ch
Feedback

不要被骗子欺骗!Telemetrio 会找到并标记这些频道 👉 如果想查看标记,请订阅

Python/ django

Python/ django

前往频道在 Telegram

📈 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 58 158 名订阅者,在 技术与应用 类别中位列第 2 277,并在 俄罗斯 地区排名第 10 385 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 58 158 名订阅者。

根据 15 十一月, 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 -353,过去 24 小时变化为 -9,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 6.92%。内容发布后 24 小时内通常能获得 3.37% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 4 023 次浏览,首日通常累积 1 961 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 22。
  • 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 @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fm...”

凭借高频更新(最新数据采集于 16 十一月, 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。

58 158
订阅者
-924 小时
-1657 天
-35330 天
吸引订阅者
11月 '26
十一月 '26
+35
在0个频道中
十月 '26
+282
在38个频道中
Get PRO
九月 '26
+149
在31个频道中
Get PRO
八月 '26
+336
在41个频道中
Get PRO
七月 '26
+178
在43个频道中
Get PRO
六月 '26
+66
在1个频道中
Get PRO
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26个频道中
Get PRO
二月 '26
+363
在52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47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
15 十一月+1
14 十一月+5
13 十一月+2
12 十一月+2
11 十一月+1
10 十一月+3
09 十一月0
08 十一月+3
07 十一月+4
06 十一月+3
05 十一月+2
04 十一月+5
03 十一月0
02 十一月+4
01 十一月0
频道帖子
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

2
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/
2 423
3
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
2 737
4
🌟 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
2 424
5
🔥️️️️ 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/
2 507
6
🖥️ 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
2 891
7
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
3 017
8
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
2 939
9
🖥️ 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/
3 141
10
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
2 875
11
🔥 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
3 424
12
没有文字...
3 785
13
🏎 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
4 660
14
👾 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
4 791
15
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.
4 788
16
🐍 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
4 663
17
🖥️ 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/
3 551
18
⚡ 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/
4 292
19
🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров Xiaomi-OCR-0 объединяет распознавание текс
🔎 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
4 244
20
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/
4 134