现已上线！2025 年 Telegram 研究 — 年度关键洞察 
Python RU
前往频道在 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
显示更多📈 Telegram 频道 Python RU 的分析概览
频道 Python RU (@pro_python_code) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 12 488 名订阅者，在 技术与应用 类别中位列第 10 158，并在 俄罗斯 地区排名第 52 801 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 12 488 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 -49，过去 24 小时变化为 0，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 7.85%。内容发布后 24 小时内通常能获得 2.86% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 980 次浏览，首日通常累积 357 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 4。
- 主题关注点： 内容集中在 api, docker, github, sql, linux 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：
“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”
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。
12 488
订阅者
无数据24 小时
-47 天
-4930 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
+28
在0个频道中
五月 '26
+27
在0个频道中
Get PRO
四月 '26
+18
在0个频道中
Get PRO
三月 '26
+32
在1个频道中
Get PRO
二月 '26
+32
在0个频道中
Get PRO
一月 '26
+38
在1个频道中
Get PRO
十二月 '25
+38
在0个频道中
Get PRO
十一月 '25
+89
在0个频道中
Get PRO
十月 '25
+57
在0个频道中
Get PRO
九月 '25
+79
在1个频道中
Get PRO
八月 '25
+66
在1个频道中
Get PRO
七月 '25
+288
在3个频道中
Get PRO
六月 '25
+86
在1个频道中
Get PRO
五月 '25
+68
在0个频道中
Get PRO
四月 '25
+165
在0个频道中
Get PRO
三月 '25
+85
在2个频道中
Get PRO
二月 '25
+142
在0个频道中
Get PRO
一月 '25
+172
在0个频道中
Get PRO
十二月 '24
+310
在4个频道中
Get PRO
十一月 '24
+190
在0个频道中
Get PRO
十月 '24
+367
在2个频道中
Get PRO
九月 '24
+348
在3个频道中
Get PRO
八月 '24
+477
在2个频道中
Get PRO
七月 '24
+305
在2个频道中
Get PRO
六月 '24
+296
在10个频道中
Get PRO
五月 '24
+388
在36个频道中
Get PRO
四月 '24
+430
在43个频道中
Get PRO
三月 '24
+511
在20个频道中
Get PRO
二月 '24
+632
在3个频道中
Get PRO
一月 '24
+549
在44个频道中
Get PRO
十二月 '23
+543
在40个频道中
Get PRO
十一月 '23
+205
在2个频道中
Get PRO
十月 '23
+174
在6个频道中
Get PRO
九月 '23
+438
在0个频道中
Get PRO
八月 '23
+540
在0个频道中
Get PRO
七月 '23
+362
在0个频道中
Get PRO
六月 '23
+748
在0个频道中
Get PRO
五月 '23
+350
在0个频道中
Get PRO
四月 '23
+148
在0个频道中
Get PRO
三月 '23
+210
在0个频道中
Get PRO
二月 '23
+356
在0个频道中
Get PRO
一月 '23
+187
在0个频道中
Get PRO
十二月 '22
+117
在0个频道中
Get PRO
十一月 '22
+267
在0个频道中
Get PRO
十月 '22
+933
在0个频道中
Get PRO
九月 '22
+485
在0个频道中
Get PRO
八月 '22
+411
在0个频道中
Get PRO
七月 '22
+636
在0个频道中
Get PRO
六月 '22
+1 029
在0个频道中
Get PRO
五月 '22
+1 476
在0个频道中
Get PRO
四月 '22
+1 378
在0个频道中
Get PRO
三月 '22
+751
在0个频道中
Get PRO
二月 '22
+205
在0个频道中
Get PRO
一月 '22
+241
在0个频道中
Get PRO
十二月 '21
+193
在0个频道中
Get PRO
十一月 '21
+900
在0个频道中
Get PRO
十月 '21
+697
在0个频道中
Get PRO
九月 '21
+142
在0个频道中
Get PRO
八月 '21
+315
在0个频道中
Get PRO
七月 '21
+503
在0个频道中
Get PRO
六月 '21
+1 124
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 24 六月 | +1 | |||
| 23 六月 | +3 | |||
| 22 六月 | +2 | |||
| 21 六月 | 0 | |||
| 20 六月 | 0 | |||
| 19 六月 | +3 | |||
| 18 六月 | +3 | |||
| 17 六月 | +1 | |||
| 16 六月 | +4 | |||
| 15 六月 | 0 | |||
| 14 六月 | +2 | |||
| 13 六月 | +1 | |||
| 12 六月 | 0 | |||
| 11 六月 | +2 | |||
| 10 六月 | 0 | |||
| 09 六月 | +2 | |||
| 08 六月 | +1 | |||
| 07 六月 | 0 | |||
| 06 六月 | 0 | |||
| 05 六月 | +1 | |||
| 04 六月 | 0 | |||
| 03 六月 | 0 | |||
| 02 六月 | +2 | |||
| 01 六月 | 0 |
频道帖子
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 |  没有文字... | 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 |
