Sylvere Richard 🦀

Fresh #gRPC benchmarks just dropped (Apr 2026) and the results are 🌶️ # 1 CPU: #Rust Tonic dominates at 102K req/s using just 15 MiB RAM # 2-4 CPUs: #Java Vert.x takes the crown at 153K req/s... but needs 305 MiB to do it Meanwhile Rust Thruster does 139K req/s on 12 MiB. That's 25x less memory than Java. #dotNET quietly sitting at #4-#8 across all configs. No hype, just solid numbers. The boring enterprise choice... that keeps winning. Scala Pekko & Akka? Surprise top-5 finishers at 3-4 CPUs. JVM tuning is real. Now let's talk about the bottom of the chart: - #Python: 4,492 req/s (1 CPU) - #Node: 12,471 req/s (1 CPU) That's 23x slower than Rust. Node doesn't even scale past 1 CPU — 16K req/s whether you give it 1 or 4 cores 💀 But sure, "developer productivity" even when it is AI generating code these days... 🫠 Full results → github.com/LesnyRumcajs/g…

Le niveau d’insolence de Google est stratosphérique. Anthropic pensait nous enfermer avec les limites de taux ridicules de Claude Design, et Google vient littéralement de briser la cage en rendant DESIGN.md open source. C'est tout.

Gemini Embedding 2 is now generally available in the Gemini API and Vertex AI! Start building with our first natively multimodal embedding model, now equipped with the stability and optimizations required for production apps.

We fixed a bug where rate limits on Claude subscriptions weren't properly adjusted for long context requests in Opus 4.7. We've reset 5-hour and weekly rate limits. Enjoy Opus 4.7!

🚨Google built an invisible watermark into every image Gemini has ever generated. Over 10 billion pieces of content marked. One unemployed engineer just cracked it open. With 200 black images and math. It's called reverse-SynthID. SynthID is Google DeepMind's invisible watermark. It's embedded at the pixel level into every image, video, audio, and text generated by Gemini. Invisible to the human eye. Designed to survive cropping, compression, screenshots, and format changes. It was supposed to be unbreakable. Here's how he broke it: → Generated 200 pure black and pure white images from Gemini → When you average enough pure-black AI images, every non-zero pixel IS the watermark. Nothing to hide behind. Just the signal, naked. → Used FFT spectral analysis to map the exact carrier frequencies → Discovered the watermark uses a fixed phase template — identical across every image from the same model → Cross-image phase coherence at carrier frequencies: over 99.5% → Built a detector that identifies SynthID watermarks with 90% accuracy → Built a V3 bypass that drops 91% of the phase coherence and 75% of carrier energy — at 43+ dB PSNR. Almost zero visible quality loss. No neural networks. No proprietary access. No leaked code. Just signal processing and too much free time. Here's the wildest part: The green channel carries the strongest watermark signal. The carrier frequencies change based on image resolution. And the entire phase template is fixed — meaning every single Gemini image carries the same fingerprint structure. One engineer. 200 black images. A Fourier transform. That's all it took to reverse-engineer a system protecting 10 billion+ pieces of content. 519 GitHub stars. 39 forks. Python. Research and educational purposes only. 100% Open Source. (Link in the comments)

Excited to release a Megakernel to make a 6-year-old RTX 3090 running Local LLMs faster than apple's latest M5 Max chip. not a benchmark trick. same model, same weights, one kernel change. the full breakdown is in the article below. Open-source, MIT licensed, you can reproduce it in one command.

Cette discussion m'a donné envie de le faire. Du coup je l'ai fait :D gitlab.com/akanoa-test/ro…

Introducing Gemma 4, our series of open weight (Apache 2.0 licensed) models, which are byte for byte the most capable open models in the world! Gemma 4 is build to run on your hardware: phones, laptops, and desktops. Frontier intelligence with a 26B MOE and a 31B Dense model!

🚨 IMPORTANT: Google quietly open sourced a time-series AI that predicts anything. Sales trends. Market prices. User traffic. Energy demand. Crypto volatility. It's called TimesFM. Here's why it's underrated: → Pre-trained on 100B real-world data points → Zero-shot forecasting, no fine-tuning needed → Outperforms supervised models trained on your specific data → Runs locally. Free. Apache license. Most people are focused on language models. The quietly powerful ones are learning to predict the future.

🥳ADK for #java 1.0 is out! Write your #AI #agents with a cup of ☕️ Learn more about the latest features in this article, have a look at the video, and the "comic trip" app I built with the framework.

🚨 CRITICAL: Active supply chain attack on axios -- one of npm's most depended-on packages. The latest axios@1.14.1 now pulls in plain-crypto-js@4.2.1, a package that did not exist before today. This is a live compromise. This is textbook supply chain installer malware. axios has 100M+ weekly downloads. Every npm install pulling the latest version is potentially compromised right now. Socket AI analysis confirms this is malware. plain-crypto-js is an obfuscated dropper/loader that: • Deobfuscates embedded payloads and operational strings at runtime • Dynamically loads fs, os, and execSync to evade static analysis • Executes decoded shell commands • Stages and copies payload files into OS temp and Windows ProgramData directories • Deletes and renames artifacts post-execution to destroy forensic evidence If you use axios, pin your version immediately and audit your lockfiles. Do not upgrade.

Dear contributors to Voxxed Days Luxembourg's success: the CFP, supposedly closed tonight wil be extended by 2 weeks to accomodate latecomers. A small reminder: 15 min. lunch talks are often under-filled, to test your speaker abilities, this is a perfect opportunity!

My dear front-end developers (and anyone who’s interested in the future of interfaces): I have crawled through depths of hell to bring you, for the foreseeable years, one of the more important foundational pieces of UI engineering (if not in implementation then certainly at least in concept): Fast, accurate and comprehensive userland text measurement algorithm in pure TypeScript, usable for laying out entire web pages without CSS, bypassing DOM measurements and reflow

Je vais prendre le temps de répondre sérieusement parce que ce tweet est un excellent résumé de pourquoi le débat économique tourne en rond en France. C'est un raisonnement qui a l'air logique, qui sonne juste intuitivement, et qui est faux. Et comprendre pourquoi il est faux c'est comprendre 80% de l'économie. L'argument repose sur un axiome : "seul le travail crée la richesse." Ça vient de Marx, qui l'a lui-même hérité de Ricardo et Smith (ironie du pseudo). C'est la théorie de la valeur-travail. Et c'est le socle de tout le raisonnement. Si cet axiome est vrai, alors oui, logiquement, le capitaliste "vole" le travailleur. Si cet axiome est faux, tout l'édifice s'effondre. Spoiler : il est faux. Et on le sait depuis 1871. Premier problème : la valeur ne vient pas du travail, elle vient de l'utilité. Si je passe 10 000 heures à peindre un tableau que personne ne veut acheter, j'ai travaillé, mais j'ai créé zéro richesse. Si je trouve un diamant par terre en 2 secondes, j'ai créé énormément de valeur sans presque aucun travail. La valeur d'un bien est déterminée par ce que quelqu'un est prêt à payer pour l'obtenir, pas par le temps qu'il a fallu pour le produire. C'est la révolution marginaliste de 1871 (Jevons, Menger, Walras), et aucun économiste sérieux dans le monde ne la conteste aujourd'hui. Deuxième problème : "le capital ne fait que multiplier la productivité du travail." C'est présenté comme si c'était anodin. Mais multiplier la productivité du travail c'est littéralement la chose la plus importante de l'histoire économique humaine. Un ouvrier avec une pelle déplace 1 tonne de terre par jour. Le même ouvrier avec une pelleteuse en déplace 500. La différence c'est quoi ? Le capital. Quelqu'un a investi de l'argent pour concevoir, fabriquer et mettre à disposition cette pelleteuse. Sans ce capital, l'ouvrier est toujours à la pelle. La pelleteuse n'est pas tombée du ciel. Elle existe parce que quelqu'un a renoncé à consommer son argent aujourd'hui pour l'investir dans un outil productif. Ce sacrifice s'appelle l'épargne, et sa mise en oeuvre productive s'appelle le capital. Et c'est ça qui transforme une heure de travail humain en quelque chose de 500 fois plus productif. Troisième problème : "il y a toujours un travailleur pour actionner la machine." Oui. Et il y a toujours quelqu'un qui a conçu la machine, quelqu'un qui a financé sa fabrication, quelqu'un qui a identifié le besoin du marché, quelqu'un qui a organisé la production, quelqu'un qui a trouvé les clients, quelqu'un qui a pris le risque que tout ça foire. Le travailleur qui actionne la machine est un maillon indispensable de la chaîne. Mais il n'est pas le seul maillon. Et dire que seul son maillon compte c'est nier l'existence de tous les autres. Quatrième problème : "le milliardaire s'accapare les fruits d'un travail qu'il n'a pas réalisé." Le milliardaire n'a pas réalisé le travail manuel. Mais il a réalisé autre chose : l'allocation du capital. C'est-à-dire décider où investir les ressources pour qu'elles produisent le maximum de valeur. Et c'est un travail extraordinairement difficile et rare. Si c'était facile, tout le monde serait milliardaire. Pour chaque Elon Musk qui réussit, il y a 10 000 entrepreneurs qui ont tout perdu. Le milliardaire qui reste milliardaire c'est celui qui alloue le capital mieux que les autres, c'est-à-dire celui qui prédit mieux que les autres ce dont la société a besoin. Quand il se trompe, il perd tout. Quand le salarié se trompe, il touche quand même son salaire. Et c'est ça la réalité que cet axiome de départ masque. Le capitaliste ne "prend" pas au travailleur. Le capitaliste fournit au travailleur les outils sans lesquels son travail ne vaudrait presque rien. L'ouvrier à la pelleteuse est 500 fois plus productif qu'à la pelle. Le "profit" du capitaliste c'est une fraction de ces 499 unités de productivité supplémentaire qu'il a rendues possibles en fournissant la pelleteuse. Sans lui, l'ouvrier a toujours sa pelle et sa tonne de terre par jour. La vraie question c'est pas "est-ce que le milliardaire mérite sa fortune." C'est "est-ce que le système qui produit des milliardaires produit aussi une amélioration des conditions de vie de tout le monde." Et la réponse, factuelle, empirique, répliquée sur 200 ans de données dans tous les pays du monde, c'est oui. Et un dernier mot pour les plus jeunes qui lisent ça. Je sais que le marxisme est séduisant quand t'as 18 ans. J'y suis passé aussi. L'idée que le monde se divise en exploiteurs et exploités, c'est simple, c'est beau, ça donne un sens, ça désigne un ennemi. C'est confortable intellectuellement. Et quand t'as jamais eu de thune, quand tu vois des gens riches et que tu comprends pas comment ils le sont devenus, c'est tentant de conclure qu'ils ont forcément volé quelqu'un. Mais la réalité est plus complexe et plus intéressante que ça. Et le meilleur service que vous pouvez vous rendre c'est de lire les deux camps. Lisez Marx, oui. Mais lisez aussi Hayek, Bastiat, Mises, Friedman, Sowell. Lisez les marginalistes. Lisez l'histoire économique réelle des pays qui ont essayé le socialisme. Pas les versions romancées, les faits. Confrontez les théories au réel. Et faites-vous votre propre avis avec toutes les cartes en main, pas avec la moitié du jeu. On passe presque tous par une phase où on croit que le système est contre nous. Et puis un jour tu te mets à créer, à entreprendre, à prendre des risques, et tu comprends. Le capital c'est pas ton ennemi, c'est l'outil qui te manque. Et le capitalisme c'est le seul système qui te laisse aller le chercher.

Georgia Tech built a free tool that animates every data structure and algorithm in real time csvistool.com this is what DSA study looks like when it actually makes sense

Google could have kept this algorithm private instead of open sourcing it. But they allowed everyone, including competitors, to benefit from their research. That is why I respect Google. If you did not know, this entire AI era became possible because Google openly published their transformer model research paper.

Great work @iotcoi 🔥 Google's TurboQuant in vLLM. 4M+ KV-cache tokens on a USB-charger-sized box.

Introducing TurboQuant: Our new compression algorithm that reduces LLM key-value cache memory by at least 6x and delivers up to 8x speedup, all with zero accuracy loss, redefining AI efficiency. Read the blog to learn how it achieves these results: goo.gle/4bsq2qI

Le CFP des 10 ans de VoxxedDays Luxembourg est toujours ouvert, ne trainez plus :) → voxxedlu2026.cfp.dev

If you find Claude Code with local models to be 90% slower, it's because CC prepends some attribution headers, and this changes per message causing it to invalidate the entire prompt cache / KV cache. So generation becomes O(N^2) not O(N) for LLMs.