Lo sport dal vivo comporta innumerevoli incognite, ma una cosa è certa: il feed video in diretta deve funzionare perfettamente e simultaneamente, per The post Here are the engineering lessons we learned when live‑streaming sports to 32 million people appeared first on The New Stack.
Per gran parte della storia del software, costruire significava scrivere codice. Non solo capirlo, ma produrlo. Il punto di partenza era The post AI has lowered the barrier to building. Here’s what that means for engineers. appeared first on The New Stack.
Christian Schaller, direttore dell'ingegneria di Red Hat e da tempo collaboratore di GNOME e Fedora, aveva una scatola di vecchi negativi di famiglia. L'articolo "Il suo scanner non funzionava su Linux — così ha lasciato che Claude studiasse il driver Windows" è stato pubblicato per la prima volta su The New Stack.
Se hai partecipato a più di una revisione architetturale, probabilmente hai assistito a un dibattito prolungato su Kotlin contro Java che non porta a nulla. Il team trascorre settimane a confrontare la sintassi concisa di Kotlin con la maturità di Java, organizza un sondaggio sulle preferenze degli sviluppatori e produce una matrice decisionale di cui nessuno si fida completamente. Poi la riunione termina e nulla cambia, perché nessuno ha concordato quale problema stessero realmente cercando di risolvere.
Perché ogni terminazione TLS è un confine di migrazione separato Un'applicazione cloud raramente ha una sola connessione TLS. Una singola richiesta API può essere decrittata e nuovamente crittata a livello di CDN, firewall per applicazioni web, gateway API, bilanciatore di carico, proxy del service mesh, runtime dell'applicazione e endpoint cloud gestito. Ogni terminazione negozia una nuova sessione. Aggiornare solo il bordo pubblico può lasciare ogni salto a valle protetto da uno scambio di chiavi classico.
La maggior parte dei team che lavora con Apache Flink pensa al processamento di flussi: filtrare eventi, aggregare valori, arricchire record, unire flussi. Questo copre la maggior parte dei problemi di dati in tempo reale. Tuttavia, esiste una classe specifica di problemi che il processamento di flussi gestisce poco: rilevare sequenze significative di eventi nel tempo. È avvenuta questa catena specifica di eventi, in quest'ordine, entro questa finestra temporale?
I sistemi distribuiti raramente falliscono come unità singola. Più spesso, una dipendenza rallenta, uno shard diventa non disponibile, una regione perde capacità o un pool si satura, mentre i componenti vicini rimangono sani. La sfida ingegneristica non è semplicemente la disponibilità; è impedire che un difetto locale diventi un evento a livello di sistema. Le linee guida SRE di Google descrivono il fallimento a catena come un feedback positivo in cui la capacità persa sposta il carico sulla capacità rimanente fino a quando ulteriori componenti non falliscono.
Mentre i leader aziendali credono in gran parte nella promessa dei dati sintetici, l'adozione è in ritardo. Di conseguenza, i dati sintetici hanno un grande potenziale, ma solo il 34% ne fida dell'integrità referenziale — e questo sta ostacolando l'adozione.
La capacità dei modelli sta rapidamente evolvendo in quella direzione. Nel suo Frontier Risk Report di febbraio‑marzo 2026, METR ha stimato quanto tempo potesse richiedere un compito software prima che la probabilità di un modello di frontiera di completarlo con successo scendesse al 50 %. Claude Opus 4.6 ha raggiunto circa 17,8 ore per compiti più semplici, ma solo 6,4 ore per quelli più complessi, che coinvolgono ambienti in evoluzione, risorse limitate, feedback costosi o errori difficili da annullare.
Come abbiamo utilizzato il Partial Prefetching e un agente di codifica per migliorare la navigazione nella versione v0 con Next.js 16.4.
Prometheus di cui mi occupavo aveva superato i 900 GB di dati a serie temporali e, a quella dimensione, presentava tutti i problemi tipici. Le query scadevano a meno che non le limitassi a un'ora. La cardinalità continuava a crescere, perché i team aggiungevano etichette “per il debug” e poi a volte le dimenticavano. Inoltre, stavamo inviando una copia di frazioni dei nostri dati metrici a un fornitore SaaS esterno, per sicurezza, e la bolletta aumentava ogni trimestre.
La maggior parte dei guadagni in un progetto di apprendimento supervisionato non proviene dal cambiare algoritmo; proviene da ciò che si fornisce all'algoritmo. L'ingegneria delle caratteristiche è il processo di trasformare i dati grezzi in rappresentazioni che rendono più facili da apprendere i pattern per un modello. Se eseguita bene, chiude più frequentemente il divario di accuratezza rispetto alla messa a punto degli iperparametri o al provare un modello più sofisticato.
Molte aziende sono desiderose di consentire ai dipendenti di creare le proprie applicazioni usando l'IA, anche a coloro che hanno poca o nessuna esperienza di programmazione. Il post “Employees are vibe‑coding their own apps. Cloudflare open‑sources Void to give IT a handle on them” è apparso per la prima volta su The New Stack.
L'analogia del traffico cittadino Immagina il sistema di traffico di una città durante l'ora di punta. Un piccolo incidente blocca una corsia su un'autostrada principale. Il traffico rallenta, ma la strada rimane parzialmente funzionale.
Microsoft sta posizionando il nuovo Surface Laptop Ultra come un'alternativa ai MacBook Pro di Apple per creativi e sviluppatori — L'articolo "Running local AI models on Microsoft’s Surface Laptop Ultra: What we found" è apparso per primo su The New Stack.
Meta ha lanciato Muse Wonder il 12 ottobre, circa tre mesi dopo che Muse Spark 1.1 ha aperto l'API a pagamento di Model di Meta. Meta The post Muse Wonder vs. Claude Fable 5.1: il nuovo modello di Meta è arrivato più vicino a quanto mi aspettassi è apparso per primo su The New Stack.
Ogni volta che un agente IA deve setacciare i thread di Slack, i ticket di Jira e le vecchie pull request per ricomporre qualcosa, il post “Gli sviluppatori stanno pagando prezzi da frontiera per l'amnesia”: Uvi vuole fermare il riapprendimento dell'agente e la perdita di conoscenza è apparso per primo su The New Stack.
Gli hacker hanno avuto accesso a circa 1.900 account GitHub, quindi li hanno utilizzati per inserire flussi di lavoro volti al furto di credenziali in più di 30.000 repository. Il dannoso Il post Gli hacker hanno violato 1.900 account GitHub. Poi hanno cercato 30.000 pronti contro termine. è apparso per la prima volta su The New Stack.
Un pod bloccato in Pending è uno degli stati più fuorvianti in Kubernetes. Niente sembra sbagliato. Non c'è nessun banner di errore, nessun testo rosso che ti urla contro. Lo scheduler ha tranquillamente rinunciato a trovargli una casa e sta aspettando che il mondo cambi. Ho fissato quello stato più volte di quanto vorrei ammettere, di solito nell'ora peggiore possibile, di solito mentre qualcuno in una finestra di chat si chiede perché il traffico non passa.
Vercel offre agli sviluppatori più opzioni per eseguire i propri backend sulla sua piattaforma. Alla conferenza Ship a San Francisco, il post di Vercel aggiunge lavoratori sempre attivi per eseguire una parte maggiore del backend è apparso per la prima volta su The New Stack.
Tutti gli amministratori di database hanno sperimentato qualcosa di simile ad un certo punto. Una query che funzionava bene inizia improvvisamente a creare problemi. Sulla dashboard non viene visualizzato alcun errore, errore o avviso e l'unico segno evidente sono gli utenti che si lamentano del fatto che l'applicazione oggi funziona lentamente. Ora il DBA deve determinare quale delle innumerevoli query causa il problema. La soluzione migliore qui è lo strumento Query Store.
OpenAI ritirerà quattro modelli GPT-4 dalla sua API il 14 gennaio 2027. L'avviso di deprecazione che l'azienda ha inviato agli sviluppatori "The post OpenAI promised developers six months’ notice. GPT-4o users got three." è apparso per primo su The New Stack.
Un'applicazione Laravel può sembrare istantanea su un laptop da sviluppatore e dolorosamente lenta dopo qualche mese in produzione. Il framework è raramente il vero problema. Più spesso, il database è cresciuto, una relazione viene caricata all'interno di un ciclo, un report estrae molte più righe di quanto chiunque si aspettasse, o un'API di terze parti è diventata silenziosamente parte del percorso critico della richiesta.
Meta ha lanciato Muse Spark Open, un nuovo modello open da 816 miliardi di parametri (con 42 miliardi di parametri attivi) che l'azienda sostiene sia... Il post "Meta ships Muse Spark Open, its answer to China’s best open-weight models" è apparso per primo su The New Stack.
Nel corso dell'ultimo anno ho partecipato a un numero sufficiente di conversazioni di leadership da notare un modello ricorrente. Un CTO mi dice che la sua organizzazione ha "adottato l'AI" perché la maggior parte del team di ingegneria ora ha accesso a Copilot o ChatGPT, e tutti hanno partecipato a un pranzo‑formazione sul prompting. Alcuni mesi dopo, l'entusiasmo di solito si placa in qualcosa di più tranquillo: una manciata di ingegneri che usano l'AI quotidianamente, uno o due progetti pilota che non hanno mai lasciato il sandbox e nessuna risposta chiara su cosa sia realmente cambiato a livello operativo.
Nvidia, giovedì, ha annunciato alcune nuove aggiunte alla sua famiglia Nemotron: Nemotron 3.5 Super VL, un modello vision-language da 120 miliardi di parametri per The post Nvidia squeezed a 74B agent model into 24GB so it can run on your laptop apparso per primo su The New Stack.
Qualcuno installa uno strato di privacy differenziale davanti al data store degli eventi e lascia i cruscotti posizionati sopra di esso. Le query restituiscono ancora risultati, i totali sembrano ancora dei totali e il ticket viene chiuso. Nessuno nel team ha calcolato il margine di errore. Ogni aggregato privato contiene rumore, e il rumore non è etichettato. È presente nella stessa cella che qualcuno legge lunedì mattina prima di decidere se un segmento è cambiato, e a occhio sembra un piccolo cambiamento reale.
Ogni azienda è sotto pressione per diventare “un'azienda AI”. Negli ultimi mesi, abbiamo intrapreso quella trasformazione. Il post “What it takes to become an AI company: Four lessons from the top” è apparso per primo su The New Stack.
Anthropic ci è riuscita di nuovo. Martedì, Opaque Systems ha annunciato un nuovo accordo con Anthropic che “fa progredire il lavoro di Opaque”. Vago Il post Anthropic ha tenuto d'occhio l'IA riservata. Ha appena compiuto la sua mossa con un altro acquihire. è apparso per primo su The New Stack.
Se sei un data engineer, probabilmente ti sei trovato in questa situazione in cui devi decidere tra due approcci per aggiornare i dati aziendali. Un approccio si concentra più sulla velocità e meno sul calcolo, mentre l'altro si concentra più sull'affidabilità e sulla correttezza dei dati. Di solito, quando parliamo di aggiornamento dei dati, le due opzioni che vengono in mente sono il caricamento incrementale e il caricamento completo, e la domanda diventa quale dovremmo scegliere.
Digita almeno 2 caratteri
Questo sito utilizza cookie essenziali per il funzionamento e cookie di analisi per migliorare l'esperienza. Puoi accettare tutti, solo gli essenziali, o personalizzare. Cookie Policy | Privacy Policy
