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 Community

Python Community

前往频道在 Telegram

Python Community RU - СНГ сообщество Python-разработчиков Чат канала: @python_community_chat Сотрудничество: @cyberJohnny и @Sergey_bzd РКН реестр: https://knd.gov.ru/license?id=67847dd98e552d6b54a511ed®istryType=bloggersPermission

显示更多

📈 Telegram 频道 Python Community 的分析概览

频道 Python Community (@python_community_ru) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 11 491 名订阅者,在 技术与应用 类别中位列第 10 861,并在 俄罗斯 地区排名第 55 560 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 11 491 名订阅者。

根据 14 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 -64,过去 24 小时变化为 -2,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 5.26%。内容发布后 24 小时内通常能获得 2.34% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 605 次浏览,首日通常累积 269 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 1。
  • 主题关注点: 内容集中在 docker, git, github, контейнер, await 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:
“Python Community RU - СНГ сообщество Python-разработчиков Чат канала: @python_community_chat Сотрудничество: @cyberJohnny и @Sergey_bzd РКН реестр: https://knd.gov.ru/license?id=67847dd98e552d6b54a511ed&registryType=bloggersPermission”

凭借高频更新(最新数据采集于 15 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。

11 491
订阅者
-224 小时
-107 天
-6430 天
吸引订阅者
11月 '26
十一月 '26
+13
在0个频道中
十月 '26
+17
在0个频道中
Get PRO
九月 '26
+39
在0个频道中
Get PRO
八月 '26
+19
在0个频道中
Get PRO
七月 '26
+19
在0个频道中
Get PRO
六月 '26
+21
在0个频道中
Get PRO
五月 '26
+42
在0个频道中
Get PRO
四月 '26
+42
在0个频道中
Get PRO
三月 '26
+19
在0个频道中
Get PRO
二月 '26
+18
在0个频道中
Get PRO
一月 '26
+16
在0个频道中
Get PRO
十二月 '25
+7
在0个频道中
Get PRO
十一月 '25
+19
在0个频道中
Get PRO
十月 '25
+13
在0个频道中
Get PRO
九月 '25
+5
在0个频道中
Get PRO
八月 '25
+14
在0个频道中
Get PRO
七月 '25
+7
在0个频道中
Get PRO
六月 '25
+29
在0个频道中
Get PRO
五月 '25
+12
在0个频道中
Get PRO
四月 '25
+15
在0个频道中
Get PRO
三月 '25
+19
在0个频道中
Get PRO
二月 '25
+27
在0个频道中
Get PRO
一月 '25
+18
在0个频道中
Get PRO
十二月 '24
+12
在0个频道中
Get PRO
十一月 '24
+6
在0个频道中
Get PRO
十月 '24
+82
在0个频道中
Get PRO
九月 '24
+27
在0个频道中
Get PRO
八月 '24
+29
在0个频道中
Get PRO
七月 '24
+13
在1个频道中
Get PRO
六月 '24
+10
在0个频道中
Get PRO
五月 '24
+28
在0个频道中
Get PRO
四月 '24
+65
在0个频道中
Get PRO
三月 '24
+82
在17个频道中
Get PRO
二月 '24
+28
在0个频道中
Get PRO
一月 '24
+64
在5个频道中
Get PRO
十二月 '23
+74
在4个频道中
Get PRO
十一月 '23
+53
在6个频道中
Get PRO
十月 '23
+95
在4个频道中
Get PRO
九月 '23
+51
在0个频道中
Get PRO
八月 '23
+219
在0个频道中
Get PRO
七月 '23
+66
在0个频道中
Get PRO
六月 '23
+133
在0个频道中
Get PRO
五月 '23
+33
在0个频道中
Get PRO
四月 '23
+29
在0个频道中
Get PRO
三月 '23
+30
在0个频道中
Get PRO
二月 '23
+82
在0个频道中
Get PRO
一月 '23
+27
在0个频道中
Get PRO
十二月 '22
+98
在0个频道中
Get PRO
十一月 '22
+200
在0个频道中
Get PRO
十月 '22
+320
在0个频道中
Get PRO
九月 '22
+310
在0个频道中
Get PRO
八月 '22
+358
在0个频道中
Get PRO
七月 '22
+194
在0个频道中
Get PRO
六月 '22
+55
在0个频道中
Get PRO
五月 '22
+81
在0个频道中
Get PRO
四月 '22
+52
在0个频道中
Get PRO
三月 '22
+33
在0个频道中
Get PRO
二月 '22
+15
在0个频道中
Get PRO
一月 '22
+31
在0个频道中
Get PRO
十二月 '21
+39
在0个频道中
Get PRO
十一月 '21
+20
在0个频道中
Get PRO
十月 '21
+19
在0个频道中
Get PRO
九月 '21
+357
在0个频道中
Get PRO
八月 '21
+6 044
在0个频道中
Get PRO
七月 '21
+36
在0个频道中
Get PRO
六月 '21
+38
在0个频道中
Get PRO
五月 '21
+8 384
在0个频道中
Get PRO
四月 '21
+18 733
在0个频道中
日期
订阅者增长
提及
频道
15 十一月0
14 十一月+1
13 十一月+1
12 十一月+1
11 十一月0
10 十一月0
09 十一月+2
08 十一月+1
07 十一月+2
06 十一月+1
05 十一月+1
04 十一月+2
03 十一月0
02 十一月+1
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 @Python_Community_ru

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/ @Python_Community_ru
345
3
Можно ли научить нейросеть принимать торговые решения на финансовом рынке? Финансовые рынки генерируют огромные объёмы данных
Можно ли научить нейросеть принимать торговые решения на финансовом рынке? Финансовые рынки генерируют огромные объёмы данных, но как превратить их в торговые сигналы? Можно ли обучить нейросеть анализировать рыночные показатели, находить закономерности и формировать решения о покупке или продаже активов? 18 ноября в 20:00 МСК на открытом вебинаре OTUS разберём, как объединить технический анализ и машинное обучение, построить нейросетевую торговую стратегию на Python и проверить её эффективность на исторических данных. На практике рассмотрим: — как использовать технические индикаторы RSI, MACD, Bollinger Bands и скользящие средние для анализа рынка; — как загружать и подготавливать исторические биржевые данные для машинного обучения; — как преобразовать рыночные показатели в признаки для обучения нейронной сети; — как построить ML-модель, которая анализирует состояние рынка и формирует торговые сигналы; — как провести backtesting стратегии и сравнить результаты нейросети с классическим подходом на основе скользящих средних. После вебинара вы поймёте, как применять машинное обучение к финансовым данным, сможете разобраться в принципах построения нейросетевых торговых стратегий и узнаете, как оценивать их результаты на исторических данных. Вебинар будет полезен Data Scientists, ML-инженерам, аналитикам и разработчикам, которые знакомы с Python и хотят изучить практическое применение нейросетей в алгоритмической торговле. Урок проходит в преддверии старта курса «Машинное обучение для финансового анализа». Регистрируйтесь: https://vk.cc/d3SjsR Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
370
4
‍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 @Python_Community_ru
377
5
‍🌟 Zyphra опубликовала компактную TTS-модель ZONOS3-Mini (https://www.zyphra.com/our-work/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 (https://www.zyphra.com/models/zonos3-mini) 10 долларов за мегабайт текста, лимиты - один запрос за раз и 100 генераций в сутки. 📌Лицензирование: Apache 2.0 🟡Блогпост (https://www.zyphra.com/our-work/zonos3-mini) 🟡Веса (https://huggingface.co/Zyphra/ZONOS3-Mini) 🟡Демо (https://cloud.zyphra.com/audio-playground?modelId=zyphra%2FZONOS3-Mini) 🖥GitHub (https://github.com/Zyphra/ZONOS3-Mini) @ai_machinelearning_big_data #AI #ML #TTS #ZONOS3 #Zyphra @Python_Community_ru
399
6
‍🖥️ 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 @Python_Community_ru
435
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 @Python_Community_ru
446
8
‍🖥️ 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/ @Python_Community_ru
489
9
🔥 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 @Python_Community_ru
523
10
@Python_Community_ru
@Python_Community_ru
504
11
‍🏎 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 @Python_Community_ru
578
12
‍👾 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 @Python_Community_ru
630
13
⚡ 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/ @Python_Community_ru
744
14
没有文字...
638
15
🔎 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 @Python_Community_ru
632
16
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/ @Python_Community_ru
542
17
‍Разобраться в коде старой игры без исходников: retro-kit автоматизирует работу с Ghidra Открытый инструмент помогает исследовать 32-битные игры примерно 1993–2010 годов: DOS-программы на Watcom C/C++ и Windows-игры в формате Win32 PE. На выходе - C-подобный декомпилированный код, список функций, граф вызовов, строки и таблицы указателей. Это материал для анализа, а не восстановленный оригинальный исходник. Что умеет retro-kit: - Показывать имена методов DirectX, вызываемых через COM-таблицы. - Распознавать библиотеки эпохи: Miles, Smacker, Bink, FMOD, BASS и другие. - Восстанавливать сведения о C++-классах из MSVC RTTI. - Переносить найденные имена функций между родственными версиями игры. Есть MCP-сервер для ИИ-агентов: можно подключить Claude Code, исследовать функции и связи между ними, сохранять заметки и возвращать уточнённые имена в Ghidra. Базовый запуск: retrokit info GAME.EXE retrokit analyze GAME.EXE Понадобятся Ghidra 12.x, JDK 21+ и Python 3.10+. Лицензия - Apache 2.0. https://github.com/nautilusbits/retrokit @Python_Community_ru
566
18
‍OpenBMB выпустила две OCR-модели: одна распознаёт документы, другая проверяет, насколько результату можно доверять. MiniCPM-OCR 1.0 – модель на 1,3 млрд параметров для китайских и английских документов. Обрабатывает текст, таблицы, формулы, графики и печати, преобразуя PDF и изображения в Markdown или JSON. По данным команды, она набирает 93,68 на Real5-OmniDocBench и 54,7 на OCRBench v2. Поддерживает сложные снимки: перекошенные и изогнутые страницы, фотографии и повторно снятые документы. MiniCPM-OCR Jev – проверяющая модель на 2 млрд параметров. Получает изображение и результат OCR, затем выставляет оценку качества от 0 до 1 для отдельных областей. Помогает находить текст, формулы и таблицы, требующие ручной проверки. Jev работает и с другими распознавателями. На JevOCRBench её AUROC составляет 93,6 против 93,8 у Qwen3.5-397B-A17B. Это показатель различения правильных и ошибочных результатов, а не процент безошибочно распознанных страниц. С ускорением DSpark авторы сообщают о пропускной способности в 1,49 раза выше PaddleOCR-VL-1.6 и в 3,62 раза выше MinerU2.5 Pro в своих тестах. Доступны vLLM, SGLang, llama.cpp и Ollama, квантованные версии, SDK и инструкции по дообучению. https://github.com/OpenBMB/MiniCPM-OCR @Python_Community_ru
550
19
Python 3.15: что выведет lazy import? Задача с подвохом Новая фича Python 3.15: lazy import (PEP 810). Импорт несуществующего
Python 3.15: что выведет lazy import? Задача с подвохом Новая фича Python 3.15: lazy import (PEP 810). Импорт несуществующего модуля не падает при старте, а ошибка всплывает позже. Разбираем задачу с подвохом по шагам и показываем ограничения lazy. Сохрани, чтобы не ошибиться. https://youtube.com/shorts/LorWGMBuokk?feature=share @Python_Community_ru
590
20
🐍 Когда стандартного `sqlite3` в Python становится мало, есть APSW. Another Python SQLite Wrapper даёт доступ к полному C AP
🐍 Когда стандартного `sqlite3` в Python становится мало, есть APSW. Another Python SQLite Wrapper даёт доступ к полному C API SQLite из Python. Что можно использовать: • Виртуальные таблицы для подключения собственных источников данных. • VFS для управления тем, как SQLite работает с файлами. • Session API для записи и применения наборов изменений. • Полнотекстовый поиск, JSON и передачу массивов через CArray. • Синхронный код и поддержку асинхронных фреймворков. Для обычных SQL-запросов встроенного sqlite3 часто достаточно. APSW полезен, когда нужны расширенные возможности SQLite и более глубокий контроль над движком. Установка: pip install apsw https://github.com/rogerbinns/apsw @Python_Community_ru
628