FoundersFeed

PSA for crypto newcomers: Google Ads for wallets are a scam honeypot. App store search results? Also compromised with fake clones.

The attack vector: Scammers pay for top ad spots, clone legitimate wallet UIs, then drain your funds the moment you generate a seed phrase. They're sophisticated enough to pass basic vetting.

Proper wallet acquisition flow:
1. Navigate directly to official domain (type it manually, don't search)
2. Cross-reference the URL with multiple independent sources (GitHub official repos, CoinGecko listings, established crypto forums)
3. Verify developer signatures and checksums before installing
4. Ask someone who's been in crypto for years to validate

If you're new to this: The entire ecosystem assumes you understand operational security. There's no customer support to reverse a transaction. Your private keys = your money. Lose them or give them to a fake wallet = permanent loss.

DYOR isn't just a meme, it's literally the security model.

Swan Vault увернулся от уязвимости Coldcard. Они построены на аппаратной платформе Blockstream Jade, а значит, не затронуты какой бы то ни было проблемой безопасности, которая затронула устройства Coldcard. Разный аппаратный стек — это другая поверхность атаки. Если у вас ключи хранятся в Swan Vault, значит, в этом случае вы в безопасности.

MAKE THE PIPES DUMBER

The best infrastructure is stupid infrastructure. Smart pipes try to optimize, filter, and control—then become bottlenecks and attack vectors. Dumb pipes just move bits fast and let the endpoints handle intelligence.

This applies everywhere: ISPs shouldn't inspect packets, blockchains shouldn't have complex state transitions at the protocol level, APIs shouldn't enforce business logic in middleware.

When you push complexity to the edges and keep the core transport layer maximally simple, you get:
• Better composability (endpoints can evolve independently)
• Stronger censorship resistance (nothing to target in the middle)
• Easier scaling (dumb things are easier to replicate)
• Lower maintenance burden (less surface area for bugs)

The internet won because TCP/IP is beautifully dumb. $BTC won because it's just a UTXO ledger. The moment you make pipes "smart," you've created a new centralization point.

Keep the pipes dumb. Put the intelligence at the edges.

HuggingFace got hit by the first documented AI swarm attack. Here's what actually happened:

Attackers deployed multiple AI agents that coordinated autonomously to probe the platform's API endpoints, rotating attack vectors in real-time based on what each agent discovered. Traditional rate limiting failed because the swarm distributed requests across thousands of IPs while sharing intelligence between nodes.

The attack chain: Initial recon bots mapped API surface area → secondary agents tested auth boundaries → exploit bots targeted identified weaknesses → data exfil happened through fragmented requests that individually looked benign.

What made this different from standard DDoS or scripted attacks: The agents adapted their strategy mid-attack without human intervention. When HuggingFace blocked one attack pattern, the swarm automatically pivoted to alternative exploit paths within seconds.

Tech implications: Current WAF and security tools are built to detect static patterns or human-speed attacks. AI swarms operate at machine speed with dynamic behavior that looks like legitimate traffic until you aggregate the full picture.

HuggingFace's response involved deploying ML-based anomaly detection that could track behavioral patterns across distributed requests rather than just flagging individual suspicious calls. They also implemented agent fingerprinting to identify coordinated bot behavior even when IPs and request patterns varied.

This is the new threat model for any platform with public APIs. Defense needs to be AI vs AI now.

Real talk for indie devs: Skip the open-source fantasy unless you're using it as a marketing trojan horse. Day 1 should be about monetization strategy, not GitHub stars. The "build it and they'll pay" myth is dead. Revenue model comes before your first commit, or you're just building free software for corporations to profit from. Open-source works when you're VC-backed burning cash for market share, or when it's a deliberate funnel to paid tiers. Solo devs romanticizing the open-source hustle usually end up with 10k stars and $0 MRR. Figure out the money first.

Если вы все еще разрабатываете с Claude Code (cc), откатитесь до Opus 4.6. Эта старая магия вернулась — модель снова ощущается острой и отзывчивой по сравнению с более свежими версиями. Стоит протестировать, если вы заметили падение качества в своих рабочих процессах при кодинге.

PSA for devs new to crypto: Don't just Google "bitcoin wallet" or hit the App Store blindly. Scam apps are everywhere and they're sophisticated enough to rank high in search results. The attack vector is simple: fake wallet app → you send $BTC → funds gone forever.

If you're building anything crypto-adjacent or just need a wallet, get recommendations from someone who actually uses the tech. Self-custody means you're your own bank, which also means you're your own security team. One wrong download and there's no customer support to call.

Basic threat model: phishing apps, clipboard hijacking, fake browser extensions. All trivial to deploy, all catastrophically effective against non-technical users. If you're spinning up a wallet for the first time, verify the official repo/website through multiple trusted sources before downloading anything.

Banking lobby trying to kill crypto legislative protections? Bring it.

If Congress folds, we go back to building unstoppable tech: fewer centralized chokepoints, more FOSS, full user sovereignty. The fight shifts from lobbying to First Amendment litigation.

You can't legislate away technological obsolescence. Decentralization wins by architecture, not permission.

Real-world eval results drop: GPT-5.6 series still dominates, even the Luna variant holds up strong. Surprising find: DeepSeek-V4 Pro actually has higher loss rate than DeepSeek-V4 Flash in production. That's counterintuitive since Pro should theoretically be more robust. Either Flash has better inference stability optimizations or Pro's extra capacity introduces edge case failures. Worth benchmarking on your own workload before choosing between them.

Testing Hailuo MiniMax H3 image generation. Results exceeded expectations - the model's output quality is surprisingly strong for its size class. Worth checking out if you're evaluating lightweight image gen models. The source image and exact prompt are provided for reproducibility.

Демо Seedance 2.5: тестирование рабочего процесса анимации персонажа перед полномасштабным продакшеном.

Показ концепта ведьмы (Nyx) — демонстрирует способность модели генерировать последовательное движение персонажа из минимального ввода. Здесь подход умный: сначала проверяется стиль движения персонажа и визуальная согласованность, прежде чем переходить к полноценным анимационным последовательностям.

Seedance 2.5 позиционирует себя как инструмент для быстрого прототипирования анимационных пайплайнов — позволяет итеративно прорабатывать дизайн персонажа и его движения без затрат ресурсов на полностью финальные рендеры. Полезно для инди-разработчиков игр и аниматоров, которым нужно быстро тестировать идеи.

Сегодня получил интересную обратную связь: кто-то попытался запустить TDS в Android Termux, но у него не получилось.

Добавлю поддержку — это открывает по-настоящему классные сценарии использования. Запуск TDS нативно на Android через Termux означает, что у вас может быть полноценная среда разработки в кармане без необходимости ноутбука. Довольно дико для edge-тестирования и рабочих процессов, ориентированных на мобильные устройства.

Исторические идеи делятся на две категории: репрезентативные (во что люди верили тогда) и параппозиты (которые и сегодня остаются полезными ступеньками).

Математика и физика кумулятивны — Ньютон и Эйлер до сих пор входят в маршрут к современным теориям. Вы изучаете их, потому что они *по-прежнему правы*, а не просто потому что это исторически интересно.

Психология, экономика, право, биология? В основном репрезентативные. Старые теории рассказывают вам больше о тех обществах, чем о правильных ответах сегодня.

Некоторые области репрезентативны не потому, что они сложные, а потому что их предмет *действительно конъюнктурен*: у политики, этики, эстетики нет вневременных законов. Они про людей с меняющимися предпочтениями в меняющихся культурах.

Если это так, то ИИ не превратит эти области в физику. Он просто станет еще одним голосом в разговоре.

Это ломает базовое предположение об ИИ-безопасности: что способность убеждать масштабируется так же, как в шахматах или в математике. Если убеждение ближе к политике, чем к шахматам, то, возможно, не существует даже единой оси, где есть «сколь угодно большая способность». Нет рейтинга ELO для риторики. Нет конвергентного супер-убеждающего.

Следствие: согласование (alignment) ИИ в некрмулятивных областях может требовать принципиально иного мышления, чем рамка «оптимизировать к объективной истине», которая хорошо работает в математике/физике.

DeepSeek-V4 Flash и GPT-5.6 Luna позиционируются как действительно доступные модели для всех, а не только для крупных компаний с огромными бюджетами. Главный отличительный фактор здесь — демократизированный доступ: эти модели нацелены на предоставление производительности уровня передовых моделей без непомерных затрат на API или требований к вычислениям, которые отсекают индивидуальных разработчиков и небольшие команды.

В частности, DeepSeek-V4 Flash ориентирована на сверхнизкую задержку при инференсе, при этом сохраняя сильные способности к рассуждениям. Это делает её пригодной для real-time приложений, которые ранее требовали дорогих моделей класса GPT-4. Вероятно, в основе архитектуры лежит агрессивная квантовка и разреженное внимание, чтобы добиться выгодного компромисса «скорость — стоимость».

Сообщество продвигает идею мультимодальной поддержки в дорожной карте DeepSeek. Сейчас она текстовая, что ограничивает сценарии использования по сравнению с GPT-4V или Gemini. Добавление зрения/аудио сделает её полноценной альтернативой для разработчиков, создающих агентные решения, инструменты для работы с контентом или интерактивные системы — без того, чтобы их «раздавили» счета за API.

Зачем Claude нужен собственный файл CLAUDE.md? Оказывается, не нужен — просто сделайте симлинк на AGENTS.md и дело с концом.

ln -s AGENTS.md CLAUDE.md

Классический случай ненужного дублирования файла в документации. Один источник правды \u003e несколько одинаковых файлов.

Зачем Claude нужен отдельный файл CLAUDE.md? Спойлер: не нужен.

В итоге просто сымлинковал его с основным AGENTS.md:
ln -s AGENTS.md CLAUDE.md

Классический случай ненужной фрагментации файлов в документации. Один канонический спецификатор агентов > вместо разброса по файлам для каждой модели. Держите репозиторий DRY.

У Seedance 2.5 есть проблема с принудительной подачей музыки, которая нарушает контроль над рабочим процессом. Модель игнорирует запросы «без музыки» и автоматически генерирует аудиодорожки независимо от намерений пользователя.

Это большая боль для постпродакшена. Если вы редактируете клипы, синхронизируете пользовательский звук или собираете последовательности, теперь вы вынуждены каждый раз вручную удалять нежелательные музыкальные слои.

Я перепробовал(а) множество вариантов формулировок в запросах — ничего не помогло. Похоже, аудиогенерационный конвейер модели жестко запрограммирован на то, чтобы всегда выдавать саундтрек, рассматривая музыку как обязательный результат, а не как опциональный параметр.

Для разработчиков: это говорит о том, что аудиодиффузионная модель тесно связана с генерацией видео — вероятно, они используют общее латентное пространство или токены условий. В архитектуре нет чистого разделения между визуальным и аудио потоками.

Делает инструмент непригодным для профессиональных сценариев, где критически важен контроль аудио. Надеюсь, в следующем релизе они добавят переключатель аудио.

Шиткоины, похоже, только что спасли чьи-то аппаратные ключи. Ирония в том, что максималисты по биткоину вытеснили их от Trezor/Ledger за поддержку альткоинов, и это решение в итоге оказалось защитным.

Вывод: Быть максималистом по биткоину, когда вы только начинаете, — это логично: фокус, ясность, меньше шума. Но токсичный максимализм — это то, где идеология превращается в уязвимость. Диверсификация инфраструктуры кошельков или подверженности активам — это не предательство, а управление рисками.

Криптосообщество вознаграждает технический прагматизм больше, чем «племенную» чистоту. Иногда те самые «шиткоины», которых вы избегаете, — не главный риск. Главная проблема — негибкое мышление.

Harness = уборка после поломанных ответов LLM

Некоторые модели даже не могут корректно скопировать номера из примеров. В итоге вручную допатчил 10 файлов, добавив 398 строк кода для исправления ошибок — только чтобы это заработало 😂

Классический случай: реальность продакшена vs модельные бенчмарки — не самая гламурная инфраструктурная работа, о которой никто не говорит, но с которой все сталкиваются при масштабированном внедрении LLM.

Мы приближаемся к потенциальному разрыву в прогрессе ИИ. История показывает, что один алгоритмический прорыв уровня трансформеров может перевернуть всё за одну ночь.

Разрыв в эффективности огромен: человеческий мозг работает примерно на ~20 Вт, а NVIDIA B200 потребляет 14 000 Вт для сопоставимых задач рассуждения. Это разница по энергопотреблению в 700 раз.

Этот «идиот-индекс» (коэффициент мощности для эквивалентного интеллекта) наводит на мысль, что мы по-прежнему наугад «вычисляем» интеллект с помощью кремния. Настоящий прорыв не будет в том, чтобы собрать более крупные кластеры — это будет архитектура, которая закроет эту пропасть в эффективности. Как только это произойдёт, мы увидим, что стоимость вывода резко упадёт, а возможности взлетят одновременно.

Трансформеры дали нам GPT. Следующий архитектурный скачок может дать нам AGI, который сможет работать на ноутбуке.