现已上线！2025 年 Telegram 研究 — 年度关键洞察 
Python/ django
前往频道在 Telegram
по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
显示更多📈 Telegram 频道 Python/ django 的分析概览
频道 Python/ django (@pythonl) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 59 789 名订阅者，在 技术与应用 类别中位列第 2 217，并在 俄罗斯 地区排名第 10 234 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 59 789 名订阅者。
根据 23 六月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -525，过去 24 小时变化为 -22，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 8.72%。内容发布后 24 小时内通常能获得 3.60% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 5 215 次浏览，首日通常累积 2 151 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 26。
- 主题关注点： 内容集中在 github, claude, контекст, архитектура, api 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“по всем вопросам @haarrp
@itchannels_telegram - 🔥 все ит каналы
@ai_machinelearning_big_data -ML
@ArtificialIntelligencedl -AI
@datascienceiot - 📚
@pythonlbooks
РКН: clck.ru/3Fmxm...”
凭借高频更新（最新数据采集于 24 六月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
59 789
订阅者
-2224 小时
-1417 天
-52530 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
六月 '26
六月 '26
+54
在0个频道中
五月 '26
+73
在1个频道中
Get PRO
四月 '26
+107
在8个频道中
Get PRO
三月 '26
+204
在25个频道中
Get PRO
二月 '26
+363
在50个频道中
Get PRO
一月 '26
+982
在111个频道中
Get PRO
十二月 '25
+208
在7个频道中
Get PRO
十一月 '25
+486
在46个频道中
Get PRO
十月 '25
+117
在22个频道中
Get PRO
九月 '25
+3 917
在181个频道中
Get PRO
八月 '25
+924
在18个频道中
Get PRO
七月 '25
+1 812
在85个频道中
Get PRO
六月 '25
+1 488
在93个频道中
Get PRO
五月 '25
+249
在7个频道中
Get PRO
四月 '25
+417
在31个频道中
Get PRO
三月 '25
+287
在14个频道中
Get PRO
二月 '25
+527
在45个频道中
Get PRO
一月 '25
+2 105
在56个频道中
Get PRO
十二月 '24
+1 168
在70个频道中
Get PRO
十一月 '24
+3 786
在192个频道中
Get PRO
十月 '24
+5 728
在78个频道中
Get PRO
九月 '24
+2 068
在207个频道中
Get PRO
八月 '24
+1 164
在43个频道中
Get PRO
七月 '24
+1 632
在53个频道中
Get PRO
六月 '24
+1 751
在58个频道中
Get PRO
五月 '24
+1 467
在39个频道中
Get PRO
四月 '24
+1 067
在47个频道中
Get PRO
三月 '24
+1 190
在28个频道中
Get PRO
二月 '24
+1 611
在8个频道中
Get PRO
一月 '24
+1 605
在49个频道中
Get PRO
十二月 '23
+802
在46个频道中
Get PRO
十一月 '23
+4 375
在51个频道中
Get PRO
十月 '23
+1 184
在6个频道中
Get PRO
九月 '23
+1 766
在0个频道中
Get PRO
八月 '23
+2 630
在1个频道中
Get PRO
七月 '23
+1 617
在0个频道中
Get PRO
六月 '23
+1 711
在0个频道中
Get PRO
五月 '23
+988
在0个频道中
Get PRO
四月 '23
+455
在0个频道中
Get PRO
三月 '23
+779
在0个频道中
Get PRO
二月 '23
+692
在0个频道中
Get PRO
一月 '23
+603
在0个频道中
Get PRO
十二月 '22
+555
在0个频道中
Get PRO
十一月 '22
+610
在0个频道中
Get PRO
十月 '22
+606
在0个频道中
Get PRO
九月 '22
+704
在0个频道中
Get PRO
八月 '22
+607
在0个频道中
Get PRO
七月 '22
+618
在0个频道中
Get PRO
六月 '22
+670
在0个频道中
Get PRO
五月 '22
+909
在0个频道中
Get PRO
四月 '22
+941
在0个频道中
Get PRO
三月 '22
+1 284
在0个频道中
Get PRO
二月 '22
+1 131
在0个频道中
Get PRO
一月 '22
+680
在0个频道中
Get PRO
十二月 '21
+589
在0个频道中
Get PRO
十一月 '21
+594
在0个频道中
Get PRO
十月 '21
+590
在0个频道中
Get PRO
九月 '21
+565
在0个频道中
Get PRO
八月 '21
+603
在0个频道中
Get PRO
七月 '21
+640
在0个频道中
Get PRO
六月 '21
+604
在0个频道中
Get PRO
五月 '21
+557
在0个频道中
Get PRO
四月 '21
+993
在0个频道中
Get PRO
三月 '21
+545
在0个频道中
Get PRO
二月 '21
+668
在0个频道中
Get PRO
一月 '21
+826
在0个频道中
Get PRO
十二月 '20
+11 844
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 24 六月 | +1 | |||
| 23 六月 | +2 | |||
| 22 六月 | +2 | |||
| 21 六月 | +1 | |||
| 20 六月 | 0 | |||
| 19 六月 | +1 | |||
| 18 六月 | +3 | |||
| 17 六月 | +6 | |||
| 16 六月 | +6 | |||
| 15 六月 | +2 | |||
| 14 六月 | +1 | |||
| 13 六月 | +4 | |||
| 12 六月 | 0 | |||
| 11 六月 | +3 | |||
| 10 六月 | +2 | |||
| 09 六月 | 0 | |||
| 08 六月 | 0 | |||
| 07 六月 | +5 | |||
| 06 六月 | 0 | |||
| 05 六月 | +5 | |||
| 04 六月 | 0 | |||
| 03 六月 | +1 | |||
| 02 六月 | +7 | |||
| 01 六月 | +2 |
频道帖子
| 2 | Скажи мне 5 главных слов: на GitVerse появилось зеркало PyPI! 😎
Все нужные Python‑пакеты живут на российской платформе для разработчиков GitVerse — вы не потеряете доступ к ним, даже если основной PyPI решит «повиснуть».
А ещё такое зеркало — плюс к скорости: меньше сетевых прыжков — быстрее загрузка.
Ставьте его как основной источник или держите как резерв. Тут рассказали, как подключить зеркало! | 1 476 |
| 3 | Следом Baidu выпустила Unlimited OCR - модель для распознавания длинных документов за один проход.
У модели 3B параметров, но активируются только 500M. При этом она показывает новые SOTA-результаты на OmniDocBench v1.5 и v1.6.
Главная фишка - Reference Sliding Window Attention.
Модель держит в фокусе:
• исходный документ
• недавний контекст
• следующие слова
А всё лишнее постепенно «забывает», чтобы не раздувать вычисления.
За счёт постоянного размера KV Cache и более дешёвого attention Unlimited OCR может распознавать 40+ страниц за один forward pass, не теряя контекст и не замедляясь.
GitHub: https://github.com/baidu/Unlimited-OCR
Hugging Face: https://huggingface.co/baidu/Unlimited-OCR
@ai_machinelearning_big_data | 1 765 |
| 4 | 🔍Тестовое собеседование на Middle Python с разработчиком из Авито завтра вечером
Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика.
Как это будет:
📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу
📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью
📂 В конце можно будет задать любой вопрос Дане
Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы.
Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot
Реклама.
О рекламодателе. | 1 770 |
| 5 |  Python Tip: pickle — быстрый способ сохранить Python-объекты в файл.
pickle умеет сериализовать почти любые Python-структуры: словари, списки, кортежи, set, числа, строки и даже более сложные объекты.
Пример:
import pickle
data = {
"name": "Alice",
"scores": [10, 20, 30],
"active": True
}
with open("data.pickle", "wb") as f:
pickle.dump(data, f)
with open("data.pickle", "rb") as f:
loaded_data = pickle.load(f)
print(loaded_data)
Главный нюанс: pickle небезопасен.
Никогда не загружайте `.pickle`-файлы из неизвестных источников, потому что при чтении они могут выполнить вредоносный код.
Используйте pickle только для внутренних данных, которым доверяете. | 1 900 |
| 6 | Pew Research опубликовали свежий отчёт «Americans and AI 2026».
Только 16% американцев теперь ожидают, что ИИ принесёт пользу обществу в следующие 20 лет, а 40% считают, что ИИ навредит обществу за тот же период.
24% американцев используют чат-боты ежедневно: 12% - несколько раз в день, 4%, почти постоянно.
51% взрослых жителей США всё ещё вообще не пользуются ИИ-чат-ботами.
42% используют чат-боты для поиска информации, и это делает поиск главным сценарием применения.
38% работающих взрослых используют чат-боты для рабочих задач.
10% используют их для эмоциональной поддержки или советов, а 4% - для общения и чувства компании.
ChatGPT доминирует по уровню использования: 44% взрослых американцев сообщили, что пользовались им.
Дальше идут Gemini - 24%, Copilot — 17%, Meta AI — 14%, Grok — 8%, Claude — 6% и Character.ai — 3%.
Взрослые младше 50 лет примерно в два раза чаще пользуются ChatGPT, чем люди старшего возраста: 57% против 28%.
30% говорят, что чат-боты помогают им с продуктивностью, и только 5% считают, что они ей вредят.
28% говорят, что чат-боты помогают им оставаться в курсе событий, и только 5% считают, что они мешают этому.
60% взрослых жителей США читают ИИ-сводки в поиске. Это значит, что ИИ уже влияет на потребление информации даже у тех, кто может активно не пользоваться чат-ботами.
https://www.pewresearch.org/internet/2026/06/17/americans-and-ai-2026-chatbots-smart-devices-and-views-on-impact/ | 2 134 |
| 7 |  +6🏆 Итоги Первого Кубка нейроконтента в МосХаб.Сколково
Вчера наше пространство превратилось в настоящую нейролабораторию. 150 дизайнеров, разработчиков, сценаристов и AI-специалистов собрались, чтобы за несколько часов создать вертикальные ролики с помощью нейросетей.
Участники работали по четырём социально значимым кейсам: «Москва 2040: технологии для людей», «Технологическое будущее: страна инженеров», «Код жизни: медицина будущего» и «Москва — город заботы».
Главный кубок второй год подряд завоевала команда «Кролики».
Генеральный директор платформы «Россия — страна возможностей» Андрей Бетин отметил: «Из 1300 заявок в финал вышли сильнейшие. Это подтверждает высокий уровень подготовки участников и их творческий потенциал».
Кубок нейроконтента подтвердил: нейросети усиливают замысел человека, но не заменяют его. Настоящий прорыв — в тандеме живого творчества и цифровых технологий. МосХаб.Сколково — та самая точка, где такие проекты становятся реальностью.
Фото с мероприятия — в альбоме
Подписывайтесь: Telegram | МАКС | ВКонтакте | 2 191 |
| 8 | ⚡️ 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/ | 2 681 |
| 9 |  OpenMythos - open-source попытка теоретически реконструировать Claude Mythos, где все архитектурные ставки расписаны прямо в README.
По сути, OpenMythos это публичная гипотеза, которая ещё и запускается.
Что авторы считают основой Mythos?
Не глубокий стек уникальных слоёв, а Recurrent-Depth Transformer.
MoE с активацией около 5% параметров, поэтому общий размер модели скорее показывает объём хранения, а не реальную стоимость вычислений.
Loop-index positional embedding, чтобы каждая итерация работала как отдельная вычислительная фаза.
ACT halting, чтобы модель сама решала, когда ей достаточно “думать”, причём отдельно для каждого токена.
И ещё continuous latent thoughts, которые могут кодировать сразу несколько следующих шагов. По смыслу это похоже на breadth-first search внутри одного forward pass.
Источники идей тоже понятны: Parcae для стабильности, Universal Transformers для halting, DeepSeek для MoE routing.
GitHub:
http://github.com/kyegomez/OpenMythos | 3 474 |
| 10 | 🖥 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/ | 3 344 |
| 11 | 🐍 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 | 3 610 |
| 12 | GLM-5.2 теперь можно запускать локально.
2-битная версия сохраняет около 82% точности после сжатия модели с 1,51 ТБ до 238 ГБ, то есть размер уменьшили на 84%.
Запуск возможен на Mac с 256 ГБ памяти или на системах с достаточным объёмом RAM/VRAM.
GLM-5.2 называют самой сильной открытой моделью на данный момент.
Гайд: https://unsloth.ai/docs/models/glm-5.2
GGUF: https://huggingface.co/unsloth/GLM-5.2-GGUF | 3 843 |
| 13 |  Python иногда может 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. | 3 533 |
| 14 | 💻Инженерный университет нового типа НЕЙМАРК открыл приёмную кампанию — и вот почему это интересно.
Здесь ушли от скучной теории и учат системному мышлению и работе с ИИ — метанавыкам, которые позволяют не конкурировать с нейросетями, а создавать и масштабировать работающие продукты!
Что дает университет:
- два диплома сразу благодаря совместным программам с НИУ ВШЭ, ННГУ и другими ведущими вузами
- актуальная база в кибербезопасности, робототехнике, ИИ или телекоме
- индивидуальная траектория с ментором и реальные кейсы в портфолио с первого курса.
⚡️Приёмная кампания на 2026 год уже открыта. Собственные ИТ-проекты, личные достижения и олимпиады дают преимущество и возможность учиться по гранту.
Выбирай направление и подавай заявку по ссылке: neimark-it.ru | 3 226 |
| 15 |  Zero training needed, Image-to-LoRA(i2L) V2 уже вышел 🚀
Обновлённая версия i2L стала заметно мощнее: теперь она может превратить одно или несколько референсных изображений в style LoRA за один прямой проход, без отдельного обучения для кастомизации визуального стиля.
🌟 Что нового в V2:
* Совместимость: работает с разными базовыми моделями, включая Z-Image, Klein-4B и Hidream-O1.
* Скорость: прямое предсказание весов style LoRA без обучения.
* Точность стиля: высокая верность переноса стиля без утечки семантики.
* Контроль: явные веса открывают asymmetric CFG, смешивание стилей из нескольких референсов и управляемую генерацию.
* Архитектура: image encoder, обучаемые LoRA queries и compressed decoding heads, которые генерируют адаптированные матрицы.
🤖 Коллекция моделей: https://modelscope.ai/collections/DiffSynth-Studio/Image-to-LoRA-V2
🎠 Studio: https://modelscope.ai/studios/DiffSynth-Studio/Z-Image-i2L-V2
📄 Paper: https://modelscope.ai/papers/2606.13809 | 3 582 |
| 16 |  SQLModel использует аннотации типов Python, чтобы объединить Pydantic и SQLAlchemy и уменьшить дублирование кода при работе с SQL-базами.
* одна аннотация типа заменяет отдельные модели Pydantic и SQLAlchemy
* хорошо совместим с FastAPI, Pydantic и SQLAlchemy
* внутри работает на базе Pydantic и SQLAlchemy
* разумные настройки по умолчанию уменьшают количество шаблонного кода
https://github.com/fastapi/sqlmodel | 3 970 |
| 17 |  🔍 Обнаружение уязвимостей с помощью Audit
Audit — это агент для поиска уязвимостей, использующий 8-ступенчатую методологию, основанную на взаимодействии узких агентов и принципе "умышленного несогласия". Он интегрируется с Claude Pro и предлагает структурированные отчеты о безопасности.
🚀 Основные моменты:
- Многопоточность: узкие агенты работают параллельно для поиска уязвимостей.
- Умышленное несогласие: второй агент проверяет выводы первого.
- Отслеживание доступности: подтверждает, что уязвимости могут быть достигнуты злоумышленником.
- Обратная связь: находит новые задачи на основе обнаруженных уязвимостей.
📌 GitHub: https://github.com/evilsocket/audit
#python | 4 648 |
| 18 |  TerminalTextEffects - это Python-библиотека без внешних зависимостей для добавления анимированного текста прямо в терминал.
Что умеет:
- работает прямо в текущем терминале и не ломает привычный workflow
- поддерживает Xterm 256 и RGB HEX-цвета
- умеет сложное движение символов через кривые Безье и плавное ускорение
- эффекты можно настраивать через типизированный config dataclass
- CLI-аргументы генерируются автоматически из конфигурации
https://github.com/ChrisBuilds/terminaltexteffects | 4 934 |
| 19 | Nex-N2 - новое любопытное семейство агентных моделей.
Что внутри:
- Adaptive Thinking - модель сама подбирает глубину рассуждения на каждом шаге
- экономия около 20% токенов без потери качества
- Coherent Thinking - единый формат мышления для поиска, кодинга и tool use
- меньше хрупких переключений между разными режимами работы
По заявлению команды, Nex-N2 показывает уровень Tier-1 open-source моделей на SWE-bench, Terminal-Bench, GDPval и других бенчмарках, приближаясь к GPT-5.5 и Opus 4.7.
Звучит мощно, но такие цифры стоит проверять независимыми прогонами.
- Kimi-K2.6: 86% - 13 из 14
- MiniMax: 100% - 8 из 8
- GLM-5.1: 100% - 13 из 13
- DeepSeek-V4-Pro: 92% - 11 из 12
- Opus 4.7: 45% - 5 из 11
- GPT-5.5: 30% - 3 из 10
🎉 Open-weight. Try it now.
🔗 https://nex-agi.com
📦 https://huggingface.co/nex-agi/Nex-N2-Pro
https://modelscope.cn/models/nex-agi/Nex-N2-Pro
https://github.com/nex-agi/Nex-N2 | 5 758 |
| 20 | 🚀 GPU-библиотека для классического машинного обучения
FlashLib предлагает высокопроизводительные реализации операторов машинного обучения, таких как kmeans, PCA и DBSCAN, с использованием Triton и CuteDSL. Библиотека позволяет эффективно обрабатывать данные на GPU, обеспечивая простоту использования и высокую скорость выполнения.
🚀Основные моменты:
- Поддержка 15 высокоуровневых примитивов для машинного обучения.
- Информативный API для оценки производительности операций.
- Оптимизированные реализации для кластеризации, регрессии и декомпозиции.
- Легкая интеграция с PyTorch и sklearn.
📌 GitHub: https://github.com/FlashML-org/flashlib
#python | 5 398 |
