متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
Python RU
الذهاب إلى القناة على Telegram
Все для python разработчиков админ - @haarrp @python_job_interview - Python собеседования @ai_machinelearning_big_data - машинное обучение @itchannels_telegram - 🔥лучшие ит-каналы @programming_books_it - it книги @pythonl РКН: clck.ru/3Fmy2j
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Python RU
تُعد قناة Python RU (@pro_python_code) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 12 488 مشتركاً، محتلاً المرتبة 10 158 في فئة التكنولوجيات والتطبيقات والمرتبة 52 801 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 12 488 مشتركاً.
بحسب آخر البيانات بتاريخ 23 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -49، وفي آخر 24 ساعة بمقدار 0، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.85%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 2.86% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 980 مشاهدة. وخلال اليوم الأول يجمع عادةً 357 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 4.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل api, docker, github, sql, linux.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Все для python разработчиков
админ - @haarrp
@python_job_interview - Python собеседования
@ai_machinelearning_big_data - машинное обучение
@itchannels_telegram - 🔥лучшие ит-каналы
@programming_books_it - it книги
@pythonl
РКН: clck.ru/3Fmy2j”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 24 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
12 488
المشتركون
لا توجد بيانات24 ساعات
-47 أيام
-4930 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
يونيو '26
يونيو '26
+28
في 0 قنوات
مايو '26
+27
في 0 قنوات
Get PRO
أبريل '26
+18
في 0 قنوات
Get PRO
مارس '26
+32
في 1 قنوات
Get PRO
فبراير '26
+32
في 0 قنوات
Get PRO
يناير '26
+38
في 1 قنوات
Get PRO
ديسمبر '25
+38
في 0 قنوات
Get PRO
نوفمبر '25
+89
في 0 قنوات
Get PRO
أكتوبر '25
+57
في 0 قنوات
Get PRO
سبتمبر '25
+79
في 1 قنوات
Get PRO
أغسطس '25
+66
في 1 قنوات
Get PRO
يوليو '25
+288
في 3 قنوات
Get PRO
يونيو '25
+86
في 1 قنوات
Get PRO
مايو '25
+68
في 0 قنوات
Get PRO
أبريل '25
+165
في 0 قنوات
Get PRO
مارس '25
+85
في 2 قنوات
Get PRO
فبراير '25
+142
في 0 قنوات
Get PRO
يناير '25
+172
في 0 قنوات
Get PRO
ديسمبر '24
+310
في 4 قنوات
Get PRO
نوفمبر '24
+190
في 0 قنوات
Get PRO
أكتوبر '24
+367
في 2 قنوات
Get PRO
سبتمبر '24
+348
في 3 قنوات
Get PRO
أغسطس '24
+477
في 2 قنوات
Get PRO
يوليو '24
+305
في 2 قنوات
Get PRO
يونيو '24
+296
في 10 قنوات
Get PRO
مايو '24
+388
في 36 قنوات
Get PRO
أبريل '24
+430
في 43 قنوات
Get PRO
مارس '24
+511
في 20 قنوات
Get PRO
فبراير '24
+632
في 3 قنوات
Get PRO
يناير '24
+549
في 44 قنوات
Get PRO
ديسمبر '23
+543
في 40 قنوات
Get PRO
نوفمبر '23
+205
في 2 قنوات
Get PRO
أكتوبر '23
+174
في 6 قنوات
Get PRO
سبتمبر '23
+438
في 0 قنوات
Get PRO
أغسطس '23
+540
في 0 قنوات
Get PRO
يوليو '23
+362
في 0 قنوات
Get PRO
يونيو '23
+748
في 0 قنوات
Get PRO
مايو '23
+350
في 0 قنوات
Get PRO
أبريل '23
+148
في 0 قنوات
Get PRO
مارس '23
+210
في 0 قنوات
Get PRO
فبراير '23
+356
في 0 قنوات
Get PRO
يناير '23
+187
في 0 قنوات
Get PRO
ديسمبر '22
+117
في 0 قنوات
Get PRO
نوفمبر '22
+267
في 0 قنوات
Get PRO
أكتوبر '22
+933
في 0 قنوات
Get PRO
سبتمبر '22
+485
في 0 قنوات
Get PRO
أغسطس '22
+411
في 0 قنوات
Get PRO
يوليو '22
+636
في 0 قنوات
Get PRO
يونيو '22
+1 029
في 0 قنوات
Get PRO
مايو '22
+1 476
في 0 قنوات
Get PRO
أبريل '22
+1 378
في 0 قنوات
Get PRO
مارس '22
+751
في 0 قنوات
Get PRO
فبراير '22
+205
في 0 قنوات
Get PRO
يناير '22
+241
في 0 قنوات
Get PRO
ديسمبر '21
+193
في 0 قنوات
Get PRO
نوفمبر '21
+900
في 0 قنوات
Get PRO
أكتوبر '21
+697
في 0 قنوات
Get PRO
سبتمبر '21
+142
في 0 قنوات
Get PRO
أغسطس '21
+315
في 0 قنوات
Get PRO
يوليو '21
+503
في 0 قنوات
Get PRO
يونيو '21
+1 124
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 24 يونيو | +1 | |||
| 23 يونيو | +3 | |||
| 22 يونيو | +2 | |||
| 21 يونيو | 0 | |||
| 20 يونيو | 0 | |||
| 19 يونيو | +3 | |||
| 18 يونيو | +3 | |||
| 17 يونيو | +1 | |||
| 16 يونيو | +4 | |||
| 15 يونيو | 0 | |||
| 14 يونيو | +2 | |||
| 13 يونيو | +1 | |||
| 12 يونيو | 0 | |||
| 11 يونيو | +2 | |||
| 10 يونيو | 0 | |||
| 09 يونيو | +2 | |||
| 08 يونيو | +1 | |||
| 07 يونيو | 0 | |||
| 06 يونيو | 0 | |||
| 05 يونيو | +1 | |||
| 04 يونيو | 0 | |||
| 03 يونيو | 0 | |||
| 02 يونيو | +2 | |||
| 01 يونيو | 0 |
منشورات القناة
Один декоратор в Python может убрать сотни лишних запросов
В Python есть встроенный кэш, о котором часто забывают:
lru_cache из functools.
Он запоминает результат функции и при повторном вызове с теми же аргументами не считает всё заново.
from functools import lru_cache
@lru_cache(maxsize=128)
def get_user(user_id: int):
print("Идём в базу...")
return load_user_from_db(user_id)
get_user(42) # запрос в базу
get_user(42) # результат из кэша
get_user.cache_info()
get_user.cache_clear()
lru_cache хорош для чистых функций, где результат зависит только от аргументов.
Для случайных данных, времени, прав доступа и часто меняющейся базы лучше не использовать вслепую.| 2 | Один из главных мифов вокруг ИИ-кодинга: достаточно найти правильный промпт — и модель начнет писать хороший код
Но на практике два разработчика могут отправить одинаковый запрос: «создай API для пользователей» — и получить совершенно разный результат. Один получит аккуратный FastAPI-сервис с типами, тестами и обработкой ошибок. Другой — код, который придется переписывать после первого изменения.
Причина часто не в модели.
LLM (большие языковые модели) не знает, как устроен ваш проект: какие архитектурные решения приняты, какие стандарты действуют и что команда считает качественным результатом.
Поэтому стоит выстраивать вокруг ИИ тот же инженерный слой, который уже есть в обычной разработке: правила проекта, чек-листы, автоматические проверки и понятные критерии качества.
На бесплатном вебинаре karpovꓸcourses «ИИ-агенты и профессиональная разработка на Python» Алексей Жиряков покажет вживую, почему ИИ-код ломается в реальных проектах и как это исправлять.
Алексей — исполнительный директор в Сбере, занимается развитием генеративного ИИ, а до этого более 15 лет работал в backend-разработке и руководил инженерными командами.
Будет живое демо поверх готового репозитория: как настроить процесс, получить более чистый типизированный код и использовать продакшен-подход вроде связки «дешевая модель пишет — дорогая ревьюит», которая помогает снижать стоимость генерации.
Присоединяйтесь по ссылке, а после регистрации вы получите гайд «Почему ваш ИИ пишет не то: LLM против ИИ-агента»: https://clc.to/erid_2W5zFHoKYJV
Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFHoKYJV | 184 |
| 3 | OpenAI выпустила полную версию GPT-5.5-Cyber — своей самой продвинутой модели для авторизованной защитной кибербезопасности.
Новая модель набрала 85,6% на CyberGym и обошла:
• Mythos 5 — 83,8%
• раннюю версию GPT-5.5-Cyber — 81,9%
• GPT-5.5 — 81,8%
• GPT-5.4 — 79,0%
• Claude Opus 4.7 — 73,1%
Главный акцент — не на «хакинге ради хакинга», а на легальной defensive security: анализе уязвимостей, проверке систем, аудите кода и помощи security-командам.
https://x.com/sama/status/2069121360744550796 | 471 |
| 4 | Теперь на GitVerse — зеркало PyPI! ⚡️
Python‑пакеты переехали на российскую платформу для разработчиков GitVerse — теперь зависимости подтягиваются быстрее, а пайплайны не зависят от доступности внешнего PyPI.
Остаётся только выбрать: установить зеркало как основной источник или оставить как «страховку».
Гайд по подключению. | 513 |
| 5 | 🐍 Python Парсинг: Большой продвинутый бесплатный курс
Полное практическое руководство по веб-скрейпингу на Python — от основ HTTP до production-grade пауков, обхода антибот-защит, асинхронности и проектирования надёжных пайплайнов. Каждый раздел содержит рабочие примеры, типовые ошибки и продвинутые практики.
https://github.com/justxor/Pythonparsing-/tree/main | 629 |
| 6 |  5 вещей, которые надо сделать до старта Python-проекта
Перед стартом Python-проекта сделай базовый набор, который потом спасёт нервы.
Сначала создай отдельное окружение, чтобы проект не ломал всё вокруг.
Потом сразу зафиксируй библиотеки, а не вспоминай через месяц, что ты ставил.
Добавь автоформатирование кода, проверку ошибок и простые тесты.
Секретные ключи держи отдельно, не пихай их прямо в код.
И главное: сразу сделай нормальную структуру папок, README и проверку перед коммитом.
Минимум простой: окружение, зависимости, форматирование, тесты и порядок в папках.
Это не занудство.
Это разница между проектом, который можно развивать, и папкой, которую страшно открыть через неделю. | 743 |
| 7 | 🔥 SPRINT OFFER: Инженер по автоматизации тестирования (Python)
Оффер за 5 дней – и вы в команде, которая создает программные системы для российской низкоорбитальной спутниковой группировки 🚀
БЮРО 1440 – место, где инженерные решения становятся частью технологий, определяющих будущее спутниковой связи и передачи данных. Команда нанимает в департамент "Единые системы управления и разработка ПО", где инженеры разрабатывают цифровые двойники, инструменты проектирования космической системы, внутреннее облако, дата-платформу, инструменты для разработчиков и системы управления разработкой, занимается тестированием и раскаткой ПО.
📍 Чем предстоит заниматься:
• Проводить полный цикл тестирования API, UI, GUI;
• Разрабатывать инструменты тестирования для космических систем;
• Развивать и оптимизировать тестовые фреймворки и интегрировать качество в CI/CD;
• Участвовать в технических обсуждениях, код-ревью и планировании.
Мы ищем инженеров уровня Middle и Senior с опытом в тестировании от 5 лет, высшим техническим образованием и опытом по автоматизации тестирования на Python от 3 лет.
⚙️ Как проходит SPRINT OFFER:
1️⃣ Подайте заявку до 24 июня;
2️⃣ Пройдите техническое и менеджерское интервью;
3️⃣ Получите оффер в течение 5 рабочих дней.
💼 Что предлагаем:
🚀 Удалённую работу по РФ, гибридный формат или офис;
🚀 Участие в разработке космических технологий и спутниковых систем связи;
🚀 Карьерный рост внутри команды и возможность развиваться в смежных направлениях;
🚀 Возможность участия в профессиональных конференциях, тренингах и обучение в собственной академии за счет компании;
🚀 ДМС со стоматологией, страхование, корпоративные скидки и комплексная программа поддержки сотрудников.
Оставляйте заявку до 24 июня и присоединяйтесь к команде БЮРО 1440, которая создаёт связь нового поколения! | 601 |
| 8 |  ## Какую модель Claude выбрать в 2026: Sonnet, Opus, Haiku и подписки Pro/Max
Если нужен Claude для ежедневной работы, базовый выбор — Sonnet 4.6.
Он хорошо закрывает почти всё: посты, новости, сценарии, озвучки, переводы, саммари, ресёрч по текстам, правки и обычные рабочие задачи. Это самая сбалансированная модель по качеству, скорости и стоимости.
Opus 4.8 лучше не тратить на рутину. Его стоит включать там, где реально нужна глубина:
* сложная архитектура
* разбор больших кодовых баз
* отладка пайплайнов
* тяжёлый анализ документов
* нестандартный креатив
* задачи, где ошибка дорого стоит
Haiku 4.5 — это модель для потока. Быстрые черновики, массовая обработка, классификация, простые переписывания, генерация вариантов, дешёвые итерации. Там, где важнее скорость и объём, чем максимальная глубина.
По подпискам логика такая:
Pro подойдёт, если Claude нужен периодически: написать текст, проверить идею, помочь с небольшим кодом. Но при длинных чатах, картинках, Claude Code и частых итерациях лимиты быстро начинают мешать.
Max 5x — самый практичный вариант для активной ежедневной работы. Его обычно хватает для контента, кода, анализа, длинных обсуждений и нормального рабочего ритма.
Max 20x имеет смысл брать только тем, кто реально живёт в Claude: весь день гоняет Claude Code, агентов, большие репозитории, длинные сессии и тяжёлые задачи.
Итог простой:
Для большинства оптимальная связка — Sonnet 4.6 + Max 5x.
Haiku — для быстрых массовых задач.
Opus — только для действительно сложных случаев.
Max 20x — если Claude стал основным рабочим инструментом на весь день.
#claude #claudecode #ai #нейросети | 891 |
| 9 | ⚡️ Python иногда умеет выглядеть как тёмная магия.
Вот однострочный quicksort через lambda:
q = lambda x: x and q([i for i in x[1:] if i <= x[0]]) + [x[0]] + q([i for i in x[1:] if i > x[0]])
Что тут происходит:
* берём первый элемент как pivot
* всё, что меньше или равно ему, рекурсивно сортируем слева
* сам pivot ставим в центр
* всё, что больше, рекурсивно сортируем справа
* если список пустой, возвращается пустой список
Работает красиво, но в продакшен так писать не надо. Это скорее пример того, насколько гибким может быть Python, чем нормальный стиль кода.
Минусы очевидные: плохая читаемость, рекурсия, лишние списки на каждом шаге и риск упереться в лимит рекурсии.
Но как демонстрация идеи quicksort в одну строку — выглядит эффектно. | 1 017 |
| 10 | ⚡️ Linux Roadmap: подробный практический курс от нуля до уверенного администратора
Это пошаговый маршрут изучения Linux с упором на практику. Каждый раздел содержит объяснение «почему это устроено именно так», разбор команд и обязательные задания, которые нужно выполнить руками в терминале. Чтение без повторения навыка не даёт — держите терминал открытым рядом с этим текстом.
Как работать с этим курсом: идите сверху вниз, не перепрыгивайте разделы; каждую команду набирайте руками, а не копируйте; в конце каждого блока выполняйте задание; специально ломайте систему в виртуалке и чините — это лучший способ учиться.
https://github.com/justxor/linuxfullroadmap/ | 975 |
| 11 | 🖥 На stepik обновили курс Python в 2026 - рабочий инструмент для автоматизации, ботов, парсинга, API, данных и разработки с ИИ.
Проблема новичков в том, что они учат Python кусками: синтаксис, пару задач, немного теории - и потом не понимают, как собрать из этого реальный проект.
Этот курс закрывает именно этот разрыв. Здесь вы не просто смотрите уроки, а учитесь писать код, разбирать ошибки и собирать рабочие решения на практике.
Внутри:
- Python с нуля
- много практики без сухой теории
- реальные задачи и проекты
- автоматизация рутины
- работа с файлами, данными и API
- понятная логика программирования
- современная разработка с ИИ
- отдельный блок по вайбкодингу
Вайбкодинг это нормальный навык 2026 года и вас научат- правильно ставить задачу, проверять код, понимать результат и быстрее доводить проект до рабочего состояния.
48 часов скидка 60%: https://stepik.org/course/288218/ | 949 |
| 12 |  🖥 Python не медленный. Медленным его часто делает ваш код.
У Python есть странная репутация: стоит программе начать тормозить, виноват сразу язык. Но в реальности большая часть быстрых сценариев в Python работает не потому, что интерпретатор внезапно стал магическим, а потому что тяжёлая работа уходит ниже - в C, C++ или Rust.
CPython написан на C. Многие встроенные операции тоже выполняются в C:
- len()
- list.append()
- dict.get()
- sum()
- сортировка
- операции со строками
- часть работы со списками и словарями
Когда вы вызываете list.append(), Python не крутит всю логику добавления элемента на уровне байткода. Он платит небольшой overhead за вызов, а дальше попадает в C-функцию внутри CPython.
Медленный путь начинается там, где мы вручную гоняем данные по одному элементу:
total = 0
for x in data:
total += x
На каждой итерации интерпретатор должен выполнить байткод, достать объект, проверить типы, сделать операцию, обновить значение и перейти к следующему элементу. Для маленьких списков это незаметно. Для миллионов элементов это уже цена, которую вы платите за каждую итерацию.
Быстрый путь выглядит иначе:
total = sum(data)
Здесь цикл проталкивается внутрь реализации. Python остаётся удобной оболочкой, а основная работа выполняется ближе к нативному коду.
С NumPy та же идея, только ещё жёстче:
total = np.sum(data)
Внутренний цикл почти не возвращается в Python. Массив обрабатывается внутри оптимизированного нативного кода, а обратно приходит уже готовый результат.
Поэтому фраза «Python медленный» слишком грубая.
Точнее так:
Python-циклы дорогие
C-циклы дешёвые
built-in функции часто быстрее ручного кода
NumPy быстрый не из-за синтаксиса, а потому что не гоняет каждый элемент через интерпретатор
хороший Python-код старается как можно дольше оставаться внутри готовых операций и библиотек
Оптимизация Python часто начинается не с переписывания проекта на Go или Rust, а с простого вопроса:
можно ли убрать ручной цикл и отдать работу тому коду, который уже написан на C, C++ или Rust?
Python хорош не как самый быстрый исполнитель каждой операции.
Он хорош как удобный слой управления над быстрыми нативными кусками.
https://www.youtube.com/shorts/Rep67xPxmvk | 1 133 |
| 13 | Letta — это фреймворк с открытым исходным кодом для создания приложений LLM с отслеживанием состояния.
С помощью Letta можно создавать агентов с отслеживанием состояния с расширенными возможностями логического мышления и прозрачной долговременной памятью. | 920 |
| 14 | ✔️ Qwen анонсировала модель для управления роботами разных конструкций
Подразделение Alibaba сообщила о выпуске Qwen-VLA - модели, которая способна управлять роботами разных типов без отдельной настройки под каждую платформу.
VLA-модели получают на вход изображение с камеры и текстовую команду, а на выходе выдают конкретные действия для робота.
Новинка построена на VL-основе Qwen3.5-4B и дополнена декодером действий на 1,15 млрд параметров.
Модель объединяет 3 типа задач: манипуляции (захват и перемещение предметов), навигацию и прогнозирование траекторий, а переключение между разными роботами требует лишь изменения текстовой инструкции.
Qwen-VLA не уступает специализированным системам, обученным под каждую отдельную задачу - GR00T (разработка NVIDIA) и π0.5 (Physical Intelligence).
На наборе тестов LIBERO Qwen-VLA показала 97,9%, на RoboTwin-Hard - 87,2%, а в экспериментах с двуруким роботом ALOHA средний процент успешных выполнений в знакомых условиях составил 83,6% и 76,9% в незнакомых.
Пока опубликован технический отчет и создан репозиторий проекта, о доступности самих моделей не сообщается.
@ai_machinelearning_big_data
#news #ai #ml | 1 208 |
| 15 |  🐍 Python Roadmap 2026: наконец-то полноценная актуальная карта изучения Python, а не список ссылок «разберись сам»
На GitHub выложили большой русскоязычный роадмап по Python на 2026 год - от первых скриптов до уровня Middle+/Senior.
Маршрут собран под современный Python:
- Python 3.13+
- free-threaded mode без GIL
- JIT
- uv вместо боли с pip/venv/poetry
- ruff, pyright, pytest, hypothesis
- async-first подход
- типизация
- CPython внутри
- web, базы, ML/AI, DevOps и архитектура
В роадмапе есть нормальная последовательность: сначала окружение и база, потом идиомы, ООП, типы, стандартная библиотека, асинхронность, тестирование, внутренности CPython, web, базы данных, AI-направление, продакшн и архитектура.
Отдельный плюс - практический формат. На каждом этапе есть задачи, чеклисты, примеры кода и бесплатные ресурсы. То есть это не мотивационная простыня, а маршрут, по которому реально можно идти несколько месяцев и видеть прогресс.
Для новичков - понятный путь без хаоса.
Для джунов - способ закрыть дыры.
Для тех, кто уже пишет на Python - хороший чеклист, чтобы понять, где ты всё ещё плаваешь.
Python в 2026 году - это tooling, типы, async, инфраструктура, AI и продакшн-дисциплина. И этот роадмап как раз про такой Python.
https://github.com/justxor/pythonroamap2026 | 1 315 |
| 16 |  Нужно узнать, какие аргументы были переданы вашему Python-скрипту?
Для этого можно использовать sys.argv. | 1 278 |
| 17 |  لا يوجد نص... | 1 337 |
| 18 |  Linux-инсайт: shell - это просто обычная программа
Ваш терминал не разговаривает с ядром напрямую магическим языком. Shell - это обычная userspace-программа. Просто таких программ целое семейство:
bash, zsh, fish, dash, ksh, ash, встроенный shell из BusyBox.
С точки зрения ядра все они делают примерно одну и ту же работу:
- читают байты из file descriptor
- парсят их как командный язык
- вызывают fork
- вызывают exec
- запускают другие программы
Разница почти вся живёт в userspace: какой синтаксис shell принимает, насколько он удобен в интерактивной работе, насколько строго следует POSIX и какие расширения добавляет сверху.
POSIX описывает shell-язык, который часто называют просто sh. Большинство shell реализуют его как базу, а потом добавляют свои фичи.
Поэтому bash и dash - это не «разные терминалы». Это разные реализации одной идеи.
Небольшой сюрприз: в Debian и Ubuntu /bin/sh обычно не bash, а dash. Он проще, меньше и стартует быстрее. Поэтому скрипт с первой строкой:
#!/bin/sh
может вести себя не так, как вы ожидаете, если вы писали его «как bash-скрипт».
Проверьте у себя:
readlink -f /bin/sh
И вы увидите, какой shell реально стоит за /bin/sh на вашей машине. | 1 542 |
| 19 |  ✔️ Anthropic запустила платформу Claude for Small Business
Компания представила пакет интеграций Claude через интерфейс Claude Cowork, который связывает языковую модель с QuickBooks, PayPal, HubSpot, Canva, Docusign, Google Workspace и Microsoft 365.
Пользователям доступны 15 готовых агентов для финансов, операционной деятельности, продаж, маркетинга и HR. Система умеет сводить бухгалтерский баланс, искать расхождения в транзакциях PayPal, составлять финансовые прогнозы, анализировать метрики HubSpot и генерировать промо-материалы в Canva.
В архитектуру заложен принцип human-in-the-loop. Модель берет на себя вычисления и рутинную нагрузку, но критические действия - проводка платежей, подписание контрактов и отправка писем требуют финального подтверждения пользователя.
anthropic.com
✔️ Создатель Qwen ищет инвестиции на свою ИИ-лабораторию
Бывший технический руководитель Qwen в Alibaba привлекает финансирование для своего стартапа. Целевая оценка около $2 млрд, в переговорах об инвестициях участвуют Gaorong Capital и Sequoia China.
Готового продукта у компании нет, оценка строится на репутации основателя. За 3 года в Alibaba он развил Qwen в одно из самых востребованных семейств open-source моделей. В марте техлид объявил об уходе из корпорации, после чего Alibaba перевела команду Qwen в прямое подчинение CEO и сместила фокус на закрытую коммерциализацию.
Американские проекты выходцев из OpenAI стартуют выше: SSI Ильи Суцкевера на старте оценивали в $5 млрд, стартап Миры Мурати - в $10 млрд. Инвесторы осторожничают с китайским рынком: здесь не работает поглощение IT-гигантами, а экспортные санкции США на чипы ограничивают лаборатории в доступе к вычислениям.
theinformation.com
✔️ Xiaomi опубликовала модель для автономного вождения
Xiaomi Embodied Intelligence опубликовала код и веса 4B VLA-модели OneVL для беспилотных автомобилей и робототехники. По заявлению разработчиков, она принимает решения точнее, чем более крупные модели, и делает это почти мгновенно.
Архитектура построена на Latent CoT, под капотом Qwen3-VL. Модель сжимает логику принятия решений в 55 скрытых токенов (35 визуальных и 20 текстовых). Подход сохраняет глубину рассуждений при задержке инференса на бортовом оборудовании в 0,24 секунды.
На бенчмарках NAVSIM и ROADWork OneVL обходит аналоги вдвое крупнее. Xiaomi утверждает, что это первый случай, когда сеть с латентными рассуждениями превосходит текстовые CoT-модели по точности при сохранении скорости предиктивных систем.
xiaomi.github.io
✔️ Индекс Ramp: Anthropic обошла OpenAI по доле корпоративных клиентов
По данным платежного индекса Ramp AI, решения Anthropic используют 34,4% корпоративных клиентов платформы, OpenAI - 32,3%. За год доля Anthropic выросла в 4 раза, база OpenAI увеличилась на 0,3%.
Статистика опирается на транзакции преимущественно американских компаний. Индекс учитывает факт оплаты услуг провайдера, а не реальные объемы API-запросов или токенов.
Динамика спроса связана с ростом цен на проприетарные решения. Из-за удорожания закрытых API бизнес переходит на платформы инференса для open-source моделей и дешевые специализированные инструменты.
ramp.com
✔️ Xynova анонсировала роботизированную кисть Flex 2
Китайская компания Xynova представила роботизированную кисть Flex 2 для гуманоидных роботов и систем воплощённого ИИ. При собственной массе 400 граммов манипулятор удерживает объекты весом до 12 кг.
Кинематика устройства обеспечивает 23 степени свободы. Встроенные сенсоры проскальзывания и миллисекундный аппаратный отклик позволяют алгоритмам адаптивного захвата корректировать силу давления на предмет при контакте.
Xynova самостоятельно производит аппаратные и программные компоненты продукта: сборку электродвигателей, редукторов, роликовых винтов, сервоконтроллеров и драйверов, а также написание алгоритмов управления. Разработкой занимается R&D-центр компании из 40 специалистов, более 70% из которых имеют ученые степени.
xynova.com.cn
@ai_machinelearning_big_data
#news #ai #ml | 1 062 |
| 20 | ⚡️ Китайцы выкатывают DeerFlow 2.0 - и это уже не «ещё один ИИ-агент»
ByteDance полностью переписала DeerFlow до последней строки кода, и репозиторий уже улетел на 62 000 звёзд GitHub.
Почему вокруг него такой шум?
• DeerFlow сам создаёт и координирует десятки субагентов
• Субагенты работают параллельно: пишут тексты, анализируют данные, кодят, ищут отели, помогают с бронью ресторанов и закрывают сложные цепочки задач
• Из коробки есть навыки для ресёрча, отчётов, презентаций, веб-страниц, изображений и видео
• Можно добавлять свои кастомные навыки под конкретный рабочий процесс
• Агент читает, пишет и редактирует файлы, понимает изображения и умеет выполнять shell-команды
• Есть долгосрочная память: профиль пользователя, предпочтения, контекст проектов и знания между сессиями
• Поддерживаются Telegram, Slack, Feishu/Lark, WeChat и WeCom без публичного IP
• Работает с разными LLM, а не заперт в одной модели
• Интегрируется с Claude Code: задачи можно отправлять в DeerFlow прямо из терминала, не выходя из IDE
• Поддерживает MCP-серверы
И главное - это полный open source. Без закрытой коробки, без vendor lock-in, без искусственных ограничений.
Пока одни продают «агентов будущего» за подписку, ByteDance просто выкатила опенсорсного Джарвиса.
https://github.com/bytedance/deer-flow | 1 030 |
