1. 向日葵螺旋变成会听音乐的 LED 灯 (Phyllotaxis: An audio-reactive LED display)
作者 Jagi Natarajan 从向日葵等植物的叶序螺旋出发，用黄金比例旋转径向点列，再以 Voronoi 剖分生成不规则灯格。他把格子的边界从 Processing 导出，借助 CadQuery、FreeCAD 做成可打印的外壳和面板，四块拼接，覆上透光的桑皮纸，并逐个焊接 89 颗可寻址 LED。首版由 STM32 Blackpill 驱动，以 SPI 控制灯珠；位置查找表让他像写着色器一样编写径向波纹。加入 INMP441 数字麦克风后，固件用傅里叶变换、自动增益和多频段能量分析，让亮度随室内声音变化。为解决松动闪烁，他又设计控制板。第二版改成五块相同的扇形 PCB，换用 ESP32 和 Rust 固件，留在 Recurse Center 作互动装置，访客可经本地网页上传小程序。作者也坦言，手焊、贴纸和维护仍费力，第三版尚在构想。
原文链接：https://jagi.studio/posts/phyllotaxis/
论坛讨论链接：https://news.ycombinator.com/item?id=49880411
HN 评论欣赏有机几何与五块相同 PCB 的制造巧思。有人找到硬件仓库并询问授权与五重对称的做法；作者随后补上 MIT 许可，解释自己把点阵旋转五次，再寻找面积更省的扇区边界，兼顾观感与制板成本。围绕装配，评论者建议放大贴片焊盘，或让板厂直接贴装 LED，省去手焊时间并降低损坏风险。也有人觉得音频与灯光不易自然对应，另有评论指出它与已有蜂窝灯饰外观相似，但对内部实现是否相近并无一致看法。还有人推荐带抖动处理的 Fadecandy 控制板，认为它能改善灯光渐变，不过该产品已停产。
2. 美国人更常待在家，却越来越少请朋友来 (Everybody’s home. No one’s coming over)
专栏作者 Derek Thompson 把 1970 年代的 DDB Needham 调查与 Data for Progress 仿照其问题的新调查并列：声称至少每月在家招待亲友的美国成年人比例，1975 年为 42%，2026 年为 12%，相对降幅约 70%。他认为，聚会并非简单搬到餐馆：其他面对面活动也走低，而居家时间增加。他提出四组可能解释，并非因果证明：双职工家庭缺少安排聚会的时间与精力，原本由女性承担的社交协调工作未被同等分担；父母花更多时间照顾孩子；亲密友谊网络收缩，尤其影响低收入、未婚群体；屏幕娱乐让独处更便利。文章最后强调协调成本：晚宴要对齐日程、备餐、清理、照顾孩子与饮食禁忌，打开视频却几乎不用筹备。作者把这种从共同休闲转向单人消费的变化视为社会层面的协调问题。
原文链接：https://www.derekthompson.org/p/the-death-of-the-american-host
论坛讨论链接：https://news.ycombinator.com/item?id=49891295
HN 讨论没有把下降全归咎于手机。一位亲历上世纪七十年代家庭聚餐的读者说，那些互相回请常带着义务和焦虑，并非美好旧日；另有人指出文章引用的居家时间图表在 2020 年骤升，却没有充分讨论疫情。数据上，有评论者质疑早期调查只访问已婚家庭，使 1975 年与今天的比例未必可直接比。也有人分享定期办聚会的满足感，或用每周固定晚餐降低协调成本；反面经验包括临时爽约、难以互相回请、住房狭小和孩子活动排得太满。另有读者提醒，西班牙等地本就更常在咖啡馆或酒吧见朋友，不宜把美国家庭邀约模式当成普遍标准。
3. 加州酿酒葡萄滞销，种植者开始拔除葡萄藤 (California farmers are struggling to sell grapes as demand for wine drops)
加州酿酒葡萄种植者正在为收成寻找买家。美联社刊于 KQED 的报道引用行业数据称，美国葡萄酒箱装销量从 2020 年的 4.27 亿箱降至 2025 年的 3.29 亿箱，消费者支出同期由约 940 亿美元降至 740 亿美元。加州葡萄园面积高峰时接近 60 万英亩，如今约四分之一已被拔除或停管。过去常有七到八成收成在采摘前签好合同，今年约半数葡萄仍没有合同；种植者 Bill Berryhill 的 500 英亩葡萄园中有 200 英亩尚无买家，他计划在收获季后拔除 50 英亩。报道把变化与年轻人饮酒减少、其他饮品竞争、关税及加拿大市场问题等因素联系起来，但没有说单一因素足以解释全部跌幅。没有合同的葡萄若能卖给浓缩糖浆生产商，也可能要亏本出售；其他选择是亏本采收、留在藤上，或改种更有需求的坚果、橄榄等作物。
论坛讨论链接：https://news.ycombinator.com/item?id=49883539
HN 评论从饮酒习惯谈到社交方式。一位在瑞士工作过的读者回忆，过去商务午餐喝葡萄酒较常见，现在职场规范已变化；另有人以芬兰家庭经验讨论儿童教育和聚会中的酒精角色。这些都只是个人观察，不能直接解释美国葡萄酒销量。还有评论者担忧，人们减少饮酒的同时，线下聚会也可能减少；回复则认为不应把社交活动与酒精消费绑定。讨论中还出现对北欧酒类政策的比较，但各地法规和文化不同，不能据此推导加州葡萄园应采取的统一对策。报道给出的直接压力是库存与购销合同的变化，而不是 HN 对饮酒文化的好恶。
4. OpenAI 推出 GPT-6.1 Sol：主打更低价格的高阶能力 (GPT 6.1 Sol: Near-Astra intelligence for a fifth of the price)
OpenAI 发布 GPT-6.1 Sol，称它在编码、电脑操作和专业任务的多项评测上接近 GPT-6 Astra，同时维持更低的标准 API 标价：每百万输入与输出 token 分别为 2 美元和 10 美元，约为 Astra 对应价格的五分之一；缓存输入每百万 token 0.10 美元。官方列举 DeepSWE 表现比旧 Sol 最佳设置高 6.4 个百分点，离线 OSWorld 高 7 个百分点、距 Astra 差 2.1 个百分点；这些是指定基准上的比较，不等于所有任务都达到 Astra 水平。对一组刻意挑选的困难事实问题，低推理强度下错误率由旧 Sol 的 11.4% 降为 7.7%，也不应推广成日常使用的总体错误率。模型现已在 ChatGPT Work 的多个付费方案及 Codex 中提供，普通 Chat 尚未开放；API 名称为 gpt-6.1-sol，更高速档位仍待推出。
原文链接：https://openai.com/index/introducing-gpt-6-1-sol/
论坛讨论链接：https://news.ycombinator.com/item?id=49896586
HN 评论围绕价格而非新模型实测。一名用户称自己今年用 DeepSeek 的支出远低于每月 200 美元，因此不觉得更贵订阅值得；其他人反驳，不同工作量和可靠性要求下，省下的人工时间可能比月费重要。也有人拿 DeepSeek 近期版本与 OpenAI 模型比较，认为速度、质量与价格需要一起算。这些是各自工作流的主观判断，不能当成 GPT-6.1 Sol 与竞品的统一基准；评论区也缺少新模型实测来验证官方“接近 Astra”的表述。五分之一是 API 标准 token 单价对比，不等于订阅账单同步下降。
5. 研究发现：对话式 AI 的追踪器可能接触会话线索 (A Privacy Analysis of Web and Mobile Conversational AI Agents [pdf])
研究团队于2026年5月在西班牙测试9家对话式AI的网页端，以及其中8家的安卓应用；方法包括网页网络流量观察、应用静态与动态分析，并比较Cookie选择、账号级别及分享链接。论文在测试中识别出44个第三方组织，其中34个归为广告或追踪服务；9家平台均接入至少一种。研究称，6/9个网页端和3/8个安卓端向第三方传送了某类会话衍生信息，包括网址、标题、提示词或截图，部分还伴随持久标识符。拒绝非必要Cookie能减少一些传送，却不能完全阻止；某些默认可公开访问的会话永久链接，则可能让拿到链接者读取整段对话。作者按欧盟数据保护规则讨论风险，并向相关平台和监管者披露。结论来自限定地区、时间与测试脚本，不意味着每位用户的每段对话都被完整上传。
论坛讨论链接：https://news.ycombinator.com/item?id=49890226
HN讨论把焦点从论文中的追踪器延伸到尚未发送的输入。有评论者称观察到ChatGPT网页端调用conversation/prepare传送未写完的提示词，担心草稿想法与修改习惯被收集；回复者分别猜测这可能与缓存预热、跨设备续写或人机识别有关，评论本身无法证明实际用途。另一组争论围绕“知道链接就能否看见对话”：一人称Perplexity旧搜索网址会暴露完整对话，另一人说自己所见仍需登录，除非主动分享。也有人因此主张本地运行开放模型；那是评论者的立场，不是论文的实验结论。
6. 德里如何把电力损耗从过半降到约 5% (How Delhi cut electricity loss from 50 to 5 percent)
《IEEE Spectrum》作者、德里电力工程教授 Mini Shaji Thomas 回顾当地电网改造：据文中数据，2002 年供电损耗超过 50%，2026 年降至约 5%—6%；供电可靠性指标则由约 70% 升至 99.9% 以上。早年的旧线路、变压器与无功负载导致发热和电压下降，偷电、失准电表、繁琐缴费和收费问责不足又扩大了商业损失。德里在 2002 年拆分原配电机构，由 BSES 和 Tata Power 运营，并配合印度 2003 年《电力法》改革。企业升级变压器、布设无功补偿与数字监控，改用绝缘线、数字电表及线上和全天候缴费渠道，也通过社区教育、当地女性收款员和执法减少欠费与窃电。作者强调，技术、组织问责及用户参与必须同时推进；局部高损耗和新增长的电动三轮车负荷仍是挑战。
原文链接：https://spectrum.ieee.org/delhi-electricity-loss
论坛讨论链接：https://news.ycombinator.com/item?id=49892245
HN 有德里居民回忆过去一天停电数次、来电时电涌可能伤及电器；在他们看来，稳定供电比损耗数字更切身。围绕‘限电’是否必然预先排程，评论区对术语和用户能否提前获知争论不休。另一些人认为，超过一半的损耗不可能只是线路发热，偷电、欠费及收费激励也应算进解释；有人特别强调配电企业改制后的财务动机。也有评论者提出屋顶光伏、储能等下一阶段方案，不过那是建议而非本文已实现的改革。一名在德里长大的评论者称，自己感觉约从 2000 年起停电减少，2006 年以后已很少遇到，但这属于个人回忆。
7. 七块 ESP32-S3 串起 1.58 位语言模型 (ESP32S3 cluster running 1.58-bit (BitNet) Language model)
一个开源项目把数亿参数的1.58位三值量化语言模型切成流水线，放在7块ESP32-S3微控制器上：一块主板负责BPE分词、INT4词嵌入、最终归一化与输出选词，其余6块各运行4层Transformer，并通过SPI菊花链接力传递隐藏状态。计算节点在PSRAM保存KV缓存，执行注意力、RoPE和MLP；仓库还提供主板与节点固件、分区表、模型裁剪和打包工具，并给出接线与烧录的操作指南。它展示的是如何让资源受限的设备分担模型层，而非证明成本或速度能胜过GPU。项目首页架构段写模型为0.5B，仓库简介却写0.4B，参数规模在原文中并不一致；页面也没有给出可复核的吞吐或延迟基准，不能把它写成已验证的性能突破。
原文链接：https://github.com/Low-Zi-Hong/ESP32s3-LLM-Cluster
论坛讨论链接：https://news.ycombinator.com/item?id=49884625
HN读者对“许多微控制器组成大型计算机”颇感兴趣，有人设想把Rust与大量小型RISC-V芯片结合，也有人提到GreenArrays多核芯片、Xmos和盒装集群等相关尝试。反对者认为大模型推理的瓶颈在内存带宽，拆成大量小芯片会增加通信开销，未必有经济性；另一位则特别指出此项目使用SPI菊花链，担心规模扩大后通信难以跟上。还有评论推荐Mojo/MAX作为异构硬件实验工具。上述比较与成本判断均是社区讨论，仓库本身没有提供GPU对照基准。
8. 伦敦车站扫脸试验：逾50万次扫描，警报仅一次且误认 (500k facial scans at UK stations yield no arrests, 1 false positive)
英国交通警察在伦敦车站进行为期六个月的实时人脸识别试验。根据信息公开取得的资料，今年2月至7月的18次部署扫描了逾50万次面孔，设备租赁与警员费用合计320786英镑，耗费近100警员小时；系统只发出一次嫌疑人名单匹配警报，后来证实是误认，没有因识别警报而逮捕的人。警方说部署现场另有袭击、盗窃等相关逮捕，但并非由人脸识别警报直接促成，不能算作系统战果。试验其后延长四个月并扩至地铁站；延长期有三次确认匹配，但当事人被核实遵守法院条件，报道没有说因此逮捕。交通部门称部署旨在识别观察名单对象并打击针对女性的暴力，议员则呼吁更完整的法律保障。前英国生物识别监管者指出，效果还取决于地点、时段与观察名单，同时要求证明使用相称、必要。“逾50万”指扫描量，不能当成独立人数。
论坛讨论链接：https://news.ycombinator.com/item?id=49891480
HN评论首先质疑扫描量：有人拿繁忙车站客流比较，觉得六个月逾50万次偏少；回复者提醒通勤者会反复经过，且镜头未必能获取每张脸，因此不能把扫描量直接理解为独立旅客。另一位引用警方说明称未触发警报的影像和生物识别数据会立即删除，随后的回复猜测仍可能留下时间或位置等记录，但没有提供该试验确曾如此留存的证据。也有人依据警方材料讨论摄像头短时部署与名单规模，认为一次误报可能反映阈值设得很严；这是推测。把结果简单线性外推到长期全时运行，同样不足以推断未来逮捕数。
9. 圆形星球上的坦克对战：重力让炮弹绕弧线飞 (Tank Body Problem)
《Tank Body Problem》是一个可在浏览器玩的回合制坦克游戏：战场不是平地，而是一颗圆形小星球。玩家按方向键调炮口与火力，用 A、D 移动车辆、空格发射；炮弹受重力影响会沿弯曲轨道飞行，地形也可被炸出缺口。界面还列出激光、会弹跳三次的“奶酪”和会落下泡泡的毒弹等武器，部分武器需要再按一次空格触发第二段效果。作者在 HN 介绍，自己小时候喜欢《Scorched Earth》，于是把类似的坦克玩法搬到环形世界，并加入基本轨道动力学；他称移动端理论上可玩，但目前更适合电脑。项目主页面是互动游戏，公开文字主要是操控说明，不提供系统性的开发文档或可靠性能数据。作者在评论里说制作中用到 Qwen 3.8 27B 模型，属于其自述；不能因此把游戏说成模型自主创作。对玩家来说，关键变化是要同时估算射角、初速和星球引力，而不只是朝对手直线瞄准。
论坛讨论链接：https://news.ycombinator.com/item?id=49886482
HN 读者把它与《Scorched Earth》、早期炮击游戏相提并论，也有人觉得圆形场地令熟悉的弹道题重新变得有趣。实际试玩反馈更具体：一位玩家说抛射物飞太久才结束，等待时间破坏节奏；有人认为卫星或月亮的引力过强，炮弹轨道不易预测。另有玩家发现坦克可以移动得过近，让远程瞄准失去意义；作者回复称会考虑每回合只允许移动一两个坦克车身长度。还有评论建议对低速炮弹加入轻微阻力或加速度调整。以上都是试玩意见和作者计划，并非已经上线的平衡性修改。
10. Google 地图新卫星图呈现拉法街区的破坏 (Updated Google Maps shows destruction of the city of Rafah)
这条新闻源自阿里·阿布尼玛 9 月 26 日在 X 发布的地图截图，而不是 Google 公告。他称 Google Maps 更新的卫星图呈现加沙南部拉法的一片区域；截图里道路名称仍可辨认，路网之间大片地块呈灰白色，建筑轮廓难以识别。原帖使用强烈的政治措辞，本文不沿用该措辞，也不把截图解释为 Google 对战事责任的声明。就影像本身而言，它让读者直观看到所示街区的严重破坏，但单张地图截图无法给出每栋建筑受损时间、原因、影像拍摄日期，亦不能据此推断整个拉法每处地段的状况。联合国卫星中心此前基于多期影像统计过加沙建筑损毁，能提供更宽的背景，却不是对这张 Google 截图的逐像素核验。地图上仍显示学校、商铺等地点图标，也仅表示地图数据库里有这些旧地点记录，不证明建筑今天仍在使用。
原文链接：https://twitter.com/AliAbunimah/status/2103890594137309425
论坛讨论链接：https://news.ycombinator.com/item?id=49879645
HN 讨论中，一名读者从旧街景照片看到公寓、商店和行人，再与如今的卫星视图并置，认为反差令人难受。有人质疑在加沙封锁条件下街景图像如何采集、传出；回复分别指出街景可以由用户贡献、当地在大规模破坏前曾有网络连接，更重要的是这些街景可能是战前影像，并非实时拍摄。讨论因此揭示了卫星图、街景照片和地图地点标记可能对应不同时间，不能把它们当作同一时刻的现场证据。另有评论把画面引向军事行动与政治责任，引用政治人物说法并作出强烈指控；这些属于发言者观点或待核实引文，不应由摘要直接确认为事实。