一项名为 Open Battery Information 的开源项目在 Hacker News 引发讨论，项目通过 Arduino 加电阻搭配自定义固件读取 Makita 电动工具电池包数据，采用 1-wire 协议而非常见的 I2C，因此仅适配 Makita LXR 等特定型号。评论者指出项目页面未在显眼位置说明协议和型号限制，易让人误以为是通用电池读取方案；同时页面宣传的"无需安装、无需设置"被认为严重低估了接线、刷固件等实际步骤，安全提示也远离操作按钮。文案与功能之间的高落差成为主要争议焦点。讨论还延伸到电池维修、诊断场景，以及 Infinite Battery 等可维修、可监测的商业化替代品，后者声称兼容 Bosch、Bafang 等 e-bike 控制器。整体来看，该项目被定位为针对 Makita LXR 电池的小众诊断工具而非通用方案。
infinitum 资讯聚合
作者基于旧笔记本和闲置 iPad 自建了一款名为 HomeOS 的家庭厨房触摸屏看板，包含轮值待办、购物清单、家庭备注、清真寺祷告时间、天气和生日日历等功能，技术栈为 React/TypeScript/FastAPI/SQLite 并通过 Docker 一键部署。Hacker News 评论围绕四个焦点展开：一是"OS"命名是否夸大，作者承认当前只是仪表盘但保留未来扩展愿景；二是与 Home Assistant 的边界，作者强调自家面板聚焦家庭协作而非设备自动化，主打定制与本地化；三是大屏触控 UI 的字号、信息密度与远距离可读性，以及与实体白板的取舍；四是有用户提出照片轮播想法，作者希望进一步把它扩展为家庭媒体服务器。另有少量评论对该项目文案是否由 AI 生成表示轻微怀疑。
讨论围绕 Andreas Fertig 的一篇关于如何在 C++ 中尽量避免显式 std::move 的博客展开，核心背景是移动语义与拷贝消除。评论者指出文章示例存在疏漏，两段复杂代码实为同一例且漏写了返回类型中的 &&。深入讨论聚焦三点：一是必须先理解值语义才能正确使用 std::move 并获得性能；二是 RVO 较易实现，NRVO 因需分析控制流、销毁顺序、异常语义及跨翻译单元 ABI 而更难标准化；三是 std::move 作为重要工具，误用会导致冗余或性能下降，对比 Rust 的默认移动模型，C++ 因无生命周期跟踪必须保证 moved-from 对象仍可析构。整体属 C++ 技术观点碰撞，非新闻事件。
印度外卖与即时零售平台 Swiggy 开发了一套自研的预测生命周期价值（pLTV）模型，用于在用户首次下单前估算其在 Food 和 Instamart 两大业务上的长期价值，从而为广告投放出价优化提供信号。模型面临早期信号稀疏和目标分布极度偏斜的挑战，Swiggy 通过构建超过 350 个特征来应对，覆盖获客渠道、设备与风控、地理行为、投诉历史、Instamart 类目偏好、下单行为、支付方式和社经指标等领域。在架构上，Swiggy 采用相对简洁的多层感知机（MLP），用三个共享隐藏层加任务专属输出头，并加入订单数量作为辅助预测任务，使模型在 Food 和 Instamart 上的 Spearman 相关系数均超过 0.75，参数规模从 36.3 万缩减至 13.5 万，降幅 63%。线上部署中，pLTV 信号与 Google 的 tROAS 出价策略结合使用；A/B 实验显示，自研模型在用户留存和人均订单价值上优于第三方平台，但获客规模稍逊。下一阶段，Swiggy 计划从点估计转向概率化 pLTV，以在出价决策中纳入不确定性。
IBM 与 Confluent 合作，将 Granite 时序基础模型（TSFM）以原生推理方式嵌入 Confluent Cloud 的 Apache Flink 中，目前已在 AWS 上的 Confluent Cloud 进入 Early Access，并将在 Confluent Platform 上支持本地与混合环境。整套方案主打"流原生"：无需将时序数据搬出流，也无需独立部署 GPU 模型服务，可通过 Flink SQL 直接调用 AIFORECAST 与 AIDETECT_ANOMALIES 函数，在秒级完成预测、异常检测、相似性匹配、补全与优化。IBM 提供四个互补的时序模型——PatchTST-FM、FlowState、TTM 与 TSPulse，可通过 SQL 参数切换，覆盖从单品预测、海量序列到秒级 SCADA 的多种场景。文中以巧克力工厂、零售银行反欺诈、洗护品产线优化等案例说明收益，称每点准确度价值数百万美元、生产率提升 5–10 倍，并强调模型下载量已超 4400 万，由 IBM 内部与水泥、钢铁、造纸、食品、电信等行业设计合作伙伴先行验证。Early Acces
Thoughtworks CTO Rachel Laycock发文回应DX的Brian Houck，质疑当前以代码评审为核心的软件开发流程是否本末倒置。她指出AI生成代码的速度已远超人类评审能力，Meta每diff人均代码行一年内增长106%，DX数据显示PR中位数规模上升64%，AI若不在评审环节放大瓶颈，单纯提速评审等于让AI假冒人类审稿人。她主张"将判断左移"，在评审之前用结对编程、团队设计、白板讨论、mob编程、适应度函数替代PR的知识共享、架构对齐和新人培养职能；风格与可确定性检查应由静态分析与工具接管；评审应改为"按例外"执行，仅对架构变更、安全边界、高影响范围等真正需要人类判断的场景保留。她强调工程团队需要理解系统本身而非diff，否则将累积认知与意图债，建议通过协作设计、共享运维职责和可执行架构来维护集体理解。
腾讯技术工程发布一篇集合文章，邀请鹅厂员工分享被AI“糊弄”的真实经历，集中暴露大语言模型在实际工作场景中常见的幻觉与误导问题。员工们列举大量案例：账户安全场景中AI把报销金额537.98元四舍五入为538元；交易支付场景中AI把一年级减法题编成家庭伦理剧并答错；后台开发场景中AI混淆HashMap与ConcurrentHashMap在JDK 1.7和1.8下的并发行为；风控算法场景中AI凭空捏造内部知识库的字段映射、枚举值和来源章节；前端场景中AI把“不存在包”写得理直气壮，暴露npm/PyPI上名为“Slopsquatter”的抢注型供应链攻击风险，AI生成代码中约48%存在包名幻觉；测试场景中AI为新游兼容性清单编造海外机型和缝合机型号，并附404来源链接；运营调VLM质检时AI凭空编造不存在的拍摄标准；应用调试Bug时AI伪造调用链和方法名；同事提问同一科学问题得到两个相反结论。综合反映AI最危险的不是“答错”，而是“部分正确”并配齐格式、来源、引用等可信要素，使用者需要划清AI辅助和人工拍板的边界。
Edelson PC 律所本周再向加州法院提起 30 起针对 OpenAI 的诉讼，代理 Tumbler Ridge 校园枪击案中在场但未被枪击的教师、校长和学生等新增原告。这是继今年 4 月 7 起诉讼后的第二批案件，新指控首次将 OpenAI 的责任从过失未防升级为共谋实施大规模枪击，需证明其主观意图，可能面临早期驳回挑战。诉讼指控 OpenAI 全球事务负责人 Chris Lehane 压制内部安全团队向加拿大警方通报 Jesse Van Rootselaar 的警报，CEO Sam Altman 批准相关决策，Lehane 本人未被列为被告。OpenAI 否认 Lehane 参与该决定或管辖调查团队，强调其风险判定机制以平衡用户安全为核心。新诉状还援引 2025 年 11 月 OpenAI 因一名活动人士威胁立即封锁旧金山办公室并报警的事件，反驳其此前以“紧迫性”和“隐私”为由未通报的抗辩。
Google宣布与Beast Industries达成多年期合作，将与YouTube头部创作者MrBeast（Jimmy Donaldson）在Gemini和Google Health领域展开协作。MrBeast将成为YouTube上首位突破5亿订阅的创作者，他将借助Gemini来策划和执行更大胆的视频创意，并展示粉丝如何用AI把"不可能的想法"变为现实。合作首秀定于9月5日上线的新一期MrBeast视频，节目中他和团队将用Gemini在丛林、沙漠和北极三种极端环境中识别危险、应对极端天气、完成生存挑战。此外，Jimmy还将出现在Google新发布的Gemini广告中，演示如何用Gemini应用协调其标志性大型特技的后勤工作，并在一项即将到来的挑战中整合Fitbit Air，以体现Google Health在日常健身与健康目标上的支持。
Multiverse Computing 发布 Quasar 438B 并自称为欧洲领先大模型，但 Hacker News 讨论普遍质疑其实际竞争力。评论指出，Quasar 438B 在 benchmark 上未必优于 Qwen3.8-27B 等更小且可本地下载的开源模型，且仅提供 API、不便审查权重，使其"欧洲第一"更像宣传话术。与此同时，数字主权是核心争论焦点：不少评论认为欧洲应在模型权重和推理基础设施上减少对美中依赖，以应对制裁、供应链波动和潜在后门风险，并希望 alignment 体现欧洲启蒙与人道主义价值观。训练数据层面，评论分歧明显，一方希望基于学术整理的公开语料并过滤企业低质内容，另一方指出高质量语料规模和多样性不足，前沿实验室已大量依赖合成数据。有人把 Quasar 视作欧洲本土 AI 基础设施的信号，认为在主权合规场景中可作为 niche 选择，但人才流失使印度难以形成类似生态。用户还普遍要求接入 OpenRouter 以便统一试用和切换模型。