ar
Feedback

لا تقع ضحية للمخادعين! تيليمتريو يكتشف ويُميّز هذه القنوات 👉 إذا كنت تريد رؤية العلامة، اشترك

Python/ django

Python/ django

الذهاب إلى القناة على Telegram

📈 نظرة تحليلية على قناة تيليجرام Python/ django

تُعد قناة Python/ django (@pythonl) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 58 158 مشتركاً، محتلاً المرتبة 2 277 في فئة التكنولوجيات والتطبيقات والمرتبة 10 385 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 58 158 مشتركاً.

بحسب آخر البيانات بتاريخ 15 نوفمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -353، وفي آخر 24 ساعة بمقدار -9، مع بقاء الوصول العام مرتفعاً.

  • حالة التحقق: غير موثّقة
  • معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 6.92‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.37‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
  • وصول المنشورات: يحصل كل منشور على متوسط 4 023 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 961 مشاهدة.
  • التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 22.
  • الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل github, claude, контекст, архитектура, api.

📝 الوصف وسياسة المحتوى

يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fm...”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 16 نوفمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

58 158
المشتركون
-924 ساعات
-1657 أيام
-35330 أيام
أرشيف المشاركات
ARES: Open Source платформа для автоматизации Red Team и пентестов На GitHub появился интересный проект ARES, который объединяет инструменты наступательной безопасности в единую систему с веб-интерфейсом, графами атак и автоматической отчётностью. Вместо ручного запуска десятков отдельных утилит можно организовать полноценную кампанию проверки защищённости инфраструктуры. Что умеет ARES: - 66 модулей в 13 категориях, включая Active Directory, облачную безопасность, Windows, Linux и проверку защитных механизмов. - MITRE ATT&CK для классификации техник и построения цепочек атак. - Attack Graph для визуализации возможных путей продвижения внутри инфраструктуры. - ScopeGuard для ограничения тестирования заранее разрешёнными системами. - MCP Gateway для интеграции с Claude Desktop, Cursor и другими ИИ-клиентами. - Автоматическая генерация отчётов в PDF, HTML, Markdown и JSON. Особенно интересна система планирования: оператор задаёт цель, например проверку возможности получения прав администратора домена, а движок строит последовательность проверок и отображает результаты на графе. Есть Python SDK для собственных модулей, зашифрованное хранилище секретов и веб-панель на React. Бэкенд использует Python и FastAPI. Разработчики заявляют о 5074 модульных тестах и поддержке Windows, Linux и macOS. ARES рассчитан на авторизованные Red Team-проверки и аудит корпоративной инфраструктуры. Заявленные механизмы безопасности стоит отдельно проверить перед использованием в рабочей сети. Лицензия MIT. GitHub: https://github.com/Mafifrizi/ARES

4 800 аккаунтов и 61 764 репозитория. Что произошло на GitHub 10 ноября началась кампания по краже секретов из GitHub Actions
4 800 аккаунтов и 61 764 репозитория. Что произошло на GitHub 10 ноября началась кампания по краже секретов из GitHub Actions. По данным Aikido Security, атакующие использовали 4 837 скомпрометированных аккаунтов, чтобы проверить доступ к 61 764 репозиториям. Следы запуска вредоносного кода исследователи обнаружили как минимум в 1 800 репозиториях. Целью были секреты CI/CD, в том числе токены и ключи доступа к облачным сервисам. Сколько секретов удалось похитить, пока неизвестно. https://labs.cloudsecurityalliance.org/research/csa-research-note-wfx-github-ci-secret-stealer-20261112-csa/

В Python 3.15 появился профилировщик, который можно подключить к уже работающему процессу Tachyon - новый статистический проф
В Python 3.15 появился профилировщик, который можно подключить к уже работающему процессу Tachyon - новый статистический профилировщик в стандартной библиотеке Python. Устанавливать сторонние пакеты не нужно. В отличие от cProfile, он периодически снимает снимки стека вызовов и по ним оценивает, где программа тратит больше всего времени. Накладные расходы при этом очень небольшие. Запустить скрипт с профилированием:

python -m profiling.sampling run app.py
Подключиться к уже работающему процессу по PID:

python -m profiling.sampling attach 12345
Можно даже наблюдать за результатами в реальном времени:

python -m profiling.sampling attach --live 12345
Tachyon умеет строить flamegraph и HTML-тепловые карты исходников, подсвечивая строки, на которых программа проводит больше всего времени. Например, получить flamegraph можно так:

python -m profiling.sampling run --flamegraph app.py
Ещё одна полезная возможность - сохранить профиль в бинарном формате, а потом строить из него разные отчёты без повторного запуска программы. Есть ограничения. Tachyon не подходит для микробенчмарков, точного подсчёта вызовов и измерения разницы производительности в 1–2%. Для этого лучше использовать timeit или трассирующие профилировщики. Зато для поиска узких мест в долго работающих Python-сервисах инструмент весьма удобный. При подключении к чужому процессу могут потребоваться повышенные права. https://mathspp.com/blog/tachyon-sampling-profiling-in-python

Repost from Machinelearning
🌟 Zyphra опубликовала компактную TTS-модель ZONOS3-Mini синтезирует речь и клонирует голос по образцу, рассчитана на использ
🌟 Zyphra опубликовала компактную TTS-модель ZONOS3-Mini синтезирует речь и клонирует голос по образцу, рассчитана на использование в реальном времени на телефонах, ноутбуках и браузере. Модель копирует голос по записи длиной до минуты, но также можно собрать новый, задав возраст, акцент и тембр. Эмоции, темп и подачу можно настраивать вплоть до отдельных слов. Поддерживается девять языков, среди них английский, китайский, японский, немецкий, испанский и французский, русского нет. 🟡Архитектура Под капотом MoE на 800 млн общих при 100 млн активных параметров, где из 64 экспертов на каждом шаге включаются два. Из 11 слоёв девять построены на Gated DeltaNet и два на обычном глобальном внимании. Звук кодирует собственный кодек ZAC-1 с частотой 15 кадров в секунду. 🟡Тесты Задержка до первого звука в браузере на Pixel 9 меньше 570 мс, на MacBook Air с M3 меньше 150 мс, а на одной H100 при восьми одновременных запросах в среднем 80 мс. Пиковая выработка на той же H100 - 457 секунд звука за секунду. По внутреннему бенчмарку ZTTS2-Eval, новинка занимает первое место среди открытых моделей, за ней идут Fish S2 Pro и MOSS TTS v1.5. Модель запускается в браузере через WebGPU, классическим путём с SGLang и vLLM, на Mac через MLX и на обычных процессорах через ggml. По API в облаке Zyphra Inference она стоит 10 долларов за мегабайт текста, лимиты - один запрос за раз и 100 генераций в сутки. 📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Веса 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #TTS #ZONOS3 #Zyphra

🔥️️️️ Черная пятница на STEPIK - 55% процентов на курс Вайбкодинг в разработке: от генерации кода до production ИИ ускоряет
🔥️️️️ Черная пятница на STEPIK - 55% процентов на курс Вайбкодинг в разработке: от генерации кода до production ИИ ускоряет написание кода, но ошибки, уязвимости и проверка результата по-прежнему остаются задачей разработчика. На Stepik вышел практический курс, посвящённый работе с ИИ в реальных проектах. В программе: работа с ИИ-агентами, архитектура, Python, тестирование, Code Review, SQL, безопасность, CI/CD, отладка и релиз. Внутри: - 49 уроков - 210 тестов - 53 практические задачи - 9 модулей Пройти курс: https://stepik.org/course/296720/

🖥️ ИИ нашёл 418 ошибок в CPython, формализовав его на Lean Исследователи использовали Claude Opus 5.5, чтобы переписать част
🖥️ ИИ нашёл 418 ошибок в CPython, формализовав его на Lean Исследователи использовали Claude Opus 5.5, чтобы переписать части CPython на Lean - языке программирования для математически проверяемых доказательств. Масштаб проекта: 613 318 строк Lean, 1 539 файлов и 18 898 теорем и лемм. Каждую функцию сравнивали с настоящим Python минимум на 50 000 входных данных, а затем проверяли математическими доказательствами и независимыми ИИ-агентами. Результат: обнаружено 418 ошибок CPython. Около 55 из них могут приводить к падению интерпретатора или повреждению памяти. Среди найденных проблем: - dict.setdefault() в определённых сценариях вызывает Segmentation Fault. - Операции с XML-элементами могут повреждать память. - Некоторые функции на C и Python возвращают разные результаты. Есть важный нюанс: математическое доказательство подтверждает корректность формальной модели, но не гарантирует, что сама модель точно повторяет исходный код. Поэтому исследователи дополнительно сравнивают её с реальным CPython. Пока проверена только часть проекта: 4 071 из 26 004 функций (15,7%). Проект: https://broyojo.com/python-formalization/ Код: https://github.com/Broyojo/python-formalization @pythonl

Octop - open-source платформа, где можно запускать сразу несколько AI-агентов для себя, семьи или команды, при этом все данны
Octop - open-source платформа, где можно запускать сразу несколько AI-агентов для себя, семьи или команды, при этом все данные остаются на вашей машине. Главное: - multi-user + multi-agent архитектура; - Web UI, CLI, Telegram, Feishu, DingTalk, QQ, WeCom; - собственная память для каждого workspace; - RAG по вашим документам; - browser automation через headless Chromium; - удалённый рабочий стол и управление GUI; - cron-задачи на естественном языке; - интеграция с Claude Code и OpenCode через ACP; - MCP/OAuth connectors и система плагинов; - SQLite по умолчанию, PostgreSQL опционально. GitHub - https://github.com/TencentCloud/Octop

Знать Python сегодня мало Начинающих разработчиков много, а работодатели ждут больше, чем синтаксис и пару фреймворков: широк
Знать Python сегодня мало Начинающих разработчиков много, а работодатели ждут больше, чем синтаксис и пару фреймворков: широкий стек, практический опыт и умение работать с ИИ. МФТИ и Нетология собрали программу профпереподготовки, где к Python добавлены два слоя, которых обычно нет в курсах разработки: — бэкенд на Python и FastAPI, фронтенд на JavaScript и React, работа с базами данных, командный проект с тестами, Git и CI; — ИИ в разработке: машинное обучение, нейросети на PyTorch и TensorFlow, работа с LLM через API, собственное ИИ-приложение; — технологическое предпринимательство: бизнес-модель и экономика продукта, чтобы видеть задачу шире кода. 🎓️️️️️️На выходе — два диплома о профессиональной переподготовке: МФТИ и Нетологии. Обучение онлайн, его можно совмещать с работой. Старт — 23 ноября. Скидка 10 000 ₽ по промокоду MFTIPY10. Подробнее о программе тут Реклама. ООО “Нетология” ОГРН 1207700135884 Erid:2VSb5yHYyKx

🖥️ Python: 4 проекта недели, которые стоит добавить в закладки В свежем дайджесте Python Hub несколько интересных новинок дл
🖥️ Python: 4 проекта недели, которые стоит добавить в закладки В свежем дайджесте Python Hub несколько интересных новинок для Python-разработчиков, Data Engineers и ML-инженеров. 1. SQLBuild - SQL-трансформации с проверками на этапе компиляции Новый open-source фреймворк для построения SQL и Python-пайплайнов. Проверяет ссылки на таблицы, типы колонок и контракты ещё до выполнения запросов. Поддерживает end-to-end тестирование и безопасное переименование таблиц без потери истории. Интересная деталь: компилятор и планировщик написаны на Rust, а выполнение задач и расширения используют Python. GitHub: https://github.com/sqlstack-io/sqlbuild 2. TorchTPU - PyTorch теперь работает нативно на Google TPU Совместный проект Google и Meta. Разработчики могут запускать PyTorch-модели на TPU с поддержкой eager execution, torch.compile и распределённого обучения. Перенос существующего кода может сводиться к замене .to("cuda") на .to("tpu"). Документация: https://pytorch.org/blog/introducing-torchtpu/ 3. fastpybase64 - декодирование Base64 на скорости 13 ГБ/с Библиотека Даниэля Лемира использует SIMD-оптимизации на базе simdutf и выступает заменой стандартного модуля Python base64. В тестах на одном ядре Intel Xeon Gold 6548N она показала 13,3 ГБ/с на блоках размером 64 КБ. Это примерно в 27 раз быстрее стандартной библиотеки Python и в 4 раза быстрее pybase64. Установка:

pip install fastpybase64
Использование:

import fastpybase64 as base64

encoded = base64.b64encode(b"hello")
decoded = base64.b64decode(encoded)
Подробнее: https://lemire.me/blog/2026/10/17/decoding-base64-in-python-at-10-gigabytes-per-second/ 4. TorchNeuron - запуск PyTorch на AWS Trainium Новый нативный backend для ускорителей AWS Trainium2 и Trainium3. Поддерживает torch.compile, распределённое обучение, пользовательские GPU-подобные ядра через NKI и профилирование. Модель можно перенести на Trainium практически без изменения архитектуры:

model = MyModel().to("neuron")
Проект также поддерживает DDP, FSDP2 и Tensor Parallelism. GitHub: https://github.com/aws-neuron/torch-neuronx Все четыре проекта показывают, куда движется Python-экосистема: более строгая работа с данными, аппаратное ускорение, оптимизация низкоуровневых операций и единый интерфейс для разных вычислительных платформ. Полный дайджест: https://pythonhub.dev/digest/2026-11-08/

Кто в IT платит выше рынка? И какой оффер считается хорошим? Предлагаем опытным IT-специалистам поделиться мнением о зарплата
Кто в IT платит выше рынка? И какой оффер считается хорошим? Предлагаем опытным IT-специалистам поделиться мнением о зарплатах и бенефитах в крупных технологических компаниях. Кто, на ваш взгляд, платит выше рынка? У кого привлекательнее премии? Насколько важны ДМС, спорт, питание и другие бонусы при выборе работы? 👉 Поделиться мнением: https://clck.ru/3WNkEx

🔥 На GitHub появился большой набор нейросетей, полностью реализованных на Keras 3 ZeroModels собирает в одной библиотеке дес
🔥 На GitHub появился большой набор нейросетей, полностью реализованных на Keras 3 ZeroModels собирает в одной библиотеке десятки pretrained-моделей для самых разных задач: LLM, VLM, computer vision, генерация изображений, depth estimation и распознавание речи. Внутри уже есть Qwen, DeepSeek, Llama, Gemma, Stable Diffusion, Qwen-Image, Whisper, SAM, DINO, Depth Anything и много других моделей. Веса конвертируются из Transformers, timm и Diffusers в формат Keras. Установка одной командой: `pip install -U zeromodels` Код открыт под Apache 2.0, но лицензии конкретных весов остаются исходными. GitHub: https://github.com/IMvision12/ZeroModels

photo content

🏎 Всю Формулу-1 можно воспроизвести на Python. Нашёл проект с 7000 звёзд на GitHub F1 Race Replay позволяет заново просматри
🏎 Всю Формулу-1 можно воспроизвести на Python. Нашёл проект с 7000 звёзд на GitHub F1 Race Replay позволяет заново просматривать реальные гонки Формулы-1 в интерактивном режиме, отслеживая перемещения болидов и телеметрию пилотов. Проект написан на Python и использует библиотеку FastF1 для получения исторических данных гонок. Что умеет: Показывает положение всех болидов на трассе, порядок пилотов, используемые шины и текущий круг. Позволяет останавливать гонку, перематывать назад и вперёд, а также менять скорость воспроизведения от 0,1x до 256x. Отображает скорость пилотов, передачи, состояние DRS, времена кругов и секторов. Можно выбирать нескольких гонщиков и сравнивать их телеметрию. Есть визуализация выезда машины безопасности, графики деградации шин и отдельные окна для анализа гоночной стратегии. Всё запускается локально:

git clone https://github.com/IAmTomShaw/f1-race-replay
cd f1-race-replay
pip install -r requirements.txt
python main.py
Внутри используются Python 3.11+, FastF1, Arcade, PySide6 и NumPy. Можно создавать собственные панели телеметрии и подключать их к потоку данных. Хороший проект для тех, кто хочет попрактиковаться в Python, визуализации данных и анализе спортивной телеметрии. GitHub: https://github.com/IAmTomShaw/f1-race-replay

👾 Русскоязычный каталог из 2118 проектов по декомпиляции игр: от Ocarina of Time до Xbox 360 На GitHub появился awesome-спис
👾 Русскоязычный каталог из 2118 проектов по декомпиляции игр: от Ocarina of Time до Xbox 360 На GitHub появился awesome-список, собранный на русском: проекты, которые восстанавливают игры из машинного кода. Это декомпиляции, статические рекомпиляции, порты на исходниках и ремейки движков. Задача простая: помочь найти проект под нужную игру и платформу и объяснить, как всё это устроено. Масштаб впечатляет. В каталоге около 2118 проектов для примерно 1829 игр, из них 1771 активных. По типам: 786 декомпиляций, 525 статических рекомпиляций, 269 портов на исходниках, 238 ремейков движков, 234 дизассемблирования, 57 браузерных портов и 9 инструментов. По платформам лидирует ПК с 295 проектами, дальше Nintendo 64 (190), Xbox 360 и PlayStation 1 (по 161). Следом идут DOS, GameCube, PS2, Game Boy Advance и Wii. Среди примеров Zelda (Ocarina of Time, Majora's Mask, Twilight Princess), Mario 64, Sonic, Diablo, Morrowind, OpenRA и OpenRCT2. Внутри не просто список. В README есть топ-25, отдельный список браузерных портов, каталоги по типам и платформам, раздел о том, как начать декомпилировать самому, FAQ и глоссарий. Из инструментов упоминаются N64Recomp, XenonRecomp, RT64, splat, decomp.me, objdiff и m2c. Каталог обновляется автоматически через GitHub Actions. Важная оговорка: сами проекты работают с данными из легально купленных копий игр, а в репозитории лежат только ссылки. Репозиторий: https://github.com/justxor/awesome-decomp-games-ru

ORM превратила один SQL-запрос в 51. Разработчик даже не заметил Знакомая ситуация: код выглядит чисто, никаких SQL-запросов
ORM превратила один SQL-запрос в 51. Разработчик даже не заметил Знакомая ситуация: код выглядит чисто, никаких SQL-запросов вручную, всё через ORM. Например, в Django:

posts = Post.objects.all()[:50]

for post in posts:
    print(post.author.name)
Кажется, что мы просто получаем 50 постов с авторами. Но на практике это может вызвать 51 запрос к базе данных. Один запрос загружает посты, а ещё 50 отдельно получают авторов. Это классическая проблема N+1 queries. Причём чем больше записей, тем больше обращений к БД. Исправляется одной строкой:

posts = Post.objects.select_related("author")[:50]
Теперь Django использует JOIN и получает посты вместе с авторами одним запросом. ORM избавляет от написания SQL, но не от необходимости понимать, какой SQL выполняется. Именно поэтому при оптимизации API полезнее сначала посмотреть на количество запросов, чем переписывать Python-код ради нескольких миллисекунд.

🐍 Yokan - компилятор Python в нативные desktop-приложения Yokan позволяет писать приложение на обычном Python, запускать его
🐍 Yokan - компилятор Python в нативные desktop-приложения Yokan позволяет писать приложение на обычном Python, запускать его через CPython во время разработки, а затем собирать тот же код в нативный machine-code executable. Что интересного: - статически типизированное подмножество Python; - hot reload во время разработки; - нативная сборка через yokan build; - без CPython внутри бинарника, если не используется @py; - можно подключать обычный Python-код и библиотеки через @py; - есть интеграция с Rust для производительных частей; - UI на базе GPUI, движка редактора Zed; - около 36 UI-компонентов и десятки готовых демо. Для проверки совместимости есть yokan gate: он запускает приложение в CPython и в нативной сборке, повторяет одинаковые действия и сравнивает результат. : Сейчас поддерживаются macOS Apple Silicon и Linux, Python 3.14+. По сути, идея похожа на Flutter-подход: быстрая разработка с live reload, затем AOT-сборка в нативное desktop-приложение. GitHub: https://github.com/i2y/yokan

🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно о
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно. Что получишь: - Понятные объяснения без лишней воды. - Практические задания для закрепления знаний. - Возможность учиться в удобном темпе. - Структурированный подход вместо хаотичного поиска информации. Подойдёт тем, кто начинает с нуля или хочет систематизировать знания. Начни прокачивать навыки уже сейчас: https://stepik.org/course/303477/

⚡ pyfastlogging- быстрый неблокирующий логгер для Python pyfastlogging — Python-обёртка над fastlogging, где запись логов вын
⚡ pyfastlogging- быстрый неблокирующий логгер для Python pyfastlogging — Python-обёртка над fastlogging, где запись логов вынесена в фоновые потоки. За счёт этого основной код меньше блокируется на I/O. Что умеет: - thread-safe логирование - несколько writers на один logger - консоль, файлы, TCP, syslog и callbacks - ротация и сжатие логов - AES-шифрование сетевого логирования - multiprocessing и threads - конфигурация через JSON, XML и YAML - экспорт логов в OpenTelemetry по OTLP/HTTP Установка:

pip install pyfastlogging
python 
from pyfastlogging import TRACE, Logging, ConsoleWriterConfig

logger = Logging(
    TRACE,
    "main",
    [ConsoleWriterConfig(TRACE, True)],
)

logger.info("Hello")
logger.shutdown()
Поддерживается Python 3.10+. Актуальный релиз - 0.9.0, лицензия - MIT OR Apache-2.0. PyPI Хороший вариант для сервисов, где обычное логирование уже начинает влиять на latency. https://pypi.org/project/pyfastlogging/

🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров Xiaomi-OCR-0 объединяет распознавание текста, разбор структуры документа, извлечение ключевой информации и ответы на вопросы по содержимому. То есть задача модели шире обычного «перепечатать текст с картинки»: она помогает превратить документ в данные, с которыми можно работать дальше. По данным разработчиков: - 95,24 балла на Real5-OmniDocBench. - 83,2 балла в среднем на пяти тестах вопросов и ответов с опорой на распознавание текста. - Первое место среди моделей меньше 1B параметров по качеству разбора документов на OmniDocBench v1.6. В открытый доступ выложили веса, код инференса, интерактивное демо, MCP-сервис и Agent Skill. Последние два компонента позволяют подключать обработку документов к рабочим процессам ИИ-агентов. Компактный размер делает модель интересной для собственной инфраструктуры. Но качество на конкретных сканах, языках и сложных таблицах стоит проверять отдельно: результаты бенчмарков не гарантируют точность на любых документах. 🤗 Huggingface: https://huggingface.co/xiaomi-research/Xiaomi-OCR-0 🔗 GitHub: https://github.com/xiaomi-research/Xiaomi-OCR-0 📄 Demo: https://huggingface.co/spaces/loongwayX/Xiaomi-OCR-0-demo #XiaomiAI #OCR #OpenSource

Python выпустил внеплановые обновления безопасности: 3.15.1, 3.14.9 и 3.13.17. Причина – инцидент с сертификатами eMudhra / e
Python выпустил внеплановые обновления безопасности: 3.15.1, 3.14.9 и 3.13.17. Причина – инцидент с сертификатами eMudhra / emSign. Во всех трёх релизах встроенный pip обновлён до 26.2.2, включающего certifi 2026.10.19 с обновлённым набором доверенных сертификатов. Для Python 3.13 сделали исключение: ветка уже перешла в режим исправлений безопасности, но разработчики выпустили специальное обновление с установщиками и новым pip. Обновить сам Python недостаточно: команда отдельно просит обновить pip и uv во всех существующих виртуальных окружениях. В анонсе приведена команда безопасного обновления pip по прямой ссылке на wheel с проверкой SHA-256. Дополнительно установщики для macOS используют предварительную версию Tk, исправляющую возможное зависание приложений с tkinter, включая IDLE, на macOS 27.0. https://blog.python.org/2026/10/python-3151-3149-31317/