1. Foldable Flight 收录 109 款纸飞机，可以按手边的纸来选 (Foldable Flight: The Best Paper Airplanes)
Foldable Flight 把 109 款纸飞机整理成一个可以筛选的图鉴。手边只有一张 A4 打印纸，可以先按纸张规格筛，再选折叠难度。网站也支持美国 Letter 和方形纸，并能按设计者或机型筛选，例如飞镖型、滑翔机和特技机。每款飞机都有速度、滑翔和准确度三项站内评分。Mystic 由经典的 Nakamura Lock 改来，归为最容易的一档，机型页有视频示范。想试滑翔的，可以看看滑翔评分很高、折法较难的 Elanus。还有一些造型比传统的尖头飞机更出人意料，例如左右不对称的 Jetstream，以及网站介绍说飞行中会拍动翅膀的 AeroDactyl。图鉴既收录创办者 Kyle Boyer 的设计，也列出其他设计者的作品。从目录点进具体机型，可以先看它的飞行特点，再跟着页面的教程折。
原文链接：https://www.foldableflight.com
论坛讨论链接：https://news.ycombinator.com/item?id=50424581
HN 上有读者随手拿了一张 A4 纸，照视频折出 Mystic，发现它比自己小时候折的飞机飞得更平稳。同一个人再试了三款，Jetstream 明显不对称却飞得不错，拍翼的 AeroDactyl 却直接坠地，进阶款 Elanus 也没滑翔出视频里的效果。有人从小就折 Mystic 所借鉴的 Nakamura Lock，试过许多标榜飞行距离的设计，最后还是觉得老折法最简单、表现也最稳定。另一位读者回忆，小时候为了比较不同折法的距离，他每次都把同一根橡皮筋拉到同样的长度，尽量让发射条件一致。
2. Google 确认：个人 Gemini 接入 Gmail 和 Drive 后，部分内容可能被人工审阅 (Google Gemini routes personal Drive files and emails to human annotators)
Google 的 Gemini 帮助页确认，个人账户把 Gmail 或 Drive 接入 Gemini 后，模型处理的部分资料可能由人工审阅，包括受过培训的服务商。审阅材料可以是相关邮件或文件的摘要、摘录和模型推断。Google 说明，如果原件很短或与问题特别相关，摘要有时可能就是整封邮件或整份文件。其帮助页也提醒用户，含有不愿交给审阅员查看的机密资料时，应避免连接这些应用。
一名用户在 GitHub 上记录了自己测试个人 Gemini 的结果。他发现，即使没有明确点名 Gmail 或 Drive，模型有时也会根据谈话内容查询已连接的应用，返回摘要、摘录或更完整的文本。这个测试能说明模型何时可能取到资料，Google 的说明则证实审阅抽样确实存在。Google 表示，通常会在审阅前把互动与 Google 账户脱钩并减少个人信息。企业和教育版 Workspace 适用另一套数据保护条款。
原文链接：https://github.com/thisisme6598/gemini_files/
论坛讨论链接：https://news.ycombinator.com/item?id=50429426
HN 先厘清这条消息说的是个人版 Gemini。有读者贴出 Workspace 的管理文档，指出企业订阅里的 Gemini 另有承诺，把它和个人版的规则混在一起会误解影响范围。另一位读者说，自己每次遇到连接应用的弹窗都选拒绝，因为界面没有让他看懂，授权是逐文件、逐目录，还是覆盖整个邮箱和网盘。发帖者解释，开启连接后，助手可以自行判断何时查询应用。也有人直接引用 Google 帮助页，对照哪些资料可能进入审阅，以及「保留活动」设置与模型训练的关系。
3. Opus 5.5 的推理摘要变了，编程表现也变了吗？ (Is Opus 5.5 nerfed? Thinking patterns changed on November 3)
开发者 Shane Melaugh 用 Gemini 分析了约 1,400 次自己的 Claude Code 会话，发现 11 月 3 日前后，界面显示的 Opus 5.5 推理文字突然换了写法，模型名称却没有变。他还说，在一次真实的修复任务中，推理强度设为 high 的会话花了三小时仍未解决，设为 xhigh 的另一个会话几分钟就找到了办法。他随后说明，个人工作记录和单次试验无法当作严谨的基准测试。
关键区别在于 Claude Code 展示的是供人阅读的推理摘要。Anthropic 的文档说明，该摘要由另一个模型生成。开发者 Theo Browne 随后比对了多个账户的日志，发现文字风格变化出现在不同日期。他在自己的使用中没有测到能力下降，推测变化来自摘要生成器分批调整。两组观察涉及不同账号和任务，目前能确认的是显示文字出现变化，实际编程能力是否有系统性下降还要看更多对照测试。
原文链接：https://twitter.com/shanemelaugh/status/2119192075505893695
论坛讨论链接：https://news.ycombinator.com/item?id=50422069
HN 上有用户报告，之前低推理档就能完成的任务，最近到了 high 仍会漏掉步骤或把工具调用搞错。也有人要求把体感放进可重复的测试。Playcode 的一名开发者用同样的提示和设置重跑九月的绘图测试，发现新结果和旧结果相近。他指出，相同设置下的重复调用本来就会消耗相差很大的词元数。另一个团队用自己的编程代理对战数据比较 11 月 3 日前后，估算 Opus 5.5 的评分低了 52 分，但他们给出的不确定区间也包含零变化，所以还无法从这组数据断定退步。
4. 玫红色光伏板下种西兰花，瑞典试验晚收 25 天、鲜重相近 (Semi-transparent, colored cadmium telluride photovoltaic panels in agrivoltaics)
瑞典一座农场试验了同一块地种西兰花和发电。研究人员把玫红色的半透明碲化镉薄膜光伏板架在田间，让大部分红光和一部分蓝光透到作物上，利用其他部分的光发电。两种布置下，作物平均收到的光合有效辐射约为露地的 13.2% 和 19.2%。这项指标只计算植物可用于光合作用的那部分光。
板下的西兰花比露地组晚约 25 天收获，收获时的鲜重相近。按作物收到的光照量计算，板下植株每单位光形成的生物量最高约为露地的 4.5 倍。报道指出，板下的空气较不容易让叶片失水，可能有助于解释这种差异。钙、镁和磷等营养元素的浓度持平或较高，铁、铜、锌等部分微量元素的浓度则较低。相近的单次收获鲜重也要结合多出的生长期来看。研究团队还需要在不同气候、季节和更大的地块上验证这套布置。
论坛讨论链接：https://news.ycombinator.com/item?id=50426175
HN 的争论从田间效果转到了经营账。有人认为，即使还有空地可建光伏，农户也可能愿意在自家田里加一份售电收入。回复指出，联合收割机和喷灌设备需要净空，板架得更高、跨度得更大，安装和检修都会更贵。晚收 25 天也可能挤占同一季安排下一茬的时间。
一位小规模切花种植者说，自己本来就常用遮阳网，切花靠手工采收，板架挡住拖拉机的问题对他的地块影响小。但他也提到，塑料棚能把春秋两端的种植期拉长，板下遮阳的作用主要在夏季。
5. Watched 可以查询过去七天的卫星过境和公开影像 (Show HN: Every satellite that passed over any place this week, and its photos)
开发者 Armaan Gupta 在 Hacker News 展示了 Watched。输入城市、地标或坐标，网页会列出过去七天有哪些卫星从附近经过，并附上公开档案里能匹配到的影像。搜索在浏览器里运行，利用 CelesTrak 的公开轨道数据和 SGP4 轨道模型，估算卫星什么时候能看见所选地点。项目文档把搜索范围限定在已知的约四百颗成像、气象、雷达和载人航天器。首页地球上绘制的约一万七千个目录对象，范围要大得多。
工具从 Sentinel-2、Landsat 和 NASA 气象影像档案找图，并把影像配回对应的过境记录。有些档案时间标记的是卫星开始扫描一长条地面的时刻，比它扫到所选地点更早，匹配时要考虑这个差值。结果区分有公开影像、进入传感器覆盖范围、仅从上空经过等情况。用户还能沿时间线回放，看到轨道和扫描带怎样扫过地图。
原文链接：https://www.watched.earth
论坛讨论链接：https://news.ycombinator.com/item?id=50428907
讨论里，最具体的好评落在把过境轨迹和影像摆在一起。有地理空间行业读者说，能点开某次过境对应的实拍图，这比只看卫星列表有用。也有读者打算用它规划徒步路线，并拿自己用过的 Copernicus 界面作比较。有人看不到伦敦上空的星链记录，追问系统把多近算作一次过境。另有人建议增加 Sentinel-1 和商业雷达开放档案，因为雷达成像能穿透云层，补足阴天时光学影像的空缺。作者回复说会研究这些数据源，讨论没有把它们当成已经接入的功能。
6. 加拿大启用实时支付网络，首批八家机构接入 (Payments Canada announces launch of Canada’s Real-Time Rail (RTR) payment system)
加拿大支付机构 Payments Canada 于 11 月 9 日启用 Real-Time Rail（RTR）。这套全国支付网络让接入的银行、信用合作社和支付服务商全年全天候交换付款指令、清算并结算，接收方可以即时动用款项。网络采用 ISO 20022 报文标准，让参与机构随付款传递更丰富的数据。上线时还要求机构使用集中式反欺诈服务，包括核验收款人、评估交易风险，以及共享风险记录和报告。这些措施与各机构现有的风控并行。首批活跃参与者共八家，包括 Wealthsimple、KOHO 和美国银行。加拿大央行将监管这套系统，并说明现有的 Interac e-Transfer 也将通过它清算和结算。现在启用的是机构间的支付底层，客户何时能在熟悉的银行或支付渠道用到相关功能，要看各家接入和推出产品的进度。运营方预计上线一年内可覆盖九成以上加拿大居民。
论坛讨论链接：https://news.ycombinator.com/item?id=50427362
HN 读者先问，已经能用电子邮件地址收付款的加拿大人，这次会感觉到什么变化？一位熟悉 Interac e-Transfer 的读者认为，让 Interac 参与建设能利用现成的转账生态；另一位提醒，RTR 供机构间结算，消费者不会直接操作它。看到首批名单没有加拿大主要大银行，有读者担心刚上线能覆盖的人有限，回复者援引报道说，交易量大的银行会在后续阶段分批接入。也有人把它与欧洲即时转账相比，认为底层系统即使先建好，银行普遍支持之前，用户仍很难把它当作常用付款方式。
7. 美国邮政提供官方邮编边界数据，完整数据按许可获取 (USPS now offers official ZIP Code boundary polygons)
美国邮政（USPS）在 PostalPro 上提供一套全国 ZIP Code 边界数据。邮政原本用邮编给投递地址分组，地图产品则把这些分组画成可以叠加在底图上的多边形。边界以 USPS 自己的投递地址和位置数据为依据，新增投递点或投递分布调整时，边界也可能跟着变。USPS 列出内部使用、企业使用和对外发布三种许可，均按季度更新。企业许可对发给子公司或合作伙伴的数据有限制，发布许可也限制公开范围。产品页提供订购表和可下载的 GeoJSON 样本。邮政部门列出的用途包括校正地图中的邮编范围，以及把投递点按区域归组来规划路线。美国人口普查局另有面向统计的 ZCTA，即按普查街区归并出来的邮编统计区。它与投递分组依据不同，也未覆盖所有有效邮编。
原文链接：https://postalpro.usps.com/zcb
论坛讨论链接：https://news.ycombinator.com/item?id=50431058
HN 读者原以为能免费下载全国数据，看到许可要求后，开始讨论是否值得购买。有人认为公开的普查局 ZCTA 对许多地图用途已经够用，只要接受边缘位置有误差，也可能漏掉只供商业机构使用的邮编。发帖者对比了 USPS 的波多黎各样本与人口普查局数据，觉得差异可接受，打算继续用后者。也有人用新建小区举例，周边原来没有现成投递线路时，邮政可能把新地址分给附近不同的路线。还有人指出，个别邮编只分配给邮政信箱或包裹柜。只在地图上落一个点，未必就能推出该地址的投递邮编。
8. Meta FAIR 开源 e-means，聚类实验约两轮达到传统方法 25 轮的误差 (E-means: Outperforming k-means in one-tenth the epochs)
Meta FAIR 等机构的研究人员开源了 e-means，实现已放到向量检索库 Faiss。和传统 k-means 一样，它按指定的组数聚类，让数据点到最近中心的平均平方距离尽量小。经典的 Lloyd 算法扫完整批数据才更新一次中心。e-means 每处理一小批就更新各组的点数与坐标总和，并逐步降低较早分组结果的权重，再用加权总和除以加权点数得到新中心。研究者用从实验中拟合的公式设置批大小和更新幅度，使用者仍需给定组数。
在论文的向量数据实验中，e-means 用约 1.4 至 2.6 轮数据，就达到了 Lloyd 算法跑 25 轮后的测试误差。与论文选用的 GPU 聚类实现相比，达到同一误差所需的实测时间缩短至约十分之一到四十五分之一。作者还在 DINO10B 上将 100 亿个向量分成约 1600 万组，约 2.5 轮后误差就低于 Lloyd 跑 25 轮的结果。
原文链接：https://e-means.github.io/
论坛讨论链接：https://news.ycombinator.com/item?id=50429734
HN 上有人把 e-means 换进向量检索索引的构建流程。一位读者说，完全重建索引只用了原先约四成的时间，但日常写入速度几乎没变，因为聚类原本只占很小一部分运行时间。另一位读者试着替换球面网格的 Lloyd 算法，却发现更慢，生成的网格也不够平整。网格中心本来就能直接算，小批采样反而带来误差。
论文作者 Swann Bessa 回复说，两个算法的目标相同，仍可能找到不同的解。Lloyd 容易停在附近已经无法改善的位置，而小批更新有时能跳出去。他也向网格项目的读者索取了复现代码和参数。
9. 车联网后台权限缺陷曾让研究员远程解锁车辆 (Unlocking any car from X brand in most of the world)
安全研究员 Shubham Shah 和 Sam Curry 公开了对未具名车企车联网服务的研究。他们发现，问题出在手机应用背后的身份验证和权限管理。普通车主通过应用查门锁状态、开门或启动车辆时，指令由车企的在线服务传给汽车。研究人员发现这些服务的账户边界存在缺陷，并在测试中演示了未经车主账户正常授权的开锁和启动操作。
Shah 的报告聚焦澳大利亚的服务。两份报告合在一起，还涉及美国和加拿大。影响对象是接入相关在线服务并支持远程操作的车辆，研究没有逐一验证所有车型。研究员也没有在报告里公开车企和品牌名称。Curry 表示，相关问题在向厂商报告后很快得到修复。这个案例把车联网的安全边界从车辆本身扩展到管理账号和接收指令的后台：一旦后台把不该拥有的权限交给某个账号，车辆端也可能照常执行它收到的指令。
研究来源：Shubham Shah 与 Sam Curry 的公开披露。
讨论来源：Hacker News。
HN 上有人质疑，手机远程开锁节省的时间是否值得引入一个持续在线的后台。另一位读者用自己的经历回应：他常忘了锁车，能远程确认状态并补锁确实有用，寒冷天气也希望先在室内启动车辆。还有人主张把关键指令的授权与手机和车辆的配对绑定，减少仅凭云端账号就能控制车辆的风险。也有读者担心，一旦车主越来越依赖线上账号，厂商对车辆使用和数据的控制会扩大。一位读者提醒，原标题说的「任意车辆」不能直接套到老车型，有些车没有相应功能。评论里关于具体品牌的猜测并未得到研究者证实。
10. AI 投资会以泡沫收场吗？一篇博客质疑泡沫将破的判断 (I’m not convinced the AI bubble exists)
博主 Matteo Raso 对 AI 行业已经出现泡沫、而且即将破裂的判断表示怀疑。他把建造数据中心的大额支出和向用户提供服务的成本分开看，认为设施建成后，新增建设支出可能下降。他以 Anthropic 披露的收入增速，以及收入和算力成本的对比为例，说明卖模型服务有机会覆盖成本。不过，收入与算力成本的差额还要支付其他费用，不能直接当成净利润。
Raso 还观察到，一些大型上市公司的估值有现有盈利支撑。他认为，即便开源模型让竞争更激烈，品牌习惯、企业已经接入的系统和采购合同也会影响用户换工具的意愿。他承认，数据中心通过复杂的安排融资，债务负担很难从公开数字看清。一旦收入增速放缓，还款压力就会上升。在他看来，即使投资过热之后出现调整，AI 仍可能像互联网一样保留实际用途。
论坛讨论链接：https://news.ycombinator.com/item?id=50418975
有 HN 读者质疑数据中心属于一次性投入的判断。机房可以用很多年，但芯片会折旧，领先厂商也可能为了竞争继续换设备，模型推理本身还有持续成本。另一位读者指出，原文用 Alphabet 的年收入对比全行业还债规模，忽略了收入还要覆盖运营开支。也有人拿铁路投资热潮说明，技术有用，投资却可能在回报兑现前就涌入。有人补充，过去有运河公司低估成本而陷入债务，接手者才有机会低价买到接近完工的设施。围绕开源模型，有人认为换供应商门槛很低，作者则回应说，文章已经考虑了用户转向开放权重模型的可能。