Python/ django

⚡ Наглядное сравнение скорости нового Python 3.14 с предыдущей версией Теперь Python может использовать все ядра процессора так же эффективно, как C++ или Go - без сложных обходных путей и накладных расходов. Многопоточность стала быстрее мультипроцессинга - впервые в истории Python. Главное - новая сборка позволяет работать без GIL (Global Interpreter Lock), что меняет всё. Как вы наверное знаете, GIL - это глобальная блокировка интерпретатора, которая позволяет в каждый момент времени исполнять только один поток байткода Python, даже если у тебя много ядер. Раньше поэтому многопоточность в Python фактически не работала. 🔄 Как обходили GIL До сих пор стандартный способ распараллеливания 0 мультипроцессинг. Каждый процесс - свой экземпляр интерпретатора со своим GIL. Минусы такого подхода: каждая копия имеет отдельную память, данные нужно сериализовать при передаче — большие накладные расходы. 🚀 Что меняется в 3.14 В новой версии можно отключить GIL, и потоки теперь работают в общем адресном пространстве. Общий доступ к памяти + никакой сериализации → значительное ускорение: многопоточность теперь оказывает на ~33 % быстрее, чем мультипроцессинг. 📈 Эксперименты из репозитория koenvo/python-experiments/free-threading - Продемонстрировано, что без GIL потоки действительно ускоряют работу задач с интенсивной синхронизацией и доступом к общей памяти. - Показаны сравнения, где многопоточные версии (с отключённым GIL) часто превосходят мультипроцессные аналоги по времени выполнения. - Тесты охватывают разные сценарии: CPU-нагрузки, обмен данными между потоками, циклы с синхронизацией. - Репозиторий служит “proof of concept” — демонстрация, что free-threading действительно работает и приносит выгоду. 💡 Почему это важно - Теперь реальная многопоточность в Python становится возможной и эффективной. - Это особенно актуально для библиотек и фреймворков: ожидается, что PyTorch, NumPy и другие скоро получат поддержку free-threading. - Уменьшаются накладные расходы на межпроцессное взаимодействие, улучшается масштабируемость на многопроцессорных системах. Вот реальные примеры: https://github.com/koenvo/python-experiments/tree/main/free-threading @pythonl

🎧 MiMo Audio: Инновации в аудио языковых моделях MiMo Audio предлагает передовые аудио языковые модели, способные к обучению с минимальным количеством примеров. С использованием более 100 миллионов часов данных, модель демонстрирует выдающиеся результаты в задачах распознавания речи и аудиоанализа, а также в генерации речи. MiMo-Audio-7B-Base устанавливает новые стандарты в открытых моделях. 🚀Основные моменты: - Поддержка нескольких аудио задач с минимальным обучением. - Высокая производительность в распознавании речи и аудио понимании. - Генерация реалистичной речи для различных форматов. - Открытый доступ к моделям через Hugging Face. 📌 GitHub: https://github.com/XiaomiMiMo/MiMo-Audio @pythonl

🖥 Что нового в Python 3.14 и почему стоит перейти Python 3.14 вышел 7 октября 2025 года. Это новый стабильный релиз, который содержит как изменения в самом языке, так и улучшения в реализации, стандартной библиотеке, отладке и взаимодействии с многопоточностью. Ниже - обзор ключевых нововведений, их смысла, применимости и возможных подводных камней. 🟠Основные нововведения (Release highlights) - Отложенная (ленивая) оценка аннотаций - теперь аннотации не вычисляются сразу, что уменьшает накладные расходы. - Поддержка нескольких интерпретаторов в рамках одного процесса через новый модуль. - Новый синтаксис шаблонных строк (t-strings), который даёт больше контроля над статической и интерполированной частью. - Более информативные сообщения об ошибках (например, подсказки для опечаток в ключевых словах). - Поддержка формата сжатия Zstandard в стандартной библиотеке. - Улучшенные возможности для отладки и профилирования, в том числе подключение к живому процессу без остановки. - Улучшения в asyncio — команды для визуализации и диагностики задач, стеков ожидания и зависимостей. - Уменьшение пауз сборщика мусора (gc) через инкрементальный сбор. - Подсветка синтаксиса и автодополнение модулей в интерактивном режиме (REPL) по умолчанию. 🟠 Подробности и примеры Ленивые аннотации - deferred evaluation of annotations Раньше аннотации (для типов, документации, подсказок) могли вызывать вычисления прямо при определении функции или класса. Теперь они хранятся в виде «ленивых» структур и вычисляются по надобности. Это снижает накладные расходы на загрузку кода, особенно если аннотации сложные или содержат много forward-ссылок. Есть модуль annotationlib, который позволяет исследовать аннотации программно и выбирать формат их получения — строки, объекты или отложенные ссылки. Когда это особенно помогает: - большие фреймворки, генерация кода, ORM, библиотеки с множеством аннотаций; - ускорение импорта при старте приложений; - уменьшение накладных расходов при работе с типами. Что проверить при миграции: - код, использующий __annotations__ напрямую, может требовать адаптации; - убедитесь, что сторонние библиотеки, работающие с аннотациями, поддерживают новый формат. Несколько интерпретаторов (subinterpreters) Теперь в Python можно запускать несколько независимых интерпретаторов внутри одного процесса (модуль `concurrent.interpreters`). Преимущества: - изоляция между интерпретаторами (отдельная память, отдельный GIL); - параллелизм на многоядерных системах; - меньше накладных расходов, чем при использовании multiprocessing. Ограничения: - не все C-расширения поддерживают мультиинтерпретацию; - коммуникация между интерпретаторами требует явных каналов (очереди, сообщения). Это даёт реальную возможность распараллеливания CPU-задач без запуска отдельных процессов. Template string literals (t-strings) Новое синтаксическое средство — префикс t перед строкой, аналогично f'...'. Результат — объект Template, который хранит текст и вставки по отдельности.

variety = 'Stilton'
template = t'Try some {variety} cheese!'

- Подробности - Скачать - Видеообзор

🎙️ VoxCPM: Революционный TTS для естественного синтеза речи VoxCPM — это инновационная система синтеза речи без токенизации, обеспечивающая контекстуально осознанное создание речи и высококачественное клонирование голоса. Она использует диффузионную архитектуру для генерации непрерывных звуковых представлений, что позволяет достигать высокой выразительности и стабильности. 🚀 Основные моменты: - Контекстуально осознанная генерация речи с естественным звучанием. - Точное клонирование голоса с минимальным количеством образцов. - Высокая эффективность синтеза, поддержка потоковой передачи. 📌 GitHub: https://github.com/OpenBMB/VoxCPM @pythonl

🐍 Как ускорить ML-эксперименты на Python без настройки железа Вы пишете на Python, используете PyTorch, TensorFlow или JAX — и тратите часы на установку драйверов, CUDA и зависимостей, вместо того чтобы просто запустить обучение. В immers.cloud мы убрали эту рутину: 💰 Посекундная тарификация: тарифы от 23 руб/час, платите только за время, когда сервер реально работает. ⚡️ Быстрый старт: нужный сервер поднимается за пару минут. 📈 Гибкость и масштабируемость: 13 моделей видеокарт на выбор, от RTX 3090 до флагманских Н200. 🔧 Удобство: готовые образы для ваших задач, чтобы не тратить время на настройку. А если нужно прерваться — можно просто заморозить ВМ с помощью функции Shelve: данные сохранятся, а платить за простои не придется.⠀ 🔗 Начните сейчас и получите +20 % к первому пополнению!

1️⃣0️⃣0️⃣0️⃣ БЕСПЛАТНЫХ приложений, которые можно развернуть прямо у себя на сервере. На GitHub нашли настоящую сокровищницу! 50+ категорий: от аналитики и бронирований до автоматизации рутины и чтения книг. Внутри — сотни инструментов под любые задачи: файлообменники, парсеры, сервисы для мониторинга и даже решения для ресторанов и отелей. Всё работает локально — данные остаются только у вас, ничего не уходит разработчикам или в сеть. https://github.com/awesome-selfhosted/awesome-selfhosted @pythonl

МТС приглашает всех, кто пишет на С++, Go, Python, JS, Java, C# и других языках, на True Tech Champ — всероссийский чемпионат по программированию. Соревнование будет проходить в двух треках. Трек 1. Алгоритмический. Индивидуальный зачет [призовой фонд 2 750 000 рублей] Реши задачи, которые помогут прокачаться в работе с алгоритмами и структурами данных. Похожие задания встречаются на собеседованиях в МТС и других крупных компаниях. До 240 лучших участников попадут в финал и сразятся в лайв-кодинге. Трек 2. Программирование роботов. Командный формат [призовой фонд 7 500 000 рублей] Проведи робота по виртуальному лабиринту, затем управляй им дистанционно на офлайн-полигоне, а в финале — пройди испытания на реальной площадке и выбей соперников с платформы. 🎁 Организаторы отправят командам финалистов по одному роботу Waveshare Cobra Flex для кастомизации. После соревнований они останутся у участников в качестве подарка. 📍 Зрелищный шоу-финал с ИИ-технологиями, кодерскими челленджами и выступлениями международных и российских спикеров пройдет 21 ноября в МТС Live Холл. Стоит участвовать, чтобы: — Освежить знания и прокачать новые навыки. — Заявить о себе на всю страну, получить карьерный буст и шанс лично пообщаться с HR-специалистами МТС. ⏰ Регистрация участников до 20 октября на сайте.

🛠️ Улучшаем отладку с пользовательскими типами Этот репозиторий помогает отображать пользовательские типы и контейнеры в отладчике LLDB, делая их более понятными. С помощью кастомных функций и синтетических провайдеров вы сможете легко видеть значения ваших объектов и контейнеров. 🚀Основные моменты: - Поддержка пользовательских типов и контейнеров в LLDB. - Использование Python для настройки отображения. - Примеры для классов и контейнеров, таких как example::date и example::span. - Удобное взаимодействие с отладчиком через .lldbinit. 📌 GitHub: https://github.com/codeinred/lldb_user_types #python

Wink AI Challenge — хакатон на стыке IT и кино. Участников ждут задачи, которые ускорят производство фильмов и сериалов за счёт прикладных AI-решений. Призовой фонд соревнования — 1 125 000 рублей. Регистрация до 31 октября: https://cnrlink.com/winkaichallengepydjango Приглашаем на первый в России хакатон, посвящённый применению ИИ в кинопроизводстве, ML-инженеров, backend- и frontend-разработчиков, специалистов в DevOps, MLOps, а также инженеров в сфере мультимедиа. Вы сможете: 🔸 Разработать ML-модель, которую оценят и будут использовать продюсеры популярных российских фильмов и сериалов.   🔸 Решить кейсы, основанные на реальных задачах, с которыми продюсеры сталкиваются каждый день. 🔸 Использовать настоящие сценарии и видеоматериалы для анализа текстов, извлечения сущностей и генерации структуры съёмок. 🔸 Попрактиковаться в применении NLP, NER и мультимодальных данных в задачах кинопроизводства. Регистрируйтесь на Wink AI Challenge, чтобы разработать ИИ-ассистента, который станет частью производства фильмов и сериалов: https://cnrlink.com/winkaichallengepydjango

🧠 Инструменты для искусственного интеллекта Собрание полезных AI-инструментов и ресурсов для разработчиков, исследователей и энтузиастов. Участвуйте в развитии сообщества, добавляя новые сервисы и улучшая коллекцию. 🚀 Основные моменты: - Широкий выбор AI-инструментов по различным категориям. - Открытое сообщество для совместной работы и улучшения. - Возможность вносить свой вклад через Pull Requests. 📌 GitHub: https://github.com/Hyraze/collective-ai-tools #python

🚀 Обучение LLM-агентов для многоповоротного принятия решений AgentGym-RL — это фреймворк для тренировки LLM-агентов, способных принимать решения в сложных многоповоротных сценариях с использованием методов усиленного обучения. Он предлагает разнообразные реальные сценарии и поддерживает популярные алгоритмы RL, улучшая производительность моделей до уровня коммерческих решений. 🚀 Основные моменты: - Модульная система для гибкости и расширяемости. - Поддержка различных реальных сред, включая веб-навигацию и глубокий поиск. - Метод ScalingInter-RL для стабильного обучения агентов. - Интерактивный интерфейс для визуализации взаимодействий. 📌 GitHub: https://github.com/WooooDyy/AgentGym-RL #python

🔥 Успех в IT = скорость + знания + окружение Здесь ты найдёшь всё это — коротко, по делу и без воды. Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты! AI: https://t.me/+EPEFXp67QfIyMjMy Python: https://t.me/+cq7O4sOHldY1ZTIy Linux: t.me/linuxacademiya Собеседования DS: t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_1001_notes Java: t.me/java_library Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Подпишись, если хочешь быть в числе тех, кого зовут в топовые проекты!

🎁 Авто-бот для покупки подарков в Telegram Этот бот автоматически ищет и покупает подарки по заданным критериям, интегрируясь с Telegram. Он предлагает настраиваемые параметры и способен быстро обрабатывать заказы. 🚀 Основные моменты: - Полностью автоматический поиск новых подарков - Высокая скорость покупки (более 5 подарков в секунду) - Интеграция с Telegram-ботом - Настраиваемые параметры для фильтрации подарков - Постоянный мониторинг доступных подарков 📌 GitHub: https://github.com/ThunderTo/Gift-Buyer-Tg #python @pythonl

🎁 Авто-бот для покупки подарков в Telegram Этот бот автоматически ищет и покупает подарки по заданным критериям, интегрируясь с Telegram. Он предлагает настраиваемые параметры и способен быстро обрабатывать заказы. 🚀 Основные моменты: - Полностью автоматический поиск новых подарков - Высокая скорость покупки (более 5 подарков в секунду) - Интеграция с Telegram-ботом - Настраиваемые параметры для фильтрации подарков - Постоянный мониторинг доступных подарков 📌 GitHub: https://github.com/ThunderTo/Gift-Buyer-Tg #python

📚✨ Lue - Умный терминальный ридер с TTS Lue — это терминальный ридер электронных книг, поддерживающий множество форматов, включая EPUB и PDF. Он предлагает текст в речь с возможностью настройки скорости воспроизведения и синхронизации с выделением слов, что улучшает восприятие текста. 🚀Основные моменты: - Поддержка форматов: EPUB, PDF, TXT и др. - Модульная система TTS с Edge и Kokoro. - Кроссплатформенность: macOS, Linux, Windows. - Настройка скорости воспроизведения от 1x до 3x. - Удобный интерфейс с поддержкой мыши и клавиатуры. 📌 GitHub: https://github.com/superstarryeyes/lue

🎨 Улучшение изображений с помощью SRPO SRPO — это метод, который оптимизирует процесс восстановления изображений с высокой степенью шума, используя новую стратегию выборки и прямую обратную связь. Он обеспечивает более быструю и стабильную тренировку моделей, минимизируя вычислительные затраты и избегая проблем с переобучением. 🚀Основные моменты: - Эффективное восстановление изображений с высокой степенью шума. - Ускоренная тренировка за счет оптимизации с аналитическими градиентами. - Отсутствие проблем с "взломом" вознаграждений. - Динамическое управление текстовыми условиями для настройки предпочтений. 📌 GitHub: https://github.com/Tencent-Hunyuan/SRPO @pythonl

У VK миллионы пользователей. А теперь представьте, сколько легаси и логов. В канале Backend VK Hub инженеры VK рассказывают о том, что происходит за кулисами больших сервисов и как справляться со всей этой красотой. Подписывайтесь, если хочется не только читать, но и обмениваться опытом с практикующими инженерами.

🖥 Leviathan — это сверхбыстрая библиотека для Python, реализующая цикл событий (event loop) для asyncio на базе языка Zig! 🌟 Она обеспечивает высокую производительность, полную совместимость с asyncio и простоту интеграции в проекты. Leviathan нацелен на минимизацию задержек и оптимизацию производительности по сравнению со стандартными циклами событий Python. 🔐 Лицензия: MIT 🖥 Github @pythonl

🚀 Django 6.0 — уже в пути! ✨ Главное в Django 6.0 - Content Security Policy (CSP) Новый ContentSecurityPolicyMiddleware, теги csp() и настройки SECURE_CSP / SECURE_CSP_REPORT_ONLY. - Фоновые задачи Декоратор @task и метод enqueue() для простого запуска background jobs. - Template Partials Теги {% partialdef %} и {% partial %} для переиспользуемых фрагментов в шаблонах. - Обновлённое Email API Современный EmailMessage вместо устаревших MIME-классов. - Другие улучшения • В админке — иконки Font Awesome • В auth увеличены итерации PBKDF2 • Улучшения в Postgres, GeoDjango, миграциях и др. 🔄 Изменения без обратной совместимости - Минимальная версия MariaDB — 10.6 - Поддержка Python ≥ 3.12 - DEFAULT_AUTO_FIELD теперь всегда BigAutoField - Удалены устаревшие API и внутренние методы 👉 Подробнее: https://docs.djangoproject.com/en/dev/releases/6.0/ #django #python @pythonl

Погружаемся в Автоматизацию: первый шаг к профессии будущего 🧑‍🎓 🗓 2 октября в 19:00 по МСК состоится открытое занятие: «Python + Selenium: шаг в Automation с нуля» Если вы только начинаете свой путь в автоматизации или все еще занимаетесь ручным тестированием — этот интенсив для вас! ✔️ Чем займемся на занятии? — Напишем полноценный автотест на Python + Selenium + Pytest — Разберем, почему именно Python подходит для старта в автоматизации — Обсудим, как manual-тестировщику перейти в automation Спикер: Елена Янушевская — Senior QA Automation Engineer. Более 8 лет в тестировании, разрабатывает тестовые фреймворки с нуля для продуктовых компаний. И куда же без бонуса? 🎉 Карьерный консультант Маргарита Головко расскажет, как начать свой путь в карьере автоматизатора, поделится секретами Карьерного центра школы и ответит на ваши вопросы! 🔔 Успейте занять место на вебинар!