It's a terrible time to buy a mid-range Nvidia GPU, and the RX 9070 XT is why

Eeink Provides EInk, ESP32 Powered Text Adventures

eeink là dự án hobby mang trò chơi choose‑your‑own‑adventure viết bằng ngôn ngữ scripting ink tới các thiết bị e‑ink giá rẻ chạy ESP32. Nó hỗ trợ cả hai phiên bản hardware: các board X3/X4 dựa trên ESP32‑C3 không có PSRAM và board X4 Pro dựa trên ESP32‑S3 có bộ nhớ RAM lớn hơn. Nhờ việc tối ưu hóa việc sử dụng bộ nhớ, dự án cho phép chạy các câu chuyện tương tác trên các màn hình e‑ink có nguồn hạn chế mà vẫn mượt mà. Kèm theo là eenky, một IDE đồng hành giúp tác giả soạn thảo và biên dịch trò chơi, toàn bộ mã được công khai trên GitHub dưới giấy phép MIT cùng video demo. Điều này cho thấy việc chọn scripting language nhẹ và quản lý bộ nhớ kỹ lưỡng có thể mang lại trải nghiệm đa phương thức trên các vi điều khiển có tài nguyên hạn chế.

Để học cách phát triển game văn bản tương tác trên ESP32 bằng e‑ink và công cụ IDE eeink.

Nvidia is reportedly in talks to buy Hugging Face for $12.9bn

Nvidia đang trong quá trình đàm phán mua Hugging Face với mức giá trên 13 tỷ USD, khoảng ba năm sau khi Hugging Face từng từ chối việc đầu tư của Nvidia. Lý do kỹ thuật là Nvidia muốn tích hợp sâu hơn hub mô hình mở vào hệ thống GPU và phần mềm AI của mình để tối ưu hóa việc triển khai và inference trên nền tảng của mình. Nếu thỏa thuận thành công, Nvidia sẽ kiểm soát một trong những kho lưu trữ mô hình phổ biến nhất, có thể thay đổi cách các nhà phát triển truy cập và phân phối các mô hình AI mở. Điều này có thể tăng sức cạnh tranh của Nvidia đối với các đối thủ như AMD và Google trong lĩnh vực hạ tầng AI, đồng thời gây ra lo ngại về sự tập trung trong cộng đồng mã nguồn mở. Bài học cho các lập trình viên là cần đánh giá sự phụ thuộc vào các hub mô hình của bên thứ ba và xem xét các chiến lược sao lưu hoặc tự-host khi nhà cung cấp có thể thay đổi chính sách hoặc sở hữu.

Nvidia đang đàm phán mua lại Hugging Face với giá 12.9 tỷ đô la, mở ra cơ hội lớn cho cộng đồng AI và định hình lại tương lai của ngành công nghệ trí tuệ nhân tạo.

Game Where Trees Actively Try to Kill You Gets Release Date

Bài viết thông báo rằng trò chơi mới có tên chưa được tiết lộ sẽ có ngày phát hành chính thức sau khi các cây trong thế giới game được lập trình để chủ động tấn công người chơi. Nguyên nhân kỹ thuật được mô tả là việc sử dụng hệ thống AI hành vi để làm cho cây có thể phát hiện, theo dõi và truy kích nhân vật trong thời gian thực. Hệ quả của thiết kế này là người chơi phải luôn đối mặt với nguy cơ từ môi trường, thay vì chỉ từ

Bài viết này sẽ tiết lộ những kẻ thù xanh rì đáng sợ nhất mà game thủ chưa từng nghĩ đến trong tự nhiên.

The company that just opened America’s newest battery plant says solid-state cars are a decade away

LG Energy Solution vừa khai trương nhà pin mới lớn nhất của mình tại Mỹ, nhằm tăng cường …

Cold Start Latency on Serverless Inference: What Actually Happens in Those Few Seconds

Khi chạy mô hình học sâu trên nền tảng serverless như AWS Lambda, Azure Functions hoặc Google Cloud Run, mỗi lần gọi đầu tiên sẽ trải qua giai đoạn cold start khiến latency tăng đáng kể. Latency chủ yếu xuất phát từ thời gian tải image container, giải nén và khởi tạo runtime, đồng thời phải load mô hình từ bộ lưu trữ (S3, Blob Storage) vào RAM, và thời gian này tỷ lệ thuận với kích thước mô hình – ví dụ một mô hình 2 GB có thể cần 3‑5 giây để load. Hệ quả là các request đầu tiên gặp trễ từ vài trăm miligiây (đối với hàm nhẹ) tới vài giây (đối với mô hình lớn), làm giảm trải nghiệm người dùng và gây khó khăn trong các ứng dụng cần phản hồi real‑time như chatbot hoặc xử lý video. Các tối ưu như giảm kích thước mô hình qua quantization hoặc pruning, sử dụng lớp cache /tmp hoặc EFS, bật tính năng provisioned concurrency hoặc AWS Lambda SnapStart, và chọn runtime dựa trên hình ảnh cơ sở nhỏ (distroless, Alpine) có thể cắt giảm cold start xuống dưới 500 ms cho hầu hết các trường hợp. Kết hợp các kỹ thuật trên không chỉ giảm latency mà còn tiết kiệm chi phí do giảm thời gian thực thi và số lần khởi tạo container.

Bài viết giải thích rõ ràng về nguyên nhân gây độ trễ lúc khởi đầu và cách tối ưu hiệu suất cho serverless inference.

Asahi Linux Hopes To Ship A Release Soon With Apple M3 Device Support

Asahi Linux đang chuẩn bị ra mắt phiên bản downstream hỗ trợ Apple M3, bao gồm webcam, microphones và cải tiến USB 3.0/Thunderbolt. Điều này đạt được thông qua việc reverse engineering trình điều khiển USB mới của M3 và triển khai PSCI-based power management để đạt khả năng tương thích kernel chính. Các cải tiến này cũng mở đường cho khởi động sơ khai Apple M4/M5 và hỗ trợ GPU direct scan-out, nhưng việc đưa lên mainline Linux vẫn cần thời gian thêm. Vì upstreaming sẽ kéo dài, người dùng nên theo dõi báo cáo release để biết khi nào tính năng thực tế được tích hợp.

Bài viết này mang đến thông tin cập nhật quan trọng về tiến trình hỗ trợ cho các con chip Apple M3/M4/M5 trên hệ điều hành Linux, một tin tức thiết thực cho lập trình viên làm việc trên nền tảng này.

Framework Laptop 16 With GeForce RTX 5070 12GB, One-Piece Keyboard & Haptic Touchpad

Framework Computer vừa bắt đầu giao các tùy chọn phần cứng mới cho Framework Laptop 16, bao gồm mô-đun GPU GeForce RTX 5070 12GB dành cho trò chơi hoặc workload CUDA/AI. Đồng thời họ ra mắt một bàn phím một mảnh sử dụng firmware mã nguồn mở QMK và một bàn chạm một mảnh bằng nhôm CNC với bề mặt haptic 124 × 77 mm, hiện đã hết hàng với giá 129 USD. Các thử nghiệm trên Fedora Workstation 44 và Ubuntu 26.04 LTS cho thấy cả GPU mới và các thiết bị nhập hoạt động tốt ngay lập tức mà không cần driver bổ sung. Điều này cho thấy khả năng tích hợp linh hoạt của kiến trúc mô-đun Framework cùng với hỗ trợ Linux tốt từ đầu. Dành cho lập trình viên cân nhắc nâng cấp hoặc mua mới, bài viết cung cấp dữ liệu cụ thể về hiệu suất và khả năng tương thích trên hai distro Linux phổ biến.

Bài này cung cấp thông tin cập nhật về các nâng phần cứng mới nhất cho Framework Laptop 16, phù hợp với cả game thủ và lập trình viên làm việc trên Linux.