Почему Docker работает именно так
Разработка собственного контейнерного движка помогла автору осознать, что Docker — это сложная система, скрывающая за собой несколько функций ядра Linux, таких как пространства имен (namespaces) и группы контроля (cgroups). Контейнеры по своей сути являются процессами с ограничениями, а не виртуальными машинами. Интересно, что Docker использует инструмент runc, написанный на языке Go. Поскольку Go является многопоточным, это создает сложности при выполнении системных вызовов, требующих однопоточной среды, поэтому разработчикам приходится использовать специальные C-модули. Кроме того, отсутствие прямого аналога функции fork в Go вынуждает runc применять обходные пути, запуская собственный исполняемый файл как дочерний процесс для корректной настройки ограничений перед запуском целевой программы.
Источник: codeandcake.dev
ИИ делает формальную верификацию ПО доступной
Традиционно формальная верификация кода требовала многолетних усилий экспертов, что делало её непрактичной для большинства проектов. Однако сотрудничество Anthropic и Theorem показало, что использование больших языковых моделей (LLM), таких как Claude, позволяет проводить верификацию на уровне ассемблерного кода (RISC-V) в массовом масштабе. В ходе проверки более 100 реальных библиотек с открытым исходным кодом ИИ не только доказал свойства безопасности, но и обнаружил критические уязвимости, которые оставались незамеченными годами, несмотря на триллионы тестовых прогонов. Это открывает путь к созданию новых рабочих процессов, где формальные гарантии безопасности становятся неотъемлемой частью разработки даже для таких сложных систем, как ядро Linux.
Источник: anthropic.com
Релиз мощных моделей Kimi K3.1 Pro
Представлена серия моделей Kimi K3.1 Pro, ориентированная на работу с длинными контекстами до 1 миллиона токенов. Модели показывают значительный прогресс в задачах программирования, 3D-моделирования и финансовых исследований. Версия Pro Highspeed обеспечивает в 2–3 раза большую скорость работы, что критично для интерактивных приложений. Разработчики оптимизировали стек обучения, включая инфраструктуру песочниц и долгосрочный вывод, что позволило достичь высоких результатов в бенчмарках: на Terminal-Bench 4.0 модель набрала 65,7%, опередив GPT-6 Astra. Полноценные веса модели будут открыты для сообщества 4 ноября, что делает её важным игроком в сегменте высокопроизводительных открытых моделей.
Источник: kimi.ai