、SATA3、串口、I2C 和 SIM 卡。网页还详细列出了 M.2 端口和 GPIO 引脚的具体功能和电压。
此外，网页下方有社区问答部分，用户讨论了设备是否支持 SDL、显示屏是否能升级为彩色、是否能与 Flipper Zero 连接以利用其 RF/IR 功能、无线充电的可能性以及是否应内置 NFC 和 RF 接口等话题，反映了用户对设备功能扩展和改进的关注。
HN 热度 498 points | 评论 170 comments | 作者：gregsadetsky | 1 day ago #
https://news.ycombinator.com/item?id=48212046
- Flipper One 相比 Flipper Zero 有大幅提升，配备 8 核处理器和 8GB 内存，更像是一台便携的树莓派。
- 价格是关键因素，若超过 250-300 美元则定位较为小众，预估可能在 350-400 美元甚至更高。
- 该设备具备高便携性和多功能性，适合需要便携 Linux 设备的用户，但缺乏键盘可能限制其作为通用电脑的使用。
- 与低端笔记本或其他便携 Linux 设备相比，Flipper One 的优势在于集成了多种硬件接口和功能。
- 由于采用了 Rockchip 芯片，存在闭源驱动和 GPL 违规等问题，开源支持可能有限。
- 市面上已有类似的便携设备如 GPD 系列、MNT Pocket Reform 和 ClockworkPi 等，Flipper One 需在价格和功能上有竞争力。
- 设备电池和电源管理硬件成本较低，对整体价格影响有限。
- 有用户将 Flipper Zero 用于扫描宠物芯片和克隆 RFID 标签，体现其作为工具的实用价值。
- 对于需要“应急”或“极端情况下”使用的便携电脑，Flipper One 可能是一个不错的选择，但目前还没有现成的完美“赛博甲板”设备。
7. 谷歌的 Antigravity 诱饵与切换策略 (Google’s Antigravity bait and switch) #
https://www.0xsid.com/blog/antigravity-bait-n-switch
这篇博客文章讲述了作者在使用谷歌的 Antigravity 软件时遇到的一次重大更新带来的困扰。谷歌在 2026 年 I/O 大会上推出了 Antigravity 的新版本，将其改为类似 Codex 的独立对话式界面。然而，作者的旧版本被自动“更新”后，原本的集成开发环境（IDE）被替换成了一个单一的对话框界面，导致作者的工作流程被彻底打乱。
作者指出，Antigravity 作为谷歌 AI Ultra 计划的一部分，是他日常工作的核心工具，旧版本支持的计划-审查-实现循环更适合生产环境的软件开发，而新版本的对话式界面则不符合他的需求。更糟糕的是，谷歌提供的旧版本安装包无法与新版本共存，且新版本会强制重写默认应用路径，导致无法同时运行两个版本。
为解决问题，作者尝试了多次重装和清理，最终在完全删除所有 Antigravity 相关文件后，重新安装旧版本的 IDE 才得以恢复使用。但这次更新导致聊天记录和设置丢失，只留下一个名为 antigravity-backup 的备份文件夹，作者暂时没有时间恢复这些数据。
作者批评谷歌通过后台自动更新强制替换软件版本的做法非常不妥，认为更新应仅限于性能和版本改进，而不应偷偷替换整个软件，破坏用户的使用习惯和信任。他表示将寻找方法关闭自动更新，强调用户应有权保持使用自己选择的工具版本。
HN 热度 493 points | 评论 255 comments | 作者：ssiddharth | 10 hours ago #
https://news.ycombinator.com/item?id=48222529
- Google 对 Antigravity 产品进行了大幅调整，导致老用户感到困惑和不满，认为这是“诱饵和切换”策略。
- Antigravity 2.0 在 Windows 的 WSL 环境下存在兼容性问题，无法连接 WSL 且 CLI 无法记住登录凭证。
- 新版本的 Antigravity CLI 需要先通过 IDE 进行认证，且部分文档信息过时，实际可以无头(headless)使用。
- Google 正在逐步淘汰 Gemini CLI，转而推广 Antigravity CLI，计划在 6 月中旬完成过渡。
- 有用户开发了基于 Antigravity 的 Python 脚本，用于恢复聊天历史和设置，提升使用体验。
- Google 产品更新频繁且缺乏持续关注，用户体验被忽视，产品经常被弃用或重置。
- Google 内部管理架构导致产品缺乏统一方向，各部门各自为政，缺少以用户为中心的高层监督。
- Antigravity 原本是基于 VSCode 的轻度重塑，部分用户建议直接使用 VSCode 配合其他工具。
- Google 在多个市场份额下降，部分原因是产品策略和用户关系处理不当。
- AI 工具更新换代速度快，Google 的产品策略被认为是快速割裂用户关系而非逐步过渡。
8. 火星救援计划——恒星导航图 (Project Hail Mary – Stellar Navigation Chart) #
https://valhovey.github.io/gaia-mary/
该网页展示了一个以“Petrova HAIL MARY”为主题的星际导航图表，基于 Gaia DR3 数据，采用 ECL J2000 坐标系，并以太阳系为中心。页面提供了一个星图，显示了以 Tau Ceti（比邻星）为目标的轨迹和银河系拖拽轨道信息，用户可以通过滚动和缩放功能来浏览星图。
网页主体内容主要是一个交互式的恒星目录，利用 Gaia DR3 全天空星体测量数据，帮助用户进行星际导航和轨迹规划。页面强调了导航颜色和轨迹的可视化，适合对天文导航、星际旅行规划有兴趣的用户使用。整体内容偏向科学数据展示和导航工具，结合了现代天文测量技术与星际轨迹模拟。
HN 热度 471 points | 评论 117 comments | 作者：speleo | 7 hours ago #
https://news.ycombinator.com/item?id=48225297
- 该星图使用了 ESA 的 GAIA DR3 数据集，包含 18 亿颗星星，数据科学且详实，适合做科学项目。
- 电影和书籍中的星图有科学依据，但也包含大量虚构元素，该星图基于真实数据。
- 生成完整天空图像大约需要 20 分钟，计算量巨大。
- 太阳系和星星的比例并非真实比例，主要为了视觉效果和用户体验。
- 太阳系的行星大小和轨道距离在图中被放大，真实比例下行星会非常小且难以辨认。
- 空间极其空旷，真实比例下恒星间距离远远大于行星轨道距离。
- 建议增加 WASD 键导航以提升操作体验。
- 该星图相比游戏中的星图更精细和科学。
- 太阳系的边界定义不统一，难以精确测量如柯伊伯带和奥尔特云的范围。
- 使用对数尺度可能更适合展示星际距离，既能显示细节又能保持整体视野。
- 该星图更注重帮助用户理解星星的相对位置，而非严格的物理比例。
9. 避免在工作沟通中使用“冗长无关的信息轰炸” (Throwing AI-generated walls of text into conversations) #
这段内容主要讨论了在日常工作沟通中避免使用“slop grenade”（意为“冗长且无关紧要的信息轰炸”）的重要性。所谓“slop grenade”指的是在聊天或邮件中，用大量 AI 生成的文字回应一个简单问题，导致信息过于冗长，浪费对方时间，破坏交流效率。
举例说明，当有人问“我们应该用 Redis 还是 Memcached？”时，正确的回应应该简洁明了，比如“用 Redis，我们需要它的 pub/sub 功能”，而不是贴出一大段技术细节和对比分析。这样做不仅浪费时间，还会让对话陷入停滞，难以继续交流。
文中强调，虽然 AI 可以生成大量信息，但应当用它来简化和提炼观点，而非替代人类的判断和表达。有效沟通应当直截了当，避免用冗长的文字淹没对话的核心内容，从而提升沟通质量和效率。
此外，文中引用了哲学家让·博德里亚的话：“我们生活在一个信息越来越多，意义却越来越少的世界。”提醒人们关注信息的价值而非数量。最后，推荐访问 noslopgrenade.com 了解更多相关实践，借鉴 nohello.net 等项目，推动更高效的异步沟通方式。
HN 热度 465 points | 评论 275 comments | 作者：napolux | 14 hours ago #
https://news.ycombinator.com/item?id=48219992
- AI 生成的长篇对话内容像梦境一样，只有自己觉得有趣，别人通常不感兴趣，容易让人感到无聊。
- 讲述梦境或 AI 对话时需注意听众兴趣和反馈，避免长时间单方面输出导致尴尬。
- AI 对话通常回复冗长，模型倾向于保持输出比例，这种行为容易被察觉且令人烦躁。
- 长篇 AI 回复类似文化差异，需要理解和包容，但前提是对方出于善意。
- 如果 AI 回复频繁且不必要地表达“不知道”，会加剧沟通负担，影响交流效率。
- AI 自动补全代码时的幽默感可以缓解交流中的尴尬。
- 大量无意义的 AI 文本输出浪费读者时间和精力，阅读这些内容令人压力大且不划算。
- AI 生成的长文本常被误认为付出了大量思考，实际上可能没有实质内容，滥用这种现象令人反感。
- 透明说明引用 AI 内容并进行精简比直接复制长篇更受欢迎。
- 仅仅引用 AI 或搜索结果而不提供实质帮助的回复被视为无用的“口头废话”。
- 需要尽快意识到阅读 AI 生成的冗余内容既费时又费力，不能无限制接受这种信息轰炸。
10. SpaceX S-1 注册声明 (SpaceX S-1) #
https://www.sec.gov/Archives/edgar/data/1181412/000162828026036936/spaceexplorationtechnologi.htm
该网页内容为 Space Exploration Technologies Corp.（即 SpaceX）向美国证券交易委员会提交的 S-1 注册声明，日期为 2026 年 5 月 20 日，旨在进行首次公开募股（IPO）。SpaceX 计划发行其 Class A 普通股，股票面值为每股 0.001 美元，拟在纳斯达克证券交易所上市，股票代码为“SPCX”。此次发行的具体股数和发行价格区间尚未确定。
公司设有两类普通股：Class A 和 Class B。Class A 股每股拥有一票投票权，Class B 股每股拥有十票投票权。两类股东将共同投票，但 Class B 股东有权选举董事会多数成员，并享有其他特定投票权。创始人兼首席执行官埃隆·马斯克通过持有 Class A 和 Class B 股票，将在发行完成后控制公司大部分投票权，确保其对公司重大事项和董事会选举的控制权。
此次公开募股完成后，SpaceX 将被视为“受控公司”，因此计划依赖纳斯达克的相关豁免规定，减轻部分公司治理要求。网页还提醒投资者关注相关风险因素，详细内容见招股说明书第 26 页起。
网页中还提及承销商可能行使额外购买权，购买额外 Class A 普通股，且部分股份已预留给特定投资者。总体来看，该文件为 SpaceX 首次公开募股的法律和财务披露文件，提供了公司基本信息、股权结构、管理层控制权及发行安排的详细说明。
HN 热度 434 points | 评论 344 comments | 作者：cachecow | 1 day ago #
https://news.ycombinator.com/item?id=48213933
- Anthropic 每月支付 12.5 亿美元租用 SpaceX 的 COLOSSUS 和 COLOSSUS II 数据中心算是 SpaceX 最大的收入来源，甚至超过 Starlink。
- COLOSSUS 和 COLOSSUS II 的名字可能是对电影《巨人之脑》（Colossus）的致敬，有幽默感。
- SpaceX 与美国政府的“Golden Dome”导弹防御系统合同相关，但 Golden Dome 是多层导弹防御系统，不是控制核导弹发射的超级计算机。
- COLOSSUS 数据中心造价分别约为 70-100 亿美元和 180 亿美元，Anthropic 以每月 12.5 亿美元租用部分算是很划算的交易。
- 运营成本和债务利息会消耗这笔现金流，但具体影响有争议。
- 按 5 年折旧计算，COLOSSUS 1 的芯片折旧约为每年 40 亿美元，整体设施折旧周期更长，GPU 等硬件可更换，折旧计算不完全适用。
- SpaceX 融资主要是风险投资而非债务融资，电力来自天然气涡轮，成本低于电网价格，投资回报率可能非常高。
- 自行发电回本周期较长且存在天然气和电网价格波动风险，实际收益存在不确定性。
- SpaceX 有约 200 亿美元债务，利率为 SOFR+0.75%，约 5.5%，但这部分利息支出相较租金收入较低。
- IPO 融资将用于偿还债务和支持 Starship 项目，理论上资金充足可支持数百次发射。
- Starship 仍处于开发阶段，发射能力受限于发射场和基础设施，短期内无法大规模发射货物。
- 未来几个月内发射场数量将增加，发射频率和可重复使用性是关键瓶颈。
Hacker News 精彩评论及翻译 #
Google’s Antigravity bait and switch #
https://news.ycombinator.com/item?id=48223003
I’m very surprised, goggle are usually known for their customer focused approach and long standing support of legacy systems!
drdrek
我很惊讶，谷歌通常以以客户为中心的做法和对旧有系统的长期支持而闻名！
An OpenAI model has disproved a central conjecture… #
https://news.ycombinator.com/item?id=48214064
Speaking as a postdoc in math, I must say that this is rather exciting. This is outside of my field, but the companion remarks document is quite digestible. It appears as though the proof here fairly inspired by results in literature, but the tweaks are non-trivial. Or, at least to me, they appear to be substantial to where I would consider the entire publication novel and exciting.
Many of my colleagues and I have been experimenting with LLMs in our research process. I’ve had pretty great success, though fairly rarely do they solve my entire research question outright like this. Usually, I end up with a back and forth process of refinements and questions on my end until eventually the idea comes apparent. Not unlike my traditional research refinement process, just better. Of course, I don’t have access to the model they’re using =) .
Nevertheless, one thing that struck me in this writeup, was the lack of attribution in the quoted final response from the model. In a field like math, where most research is posted publicly and is available, attribution of prior results is both social credit and how we find/build abstractions and concentrate attention. The human-edited paper naturally contains this. I dug through the chain-of-thought publication and did actually find (a few of) them. If people working on these LLMs are reading, it’s very important to me that these are contained in the actual model output.
One more note: the comments on articles like these on HN and otherwise are usually pretty negative / downcast. There’s great reason for that, what with how these companies market themselves and how proponents of the technology conduct themselves on social media. Moreover, I personally cannot feel anything other than disgust seeing these models displace talented creatives whose work they’re trained on (often to the detriment of quality). But, for scientists, I find that these tools address the problem of the exploding complexity barrier in the frontier. Every day, it grows harder and harder to contain a mental map of recent relevant progress by simple virtue of the amount being produced. I cannot help but be very optimistic about the ambition mathematicians of this era will be able to scale to. There still remain lots of problems in current era tools and their usage though.
trostaft
作为数学领域的博士后，我必须说这真的很令人激动。这不属于我的专业领域，但附带的备注文件相当易懂。看起来这里的证明确实受到文献中结果的启发，但调整并非简单。至少对我来说，这些调整相当重要，以至于我认为整篇发表作品是新颖且令人兴奋的。
我和许多同事一直在研究过程中试验大型语言模型（LLM）。我取得了相当不错的成果，虽然很少有模型能像这样直接解决我整个研究问题。通常，我会通过反复修改和提问，逐渐让思路变得清晰。这和我传统的研究完善过程相似，只是更高效。当然，我没有他们正在使用的那个模型的访问权限。
不过，这篇写作中让我印象深刻的一点是，模型给出的最终回答中缺乏引用。在数学领域，大多数研究都是公开发布的，前人结果的引用既是社会认可，也是我们发现和构建抽象、集中注意力的方式。人工编辑的论文自然包含这些引用。我仔细查阅了思路链的发布内容，确实找到了其中几个。如果从事这些大型语言模型的人正在阅读，对我来说，确保这些引用包含在模型输出中是非常重要的。
还有一点：像这类文章在Hacker News及其他论坛上的评论通常很负面，原因很充分，比如这些公司如何自我营销，以及技术倡导者在社交媒体上的表现。此外，看到这些模型替代了那些有才华的创作者（模型往往是基于这些创作者的作品训练的，质量反而受损），我个人感到极度厌恶。但对于科学家来说，我发现这些工具解决了前沿领域日益复杂的问题。随着相关进展的大量涌现，每天要在脑海中保持一张最新的心智地图变得越来越难。我对这一时代的有志数学家能够达到的高度感到非常乐观。当然，目前的工具和它们的使用仍存在许多问题。
Google Declaring War on the Web #
https://news.ycombinator.com/item?id=48215154
I feel like AI has gotten to the point where the message is: If you want to make something (art/code/music/writing) you can do it for your own enjoyment, but you aren’t allowed to make money from it anymore; only the large corporations can make money from content. If you do release something creative, it’ll just be fed back into the machine to be copied over and over.
analogpixel
我觉得人工智能已经发展到这样的地步：如果你想创作一些东西（艺术/代码/音乐/写作），你可以为了自己的享受去做，但你不再被允许从中赚钱；只有大型公司才能从内容中获利。如果你发布了某些创意作品，它们最终只会被不断地输入回机器中，被反复复制。
SpaceX S-1 #
https://news.ycombinator.com/item?id=48214494
“in May 2026, we entered into Cloud Services Agreements with Anthropic PBC (“Anthropic”), an AI research and development public benefit corporation, with respect to access to compute capacity across COLOSSUS and COLOSSUS II. Pursuant to these agreements, the customer has agreed to pay us $1.25 billion per month through May 2029, with capacity ramping in May and June 2026 at a reduced fee”
Anthropic is paying them 1.25 billion per month to serve Claude in their data centers. That’s more revenue than Starlink. In fact that’s their largest revenue stream lol.
impulser_
2026年5月，我们与Anthropic PBC（一家从事人工智能研发的公益公司）签订了云服务协议，涉及COLOSSUS和COLOSSUS II的计算能力访问。根据这些协议，客户同意从2026年5月起至2029年5月，每月向我们支付12.5亿美元，5月和6月的容量将按较低费用递增。
Anthropic每月支付他们12.5亿美元，用于在他们的数据中心运行Claude。这比Starlink的收入还多，实际上这是他们最大的收入来源，笑死。
We’re testing new ad formats in Search and expandi… #
https://news.ycombinator.com/item?id=48220561
We’re introducing more helpful ads in AI Mode
I always chuckle when ad companies say that. I have never seen a helpful ad in google search, but well I have been using adblockers forever so I would not know.I am honestly curious though, for those who don’t use adblockers - what percentage of ads that you see are actually helpful?
nelblu
我们正在AI模式中推出更多有用的广告。
每当广告公司这么说，我总会忍俊不禁。我从未在谷歌搜索中看到过有用的广告，不过我一直使用广告拦截器，所以也说不准。说实话，我很好奇，那些不使用广告拦截器的人——你们看到的广告中，有多少比例是真正有用的？
An OpenAI model has disproved a central conjecture… #
https://news.ycombinator.com/item?id=48214003
The proof brings unexpected, sophisticated ideas from algebraic number theory to bear on an elementary geometric question.
The more I read about these achievements the more I get a feeling that a lot of the power of these models comes from having prior knowledge on every possible field and having zero problems transferring to new domains.
To me the potential beauty of this is that these tools might help us break through the increasing super specialization that humans in science have to go through today. Which in one hand is important on the other hand does limit the person in terms of the tooling and inspiration it has access to.
cpard
这份证明将代数数论中出人意料且复杂的思想运用到了一个初等几何问题上。
我越读越觉得，这些成就的强大之处很大程度上源自对各种可能领域的先验知识，以及能够毫无障碍地转移到新领域。
对我来说，这些工具潜在的美妙之处在于，它们或许能帮助我们突破当今科学领域日益加剧的高度专业化。这种专业化一方面很重要，另一方面却限制了个人所能接触到的工具和灵感。
Anthropic is expanding to Colossus2. Will use GB20… #
https://news.ycombinator.com/item?id=48216232
I think that’s the datacenter with the gas turbine generators that operate without permits because they’re “portable.” Data centers have tremendous externalities but colossus is a particularly nasty offender, and not just due its size.
Edit: They did it with Colossus and now they’re doing the exact same thing with Colossus2. https://www.selc.org/news/xai-built-an-illegal-power-plant-to-power-its-data-center/
gaze
我认为那是使用燃气轮机发电机的数据中心，这些发电机因为“便携式”而无需许可证。数据中心造成的外部影响巨大，而Colossus是特别恶劣的一个，不仅仅是因为它的规模。
补充：他们之前在Colossus上这么干过，现在他们又在Colossus2上重复同样的事情。https://www.selc.org/news/xai-built-an-illegal-power-plant-to-power-its-data-center/
Shunning AI is the human choice #
https://news.ycombinator.com/item?id=48222487
AI as a tech is fine. But disliking it and the social/economic effects around it is fine too, people should be allowed to feel however they want to feel about certain techs and situations.
To recommend people to suck it up is not the answer I wish in the society I want to live in.
mrbungie
人工智能作为一项技术本身没问题。但不喜欢它，以及对其带来的社会和经济影响感到反感也是可以的，人们应该被允许对某些技术和情况有自己的感受。
建议人们忍耐接受，并不是我想生活的社会中应有的答案。
Qwen3.7-Max: The Agent Frontier #
https://news.ycombinator.com/item?id=48207654
The non-hallucination rate in AA-omniscience is SOTA, better than Opus 4.7, Gemini 3.1 Pro and GPT5.5! Congrats to the team
goldenarm
AA-omniscience 的非幻觉率是最先进的，优于 Opus 4.7、Gemini 3.1 Pro 和 GPT5.5！恭喜团队。
Flipper One – we need your help #
https://news.ycombinator.com/item?id=48221934
I’m the author of this text. It was originaly writen in a mix of russian and english WITHOUT the AI and then polished and translated by editors. Here is the original draft https://blog.flipper.net/p/b5b7e9f8-a99f-4393-bf72-23fe5a42e37b/
zhovner
我是这篇文章的作者。它最初是用俄语和英语混合写成的，没有使用人工智能，随后由编辑进行了润色和翻译。这是原始草稿链接：https://blog.flipper.net/p/b5b7e9f8-a99f-4393-bf72-23fe5a42e37b/
OpenAI Is Preparing to File for an IPO Soon #
https://news.ycombinator.com/item?id=48219922
Non profit files for IPO should be the headline.
cdnsteve
非营利组织申请首次公开募股（IPO）应该成为头条新闻。
Gemini CLI will stop working from June 18, 2026 #
https://news.ycombinator.com/item?id=48201876
Gemini CLI was open source (Apache 2): https://github.com/google-gemini/gemini-cli
Antigravity CLI is not - the repo has a README and an animated gif demo: https://github.com/google-antigravity/antigravity-cli
simonw
Gemini CLI 是开源的（Apache 2 许可）：https://github.com/google-gemini/gemini-cli
Antigravity CLI 不是开源的——该仓库有一个自述文件和一个动画演示gif：https://github.com/google-antigravity/antigravity-cli
GitHub confirms breach of 3,800 repos via maliciou… #
https://news.ycombinator.com/item?id=48215087
Perfectly demonstrating the truth of the “Microsoft org chart” cartoon.
https://bonkersworld.net/organizational-charts
lacker
完美地展示了“微软组织结构图”漫画的真实性。
https://bonkersworld.net/organizational-charts
Flipper One – we need your help #
https://news.ycombinator.com/item?id=48225192
I have a Flipper Zero and these guys made a great tool, so I clicked this headline because it said “we need your help”. After scrolling two pages I couldn’t find what they need my help with, though. I scrolled to the end and couldn’t find it there either. If I’m being honest, I like their stuff but not enough to dig through 8 pages of content to find out what helping means.
arjie
我有一个Flipper Zero，这些人做了一个很棒的工具，所以我看到标题写着“我们需要你的帮助”就点进来了。但翻了两页后我还是没找到他们需要我帮忙的内容。我一直滚动到最后也没看到。如果说实话，我喜欢他们的东西，但还没到愿意翻八页内容去弄明白“帮忙”具体是什么的程度。
Waymo pauses Atlanta service as its robotaxis keep… #
https://news.ycombinator.com/item?id=48225949
Driving through an obviously flooded street thinking “I’ll easily make it” and getting stuck in the middle? Yeah, these cars have achieved human level intelligence.
paxys
开车穿过明显被淹没的街道，心想“我肯定能轻松通过”，结果却卡在中间？是的，这些车已经达到了人类水平的智商。
AI is just unauthorised plagiarism at a bigger sca… #
https://news.ycombinator.com/item?id=48225321
There’s a fallacy that gets used a whole lot to justify things like this (not just with LLMs), and I see it in many of the comments here: If it’s OK (or at least negligible on a small scale), then it must be OK on a large scale.
It usually goes something like: If I can make money by learning something from a web page, why does a computer making money by learning everything from everyone upset people so? It’s the same thing!
It’s like if I go to Golden Gate Park and pick one flower, I shouldn’t do that, but no one cares. But if I build a machine to automatically cut every flower in the park because I want to sell them, that’s different.
“You say I can pick one flower, but you get upset when I take a bunch. That’s inconsistent. Check and mate.”
But quantitative changes in an activity produce qualitative changes. Everyone knows this, but sometimes they seem to find it inconvenient to admit it. Not that effects of the qualitative change are always bad, but they are often different, and worth considering rather than dismissing.
danorama
有一个谬误经常被用来为类似这样的事情辩解（不仅仅是针对大型语言模型），我在这里的许多评论中也能看到：如果在小范围内这样做无所谓（或者影响可以忽略不计），那么在大范围内做也应该没问题。
通常论调是这样的：如果我通过从一个网页学习东西赚钱是可以的，那为什么电脑通过从所有人那里学习所有东西赚钱会让人不满呢？这不都是一回事吗！
这就像我去金门公园摘一朵花，这样做不应该，但没人介意。但如果我建一台机器自动采摘公园里所有的花，因为我要卖它们，那就不一样了。
“你说我摘一朵没问题，可我摘一把你就生气了。这不合逻辑。说服不了你。”
但某项行为的量变会引起质变。每个人都知道这一点，但有时候他们似乎不太愿意承认这点。不是说质变的影响总是坏的，但它们通常会不同，值得认真考虑而不是轻易否定。