我思考这个问题已经有一段时间了，美国的移动服务提供商的经济学确实非常有趣，一旦深入了解就会发现其中的奥妙。
基础设施现实：
Verizon、AT&T 和 T-Mobile 已经基本上承担了他们的塔基基础设施成本。将一个新用户添加到现有网络的边际成本几乎为零。然而，移动服务提供商的零售定价平均在每月60到80美元之间。这一数学计算并没有反映出实际成本——而是反映了市场力量和消费者的惯性。
MVNO揭示的经济学：
MVNO（移动虚拟网络运营商）从这三大运营商那里租赁批发容量，并以显著更低的利润转售。使用的是相同的塔基、相同的频谱、相同的覆盖范围。唯一的区别在于QCI优先级水平——后付费用户在高峰拥堵时获得稍高的优先级。对于日常使用来说，这种差别几乎是不可察觉的。
当你每月支付65美元给Verizon时，你实际上是在为网络接入、零售店、数十亿美元的营销预算和股东回报买单。而MVNO则去掉了大部分这些成本。每月6到15美元的廉价移动服务提供商并不劣质——它们只是更精简。
没人讨论的年度套餐：
每月预付费已经显著低于后付费。年度预付费更是如此。提供年度计划的运营商降低了客户流失成本，并将节省的费用转嫁给用户。
当前年度套餐市场：
Mint Mobile：240美元/年——T-Mobile网络
Visible：300美元/年——Verizon网络
US Mobile：210-390美元/年——多网络
Infimobile：10GB每年75美元，15GB每年125美元——Verizon或T-Mobile网络，2026年1月推出
我的实际体验：
今年早些时候，我从每月65美元的后付费转到Infimobile。每年75美元，使用T-Mobile网络——无限通话和短信，每月10GB。在我经常使用手机的每个地点，覆盖范围完全相同。诚实的限制——年度预付费、没有无限数据、在一年内锁定在选择的网络上、高峰拥堵时略微降低优先级。
数字分析：
提供商 年费用 月均费用
Verizon后付费 900美元/年 75美元/月
Mint Mobile 240美元/年 20美元/月
Visible 300美元/年 25美元/月
Infimobile 10GB 75美元/年 6.25美元/月
Infimobile 15GB 125美元/年 10.42美元/月
消费者行为的难题：
切换移动服务提供商在技术上是简单的——号码迁移需要几个小时，eSIM激活只需几分钟。障碍在于心理层面。消费者习惯于每月定价，并将更高的费用视为更高的质量。移动服务提供商对此非常了解——营销总是展示每月费用而非年度费用。
Infimobile每年75美元的价格比下一个便宜的年度选项低165美元，比平均后付费低705美元。对于轻度到中度用户来说，这个差距在此时完全是由于惯性造成的。
我很好奇是否还有其他人以类似的方式分析了移动服务提供商的经济学——以及在现实使用中，优先级降低的影响是否可以测量，还是在密集城市区域之外主要是理论上的。
返回首页
最新
一个用于uBO的过滤列表，可以模糊Instagram上的所有视频和非关注者内容。该功能在移动设备上与uBO Lite兼容。<p>相关链接：<a href="https://news.ycombinator.com/item?id=47016443">https://news.ycombinator.com/item?id=47016443</a>
如果你想了解我是如何组织代理来完成这个任务的，可以查看这篇博客文章：<a href="https://vers.sh/blog/elixir-webassembly-billion-tokens" rel="nofollow">https://vers.sh/blog/elixir-webassembly-billion-tokens</a>。
当然，这里还有我的GitHub链接：<a href="https://github.com/hdresearch/firebird" rel="nofollow">https://github.com/hdresearch/firebird</a>。
我还在Twitter上发布了一条动态，如果你对技术的有趣应用感兴趣，可以关注我：<a href="https://x.com/itisyev/status/2028543436388016510" rel="nofollow">https://x.com/itisyev/status/2028543436388016510</a>。
我一直看到的问题是：防务承包商会花几个月的时间准备CMMC评估——包括政策、截图、控制映射等所有内容——然后C3PAO会问谁最后修改了某个文档以及修改时间。没有审计追踪，评估结束。
大约15%到30%的首次CMMC评估未能通过。我猜其中很大一部分并不是因为安全控制措施没有到位，而是因为没有办法证明证据的真实性。
因此，我开发了Solymus。您上传的每个文档都会进行SHA-256哈希处理，使用KMS进行签名（ECDSA_SHA_256——对摘要进行签名，而不是有效载荷，因为有4KB的限制），并封装到每日的Merkle链中。每个文档都有一个公共的/verify/{id}端点——无需身份验证——这样评估人员可以自行检查。
值得注意的是：在上传后不久，merkle_status会显示为“待处理”。在协调世界时（UTC）午夜后，证明作业运行时，它会升级为“已链接”。KMS签名立即有效——Merkle是额外的每日封印。我花了一段时间才意识到需要清楚地记录这一点，否则人们会认为它是坏的。
在prolixotech.com提供免费套餐。如果有人感兴趣，我很乐意详细讲解加密实现。
我和我认识的几个同行一样，正在进行以人工智能为主的开发，使用代理、技能等等。<p>这没问题，这是新的现实，但我在想，当泡沫破裂、代币价格大幅上涨后会发生什么。我们是否会被迫重新开始手工编写代码？公司会接受这个价格并支付更多吗？<p>我在想……有没有公司考虑过这个问题并为此做出计划？
刚刚发布了一篇关于Cartly的新案例研究，这是一款使用Mnexium驱动完整收据跟踪AI工作流程的iOS应用。我们非常想了解实现这样一个演示需要什么条件。
在这篇文章中，我们详细介绍了Cartly如何使用以下功能：
- 内存用于用户偏好和连续性
- 记录用于结构化收据和收据项的存储
- 单一的mnx运行时对象来控制身份、历史、回忆和记录同步
- 请求追踪数据包以便于审计和生产环境中的调试
演示流程涵盖了模式设置、收据图像捕捉、AI提取、记录持久化以及基于记录的聊天响应。
博客链接：<https://mnexium.com/blogs/introducing-cartly>
文档链接：<https://mnexium.com/docs>
iOS代码链接：<https://github.com/mnexium/cartly>
展示 HN: memgraph-agent – 基于图的 AI 代理内存（命名实体识别 + PageRank，零 LLM 成本）
嘿，HN，
我刚刚发布了我的无缝播放库的第4个版本，这个库是我在2017年首次构建的，用于处理我们在 [relisten.net](https://relisten.net) 上的音频播放，我们在这里流式传输现场录音，而无缝播放至关重要。
这个库是从零开始构建的，基于一个严格的状态机（唯一的依赖是 xstate），目前已经在 Relisten 的生产环境中运行。
它的工作原理是将未来的曲目预加载为原始缓冲区，并通过 Web 音频 API 进行调度。它在 HTML5 和 Web 音频之间无缝切换。我们在过去的9年里一直使用这种技术，效果相当不错。偶尔在 HTML5 到 Web 音频的切换时会有轻微的卡顿，但很难完全避免（主要是选择何时切换——这里有很多细微之处）。一旦切换到 Web 音频，所有内容应该都很流畅。
不幸的是，移动设备上的 Web 音频支持仍然不足。但如果你的体验主要是在桌面上，这就没问题。在移动设备上，大多数人使用我们的原生应用。
你可以在 [gapless.saewitz.com](https://gapless.saewitz.com) 查看这个项目的演示——只需点击“Scarlet Begonias”，在曲目中间寻求（因为它在超过15秒之前不会预加载），然后等待“Fire on the Mountain”上的“解码”切换到“就绪”。然后点击“跳到-2秒”，你就能听到顺滑的过渡。
大家好，
我想分享一个我开发的工具 *smart-commit-rs*，它是一个快速、轻量级的跨平台文本用户界面（TUI），旨在简化 git 提交的管理，包括通过大型语言模型（LLMs）生成提交信息。
以下是一些主要功能：
* **遵循约定：** 该工具默认根据“约定式提交”（Conventional Commit）标准生成提交信息，也可以选择根据 Gitmoji 生成。
* **广泛的 LLM 提供者支持：** 内置支持 Groq（默认）、OpenAI、Anthropic、Gemini、Grok、DeepSeek、OpenRouter、Mistral、Together、Fireworks 和 Perplexity。
* **自定义 LLM 支持：** 您可以轻松指向自定义提供者，例如使用 OpenAI 兼容端点的本地 Ollama 实例。
* **LLM 预设：** 您可以保存各种提供者的预设，并能够自由切换。如果您的主要 API 返回 HTTP 错误，您还可以配置备用排名，以便工具自动使用您配置的替代 LLM 预设进行重试。
* **差异排除模式：** 您可以排除压缩的资源、`.lock` 文件、PDF 等，以节省 token，同时仍然正式提交它们。
* **高级 Git 工具：** 消息生成不仅适用于提交。您可以使用 `cgen alter <hash>` 来重写特定提交的信息，使用 `cgen undo` 进行安全的软重置，并生成符合约定式提交的回退信息，或使用 `cgen --tag` 自动计算并创建下一个语义版本标签。
* **提交跟踪：** 它为每个仓库维护一个管理提交的缓存，可以通过 `cgen history` 浏览，并与原生的 `git show` 集成。
关于开发的小提示：虽然该项目经过严格的人为审查，并且得到了严格单元测试的强力支持（符合 CI 覆盖标准），但大部分样板代码和核心逻辑是使用智能 AI 编写的。
您可以通过 Cargo 安装（`cargo install auto-commit-rs`），或者通过仓库中的 curl/PowerShell 安装脚本获取： [https://github.com/gtkacz/smart-commit-rs](https://github.com/gtkacz/smart-commit-rs)
任何反馈或贡献都非常欢迎，GitHub 的星标也将不胜感激。
感谢您的时间！
我们需要一个副项目来尝试自主编码，于是与Junie和ChatGPT 5.2一起创建了tensorspy.com。
Tensor Spy允许您快速检查本地的numpy和pytorch张量内容（您的张量不会上传到任何服务器）。
这对于验证深度学习数据管道非常有用，可以检查您分歧模型中的哪些层实际上出现了问题，而且仅仅因为它很酷，并且在一次性检查时比在Python中加载数据方便得多。
如果您使用扩散模型，检查潜在空间可能会非常有启发性：您希望其中有一些“噪声”，但对于您的LDM（潜在扩散模型）来说，它应该相对平滑，以便能够很好地针对它。
此外，如果您还没有查看您的数据，它可能并不是您想象的那样 ;)
基本统计数据会自动计算，任何inf/nan值都会被计数并用对比色显示，以帮助您快速识别问题热点。
该网站是免费的，我们的广泛意图是保持这种状态（除了商业网站外，我们还运营一系列公益的小工具网站，它们都链接在关于页面上）。
我们非常希望听到您的想法，我相信我们可能遗漏了一些统计或实用功能，所以请试用一下并告诉我们！
---
自主编码是一个勇敢的新世界。三年前，在ChatGPT发布的初期热潮之后，我对一些朋友说过：“我们站在海滩上，水刚刚退去”。现在，海啸真的来了。这个项目大约花了两周时间，如果没有自主编码，我们根本不会做到这一点，使用“传统方法”可能需要几个月的时间。通过自主编码，添加.pt/.pth支持基本上只需一个请求。并且它就这样工作了。是时候再次适应了。