Python/ django

🔥 Вышла модель Qwen-Image-Layered-Control-V2 Новая версия инструмента для извлечения слоёв из изображений с управлением через кисть. Модель построена поверх оригинальной Qwen-Image-Layered-Control и позволяет точнее выделять элементы на иллюстрациях и постерах. Теперь можно управлять слоями прямо на изображении: Красная кисть показывает какой слой нужно извлечь. Зелёная кисть отмечает что нужно удалить. Если области пересекаются, они отображаются жёлтым. Также продолжает работать текстовое управление: prompt — описывает, что нужно извлечь. negative_prompt — что нужно исключить. Кисти и текст можно свободно комбинировать, что даёт больше контроля при работе со слоями. Рекомендуемые настройки: около 10 шагов инференса. Если используется управление кистью, можно поставить cfg_scale=1, чтобы значительно ускорить генерацию. Лучше всего модель работает с постерами и иллюстрациями, где объекты изначально разделены на слои. Для фотографий с тенями и сложным освещением она не предназначена. Модель обучена на датасете PrismLayersPro и распространяется как LoRA, которая загружается поверх базовой версии V1. 🟢Model: https://modelscope.ai/models/DiffSynth-Studio/Qwen-Image-Layered-Control-V2 🟢Dataset: https://modelscope.cn/datasets/artplus/PrismLayersPro 🟢GitHub: https://github.com/modelscope/DiffSynth-Studio @pythonl

OpenAI объявила о начале развёртывания новых моделей GPT-5.4 Thinking и GPT-5.4 Pro в ChatGPT. Также GPT-5.4 стала доступна разработчикам через API и в Codex. Новая версия объединяет несколько ключевых направлений развития моделей: улучшенное логическое рассуждение, более сильные возможности программирования и поддержку агентных сценариев работы. Самое интересное: • GPT-5.4 лидер в agentic tasks • заметный скачок в математике • очень сильный результат в научных задачах (GPQA) • улучшена работа с веб-средой и инструментами Фактически это модель, которую явно оптимизировали под агентов, инструменты и сложное reasoning, а не просто чат. По словам компании, GPT-5.4 стала одной из самых точных и эффективных моделей. Она требует меньше токенов для выполнения задач и работает быстрее по сравнению с предыдущими версиями. В версии ChatGPT модель GPT-5.4 Thinking получила улучшенный режим размышления: при более длительном анализе она лучше удерживает контекст и способна проводить более глубокие исследования в интернете. Появилась и новая функция управления процессом ответа. Теперь пользователь может прервать генерацию в середине ответа и изменить направление работы модели, добавив новые инструкции. Функция управления ответом уже начинает появляться в веб-версии ChatGPT и на Android. Поддержка iOS ожидается немного позже. https://x.com/openai/status/2029620624923189283?s=46 @ai_machinelearning_big_data

⚡️ Языки программирования и их for-циклы Ты когда-нибудь замечал, что почти все языки программирования выглядят по-разному, но внутри делают одно и то же? Самый простой пример — обычный цикл. В Python он читается почти как английский. В C, Java и Go он выглядит как строгая формула. В Rust и Kotlin больше похож на математическую запись. А в Assembly это вообще набор инструкций для процессора. Но смысл всегда один и тот же. Мы просто говорим компьютеру: повтори действие N раз. • 🐍 Python - for i in range(n): • ☕ Java - for(int i=0;i<n;i++){} • ⚡ C - for(int i=0;i<n;i++){} • 🛠️ C++ - for(int i=0;i<n;i++){} • 🌐 JavaScript - for(let i=0;i<n;i++){} • 🛠️ C# - for(int i=0;i<n;i++){} • 🐹 Go - for i:=0;i<n;i++{} • 🦀 Rust - for i in 0..n {} • 🐘 PHP - for($i=0;$i<$n;$i++){} • 💎 Ruby - for i in 0...n do end • 🐪 Kotlin - for(i in 0 until n){} • 🍎 Swift - for i in 0..<n {} • 🔷 TypeScript - for(let i=0;i<n;i++){} • 🧮 R - for(i in 1:n){} • 🐚 Bash - for ((i=0;i<n;i++)); do :; done • 🧱 Dart - for(int i=0;i<n;i++){} • 🎯 Scala - for(i <- 0 until n){} • 🐼 Groovy - for(int i=0;i<n;i++){} • 🧠 Julia - for i in 1:n end • 🔧 Assembly (x86 Linux) - mov ecx,n ; loop: dec ecx ; jnz loop • Один цикл — десятки языков

🔧 Инструмент для тестирования безопасности на Raspberry Pi RaspyJack — это портативный инструмент для авторизованного тестирования безопасности с интерфейсом на LCD, веб-интерфейсом и интегрированной IDE для создания полезных нагрузок. Подходит для исследований и образовательных целей. 🚀 Основные моменты: - LCD-интерфейс для управления - Категории полезных нагрузок (разведка, перехват и др.) - Веб-интерфейс для удаленного управления - Интеграция инструментов DNS-спуфинга и WiFi-атак 📌 GitHub: https://github.com/7h30th3r0n3/Raspyjack @pythonl

erid: 2W5zFH4RZRb Градиентный спуск — это фундамент, на котором держится почти всё машинное обучение (machine learning) и глубокое обучение (deep learning). Как только модель не сходится, уходит в осцилляции или застревает — без понимания механики вы остаетесь без инструментов. 12 марта в 20:00 МСК на открытом уроке мы разберём, как модель на самом деле движется по многомерному ландшафту ошибок, почему путь к минимуму редко бывает прямым и какую роль играет шаг обучения. 🚀 Вы поймёте, как выбирать коэффициент скорости обучения (learning rate), чем отличаются классический, стохастический и продвинутые варианты градиентного спуска, как диагностировать сходимость и отличать реальное обучение от блуждания. Все ключевые идеи будут показаны на наглядных примерах на языке программирования Питон (Python) — без абстракций и чёрных ящиков. ➡️ Встречаемся в рамках курса «Machine Learning». Регистрация: https://otus.pw/m7LW/ Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🌟 Создайте свой пиксельный офис с Star Office UI Star Office UI — это интерактивная панель для многопользовательского сотрудничества, визуализирующая статус ваших AI помощников в реальном времени. Вы можете видеть, кто чем занят, что было сделано вчера и кто сейчас онлайн. 🚀 Основные моменты: - Визуализация статусов AI: idle, writing, syncing и др. - "Вчерашние заметки" для краткого обзора выполненной работы. - Поддержка приглашения других участников в офис. - Адаптивный интерфейс для мобильных устройств. - Гибкие варианты публичного доступа. 📌 GitHub: https://github.com/ringhyacinth/Star-Office-UI #python @pythonl

Python: синтаксис тебя не убьёт. Зато логика - без предупреждения.

🎥🚀 MOVA: Инновационная генерация видео и аудио MOVA — это открытая модель, которая синхронно генерирует видео и аудио, устраняя проблемы каскадных пайплайнов. Она обеспечивает высокое качество и точную синхронизацию губ и звуковых эффектов, предлагая пользователям мощный инструмент для создания контента. 🚀Основные моменты: - Бимодальная генерация: видео и аудио создаются одновременно. - Высокая точность синхронизации губ и звуковых эффектов. - Полностью открытый исходный код и доступные веса модели. - Архитектура с асимметричными двойными башнями для лучшего взаимодействия модальностей. 📌 GitHub: https://github.com/OpenMOSS/MOVA #python

⚡️ Как изучать любой GitHub-репозиторий за 5 минут с DeepWiki Если ты открываешь чужой репозиторий и не понимаешь, с чего начать - не читай файлы вручную. Спроси код. DeepWiki автоматически строит AI-wiki для любого проекта и позволяет задавать вопросы прямо к исходникам. Как использовать: 1. Открой нужный репозиторий на GitHub 2. Замени в адресе: github.com → deepwiki.com 3. Задай вопросы: - Как устроена архитектура? - С чего начинается запуск? - Где реализована основная логика? - Как работает конкретная функция? Почему это работает: - Документация может быть устаревшей - README часто поверхностный - Код — единственный источник истины DeepWiki анализирует структуру проекта и объясняет её простым языком. Когда особенно полезно: - Быстрый онбординг в новый проект - Подготовка к собеседованию - Разбор open-source - Понимание сложных библиотек - Работа AI-агентов с кодом Главная мысль: Не читай сотни файлов — задавай вопросы репозиторию. Пример GitHub https://github.com/karpathy/nanochat // DeepWiki https://deepwiki.com/karpathy/nanochat Примеры вопросов: - How does training work? - Where is the main entry point? - How is inference implemented? - What are the key modules?

В Python 3.14 появилось решение, которое помогает избавиться от SQL-инъекций - t-strings 🔒 Проблема Когда вы используете f-strings для SQL:

query = f"SELECT * FROM users WHERE name = '{user_input}'"

пользовательский ввод напрямую попадает в запрос. Если злоумышленник передаст:

admin'; DROP TABLE users; --

— база выполнит вредоносную команду. Это классическая SQL injection. Почему это неудобно сейчас Безопасный способ — параметризованные запросы:

cursor.execute(
    "SELECT * FROM users WHERE name = %s",
    (user_input,)
)

Но приходится: • запускать шаблон отдельно • передавать значения отдельно • поддерживать две структуры Что изменилось в Python 3.14 Появились template string literals (t-strings). В отличие от f-strings, они: • не возвращают готовую строку • возвращают объект Template • отдельно хранят текст и подставленные значения Пример:

query = t"SELECT * FROM users WHERE name = {user_input}"

Теперь можно: • получить все интерполяции • проверить значения • экранировать или валидировать их • и только потом собрать финальный SQL

safe = safe_sql(query)

Результат: • вредоносный ввод очищается • SQL-инъекции блокируются • таблицы остаются на месте Почему это важно f-strings - быстрые, но опасные для SQL. t-strings позволяют сохранить удобство шаблонов и добавить контроль безопасности. Python движется к безопасным шаблонам по умолчанию, меньше ручной защиты, меньше уязвимостей в продакшене. 📲Max @pythonl

🖥 Регулярные выражения для извлечения ссылок из HTML с помощью Python Сохрани себе: извлечение всех ссылок со страницы с помощью регулярных выражений - это быстро и просто. Вот пример кода, который поможет тебе в этом.

import re
import requests
def extract_links(url):
    response = requests.get(url)
    html_content = response.text
    links = re.findall(r'href=["\']?(https?://[^"\'>]+)', html_content)
    return links
url = 'https://example.com'
all_links = extract_links(url)
print(all_links)

Ваш домен может стоить один рубль Переносите и продлевайте домены в Selectel и платите за это всего по одному рублю. Бонусом получите бесплатный DNS-хостинг и SSL-сертификаты, а еще возможность развернуть полноценную IT-инфраструктуру проекта в одном окне браузера. Успейте перенести и продлить домены в Selectel по рублю до 30.06 → Реклама. АО "Селектел". erid:2W5zFJqGwih

🎥 Генерация видео с FireRed-OpenStoryline FireRed-OpenStoryline упрощает создание видео, превращая его в интуитивный процесс общения. Система автоматически генерирует сценарии, подбирает музыку и шрифты, а также позволяет редактировать видео с помощью естественных языковых команд. 🚀 Основные моменты: - 🌐 Умный поиск и организация медиа - ✍️ Интеллектуальная генерация сценариев - 🎵 Рекомендации по музыке и озвучке - 💬 Редактирование через разговорные команды - ⚡ Архивирование навыков редактирования 📌 GitHub: https://github.com/FireRedTeam/FireRed-OpenStoryline @pythonl

🚀 Погружение в алгоритмы AI без магии no-magic — это коллекция однофайловых, независимых реализаций алгоритмов, которые лежат в основе современных ИИ. Каждый скрипт является самодостаточной программой, обучающей модель с нуля и выполняющей предсказания, без использования сложных библиотек. 🚀 Основные моменты: - Один файл — один алгоритм, без внешних зависимостей. - Полное обучение и предсказание в каждом скрипте. - Читаемый код с обязательными комментариями для понимания. - Работает на обычном CPU за разумное время. 📌 GitHub: https://github.com/Mathews-Tom/no-magic #python

🖥 Большинство “парсеров” умирают через 2 дня. Ты научишься делать те, которые живут в проде. Это не про BeautifulSoup ради галочки. Это про системы сбора данных, которые: • не падают от мелких правок на сайте • собирают данные в разы быстрее • обновляют всё сами по расписанию • обходят ограничения и баны • выглядят как сервис, а не хаос из файлов Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключиться. В итоге ты сможешь: • забирать данные для своих проектов • автоматизировать чужую рутину • делать инструменты для аналитики • брать коммерческие заказы на сбор данных Это навык, который напрямую превращается в деньги. Не “знаю Python”, а умею добывать данные из интернета профессионально. 🎁 48 часов скидка 50% на Stepik: https://stepik.org/a/269942/

✔️ Scrapling v0.4 - веб-скрапинг на Python без боли и переписывания кода Вышел Scrapling 0.4 - адаптивный Python-фреймворк для парсинга, который работает от одного запроса до полноценных масштабных краулеров. Главная проблема скрапинга знакома всем: сайт обновился - селекторы сломались - всё перестало работать. Scrapling решает это по-умному. Парсер учится на изменениях страницы и автоматически находит нужные элементы, даже если структура сайта изменилась. Что внутри: - обход современных антибот-систем (включая Cloudflare Turnstile) из коробки - встроенный spider для параллельных многосессионных обходов - pause/resume для долгих краулов - автоматическая ротация прокси - запуск масштабного парсинга в несколько строк Python Плюс: - высокая скорость - статистика в реальном времени - потоковая обработка данных Фактически это уровень Scrapy + антибот + адаптивный парсер, но с гораздо более простым стартом. Инструмент сделан скраперами для скраперов - и подойдёт как для быстрых задач, так и для production-краулеров. https://github.com/D4Vinci/Scrapling @pythonl

Python-баг, который выглядит безобидно… но ломает логику 👇

fruits = ["apple", "lime", "orange",
          "pineapple", "orange"]

for f in fruits:
    if f == "orange":
        fruits.remove(f)

print(fruits)

Ожидание: оба orange удалятся. Реальность: один orange остаётся. Почему так происходит? Ты изменяешь список во время итерации. После удаления элементы сдвигаются, и цикл пропускает следующий элемент. Это классический сценарий продакшн-багов: • код выглядит правильно • тесты могут пройти • но данные обрабатываются неправильно Правильный вариант:

fruits = [f for f in fruits if f != "orange"]

Мораль: Изменяешь коллекцию во время обхода -Deploy first. Pray later. #junior #python @pythonl

🚀 REAL-TIME СЕРВЕРЫ БЕЗ ЛИШНЕЙ СЛОЖНОСТИ Если нужно быстро запускать веб-приложения с высокой производительностью и минимальной задержкой - посмотрите на WebRockets. WebRockets — это лёгкий и быстрый фреймворк для создания веб-приложений и API с акцентом на скорость, простоту и минимальный overhead. Он подойдёт для проектов, где важны real-time взаимодействие и высокая нагрузка. Когда полезно: - Real-time приложения (чаты, уведомления, стриминг данных) - Высоконагруженные API - Dashboards и live-аналитика - Backend для игр или trading-систем - Любые сервисы, где важна низкая задержка Что умеет: - Работа через WebSocket для постоянного соединения - Минимальная задержка и высокая пропускная способность - Простая настройка и запуск - Подходит для real-time архитектур - Лёгкая интеграция в существующие backend-системы Главная идея: Обычный HTTP работает по принципу «запрос-ответ». WebSocket держит постоянное соединение, позволяя серверу отправлять данные мгновенно без новых запросов — это основа современных real-time сервисов.

# Клонируем репозиторий
git clone https://github.com/ploMP4/webrockets.git
cd webrockets

# Установка зависимостей (если используется Node.js)
npm install

# Запуск сервера
npm start

# Пример простого WebSocket-сервера
const WebSocket = require("ws");

const wss = new WebSocket.Server({ port: 3000 });

wss.on("connection", (ws) => {
    console.log("Client connected");

    ws.send("Welcome!");

    ws.on("message", (message) => {
        console.log("Received:", message.toString());
        ws.send(`Echo: ${message}`);
    });
});

console.log("WebSocket server running on port 3000");

https://github.com/ploMP4/webrockets @pythonl

💸 AI, который должен зарабатывать… или обанкротится Исследователи представили ClawWork - систему, где модель работает в условиях реальной экономики. Стартовые условия: - баланс: $10 - каждая генерация = реальные расходы на токены - никакого безлимита - не заработал - банкрот Как это работает: → AI получает реальные профессиональные задачи (финансы, медицина, юриспруденция, аналитика) → Сам создаёт полноценные результаты с нуля → Качество оценивается GPT-5.2 по профессиональным критериям → Оплата рассчитывается по формуле: качество × оценка часов × средняя зарплата (BLS) → Каждый API-запрос уменьшает баланс Результаты: - $10K заработано за 7 часов - 0 участия человека - 220 задач - 44 профессии - лучшие модели - $1500+ в час (эквивалент) Это уже не просто бенчмарк. Это экономический тест на выживание. Модель должна принимать решения: - быстро выполнять задачи ради кэша - или тратить ресурсы на обучение, чтобы зарабатывать больше позже Дополнительно: AI может работать как живой сотрудник в Telegram, Slack, Discord и WhatsApp — и каждое сообщение стоит реальных денег. Проект полностью open-source (MIT). Следующий этап оценки AI - не тесты и бенчмарки. А способность приносить деньги в реальной экономике. https://github.com/HKUDS/ClawWork @pythonl

⚡️ LavaSR - улучшение речи в 4000× быстрее реального времени В open-source выложили LavaSR - модель для улучшения качества речи, которая работает с экстремальной скоростью. Что умеет модель: - Скорость — до 4000× realtime (обрабатывает часы аудио за секунды) - Универсальность — поддержка любого аудио от 8 kHz до 48 kHz - Размер — всего ~50 МБ, можно запускать практически везде - Качество — сопоставимо с более крупными моделями Где это может пригодиться - очистка шума в записях - улучшение качества звонков - подготовка аудио для ASR / speech-to-text - подкасты, стримы, voice-боты - обработка аудио на edge-устройствах Лёгкая модель + высокая скорость = удобно для реальных production-задач. Репозиторий: https://github.com/ysharma3501/LavaSR 📲Max @pythonl