Python Community

🔥 GLM-5.3-Flash теперь можно запускать локально Unsloth выпустил GGUF-версии модели, включая 3-bit вариант, который можно запускать примерно на 128 ГБ RAM. GLM-5.3-Flash, ранее известная как Ox Alpha, показывает очень сильные результаты в coding и agentic-бенчмарках и, по заявленным тестам, приближается к уровню Claude Opus 4.8 на DeepSWE. Гайд: https://unsloth.ai/docs/models/glm-5.3-flash GGUF: https://huggingface.co/unsloth/GLM-5.3-Flash-GGUF @Python_Community_ru

10 GitHub-репозиториев, которые сильнее всего залетают прямо сейчас Собрал свежую подборку проектов, которые заметно растут и активно обсуждаются. 1. OpenAI Codex Coding agent от OpenAI для терминала и автоматизации разработки. https://github.com/openai/codex 2. God's Eye View OSINT и открытые геоданные на интерактивном 3D-глобусе: авиация, спутники и другие источники. https://github.com/bilawalsidhu/gods-eye-view 3. awesome-gpt-image-2 Большая библиотека промптов, примеров и шаблонов для GPT Image 2. https://github.com/freestylefly/awesome-gpt-image-2 4. mattpocock/skills Готовые skills и workflows для coding agents, которые можно переиспользовать вместо огромных промптов. https://github.com/mattpocock/skills 5. Archify Строит интерактивную карту архитектуры кодовой базы: sequence, data-flow, lifecycle и связи компонентов. https://github.com/tt-a1i/archify 6. Tailcat Инструмент от Tailscale для прямого соединения машин через WireGuard и NAT traversal. https://github.com/tailscale/tailcat 7. Prime Agent Self-improving coding agent для длинных автономных задач. https://github.com/PrimeIntellect-ai/prime-agent 8. Semantica Graph-native инфраструктура для хранения контекста, связей и происхождения данных в AI-системах. https://github.com/semantica-agi/semantica 9. Cursor Plugins Официальный репозиторий плагинов Cursor: orchestration, code review, continual learning и другие agent-функции. https://github.com/cursor/plugins 10. AnyDoc Инструмент от Firecrawl для превращения документов в структурированный контент для AI и RAG. https://github.com/firecrawl/anydoc Если смотреть на общий тренд недели: AI-агенты → agent skills → память и контекст → визуализация архитектуры → инструменты для автономной работы с окружением Сохраняй себе, чтобы не потерять! @Python_Community_ru

🐍 PyAdventure - бесплатная игра для изучения Python через практику Вместо обычных уроков здесь 10 игровых миров, каждый посвящён отдельной теме Python, а в конце ждёт битва с боссом. Игра сделана на Pygame и рассчитана на обучение основам программирования через прохождение уровней и выполнение задач. Сейчас доступна бесплатная версия для Windows. https://khalidmfy.itch.io/pyadventure @Python_Community_ru

🔥 Face Anything - восстановление 4D-лица из любой последовательности изображений На ECCV 2026 представили Face Anything - unified feed-forward модель для высокоточного 4D face reconstruction и плотного трекинга лица. Ключевая идея - canonical facial point prediction: каждому пикселю назначается нормализованная координата лица в общем каноническом пространстве. Это позволяет объединить dense tracking и динамическую реконструкцию в одну задачу и получать: * стабильную геометрию между кадрами * точные соответствия facial points * 4D-реконструкцию из произвольной последовательности изображений Код: https://github.com/kocasariumut/FaceAnything @Python_Community_ru

⚡️ Claude Code и Codex можно запускать БЕСПЛАТНО Появился open-source инструмент, который проксирует запросы coding-агентов через десятки бесплатных AI-провайдеров. Что умеет: - до 1,5 млрд бесплатных токенов в месяц - автоматическое переключение между моделями при сбоях - оптимизация расхода токенов - заявлена экономия до 90% - поддержка Claude Code, Codex и Hermes Agent - работа из терминала, IDE и desktop-приложений - голосовой ввод промптов - поддержка tools, skills, изображений и других возможностей агентов Можно собрать единый бесплатный роутер и не зависеть от одного провайдера. https://github.com/Alishahryar1/free-claude-code @Python_Community_ru

‍50 сайтов, на которых можно зависнуть на несколько часов 1. https://zoom.earth — Земля со спутника почти в реальном времени. 2. https://flightradar24.com — все самолёты в небе прямо сейчас. 3. https://marinetraffic.com — отслеживание кораблей по всему миру. 4. https://windy.com — ветры, осадки и штормы на живой карте. 5. https://lightningmaps.org — молнии по всему миру в реальном времени. 6. https://earthquake.usgs.gov — последние землетрясения. 7. https://submarinecablemap.com — карта подводных интернет-кабелей. 8. https://globalforestwatch.org — состояние лесов со спутников. 9. https://worldometers.info — мировая статистика в реальном времени. 10. https://internetlivestats.com — что происходит в интернете прямо сейчас. 11. https://thetruesize.com — реальные размеры стран. 12. https://oldmapsonline.org — старинные карты мира. 13. https://davidrumsey.com — огромный архив исторических карт. 14. https://openstreetmap.org — карта мира от сообщества. 15. https://window-swap.com — случайный вид из чужого окна. 16. https://virtualvacation.us — виртуальные прогулки по городам. 17. https://mapcrunch.com — случайная точка мира в Street View. 18. https://atlasobscura.com — самые необычные места планеты. 19. https://neal.fun — залипательные интерактивные эксперименты. 20. https://htwins.net/scale2 — от атома до Вселенной. 21. https://eyes.nasa.gov — 3D-модель Солнечной системы. 22. https://stellarium-web.org — карта звёздного неба. 23. https://apod.nasa.gov — астрономическое фото дня. 24. https://images.nasa.gov — фото- и видеоархив NASA. 25. https://pudding.cool — интерактивные истории на данных. 26. https://ourworldindata.org — данные о том, как меняется мир. 27. https://gapminder.org — проверка популярных заблуждений о мире. 28. https://informationisbeautiful.net — красивые визуализации данных. 29. https://data.worldbank.org — открытая статистика Всемирного банка. 30. https://data.tuik.gov.tr — официальная статистика Турции. 31. https://archive.org — книги, фильмы, сайты, игры и старое ПО. 32. https://gutenberg.org — десятки тысяч бесплатных книг. 33. https://openlibrary.org — огромный каталог книг. 34. https://loc.gov — цифровой архив Библиотеки Конгресса. 35. https://europeana.eu — культурное наследие Европы онлайн. 36. https://dp.la — цифровые коллекции библиотек США. 37. https://artsandculture.google.com — музеи и искусство онлайн. 38. https://rijksmuseum.nl — искусство в высоком разрешении. 39. https://wikiart.org — огромный архив живописи. 40. https://publicdomainreview.org — забытые материалы из истории. 41. https://openculture.com — бесплатные книги, фильмы и курсы. 42. https://metmuseum.org — онлайн-коллекция Метрополитен-музея. 43. https://musicmap.info — история музыкальных жанров. 44. https://radiooooo.com — музыка по странам и десятилетиям. 45. https://listen.hatnote.com — правки Википедии, превращённые в звуки. 46. https://wikipedia.org/wiki/Special:Random — случайная статья Википедии. 47. https://timeanddate.com — время, восходы, затмения и астрономия. 48. https://sciencedaily.com — свежие научные новости. 49. https://arxiv.org — бесплатные научные препринты. 50. https://observablehq.com — интерактивные данные и визуализации. Интернет гораздо больше, чем несколько сайтов, которые мы открываем каждый день. @Python_Community_ru

🔍Тестовое собеседование на Middle Python с разработчиком из Яндекса завтра вечером Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Хачатур, старший разработчик в Яндексе, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Хачатур будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Хачатуру Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

Python, который мы заслужили! @Python_Community_ru

‍10 открытых GitHub-репозиториев для изучения Python 1. 30 Days of Python - курс от основ до более продвинутых тем за 30 дней. https://github.com/Asabeneh/30-Days-Of-Python 2. Learn Python - компактный учебник с примерами: типы, функции, ООП, декораторы, генераторы и многое другое. https://github.com/trekhleb/learn-python 3. The Algorithms — Python - сотни алгоритмов и структур данных с реализациями на Python. https://github.com/TheAlgorithms/Python 4. Python Mini Projects — много небольших проектов, на которых удобно набивать руку. https://github.com/Python-World/python-mini-projects 5. Interactive Coding Challenges - задачи по алгоритмам, структурам данных и программированию с решениями. https://github.com/donnemartin/interactive-coding-challenges 6. Python Patterns - паттерны проектирования и идиоматичный Python на реальных примерах. https://github.com/faif/python-patterns 7. Learn Python 3 - хороший набор примеров и упражнений от базового синтаксиса до продвинутых возможностей языка. https://github.com/jerry-git/learn-python3 8. Real Python Materials - исходники и примеры к большому количеству обучающих материалов Real Python. https://github.com/realpython/materials 9. 100+ Python Challenging Programming Exercises - большая коллекция задач с постепенным ростом сложности. https://github.com/zhiwehu/Python-programming-exercises 10. Awesome Python - огромный каталог библиотек, фреймворков и инструментов Python. Полезен, когда базу уже прошёл и хочется понять экосистему. https://github.com/vinta/awesome-python Если идти по порядку, я бы начал с 30 Days of Python → Learn Python → Mini Projects → The Algorithms → Python Patterns. Так получится путь от синтаксиса до алгоритмов и нормального продакшен-кода. @Python_Community_ru

Лицо C++-разработчика, когда он написал 6000 строк кода, чтобы обогнать твои 4 строки на Python на 0,000438 секунды. @Python_Community_ru

🖥 pyhctsa - Python-инструмент для highly comparative time-series analysis: он автоматически считает большой набор характеристик временного ряда и превращает сигнал в таблицу признаков. Базовый сценарий выглядит так: from pyhctsa.calculator import FeatureCalculator calc = FeatureCalculator() features = calc.extract(data) На выходе — DataFrame, где каждая временная серия превращается в набор feature'ов. Причём серии могут быть разной длины. Есть: — полный набор операций из коробки — собственные YAML-конфиги для подмножеств признаков — вызов отдельных feature-функций — параллельная обработка на нескольких CPU — инструменты для nonlinear analysis, HRV и других специализированных задач GitHub: https://github.com/DynamicsAndNeuralSystems/pyhctsa @Python_Community_ru

Python Game Server: простой сервер для пошаговых мультиплеерных игр python-game-server — лёгкий open source-фреймворк на Python для создания пошаговых мультиплеерных игр. Он даёт готовую серверную основу, чтобы не писать с нуля комнаты, игровые сессии и сетевое взаимодействие. Из коробки есть: — единый API для разных игр — несколько параллельных игровых сессий — подключение к конкретной комнате — автоматический вход в ближайшую свободную сессию — возможность относительно легко добавлять новые игры Проект рассчитан в первую очередь на настольные, карточные и другие turn-based игры. Для написания клиентов и новых игровых механик, по словам автора, достаточно базового знания Python. В репозитории уже больше 600 коммитов, отдельно лежат клиентская и серверная части. GitHub: https://github.com/feberts/python-game-server @Python_Community_ru

Для тех, кто работает с ACP-агентами из терминала, появился простой REPL acp-repl запускает любой stdio-сервер с поддержкой Agent Client Protocol и позволяет общаться с агентом прямо из терминала: отправлять промпты, создавать сессии, переключать модель и режим, обрабатывать permission-запросы и смотреть debug-логи. Работает не с одним конкретным агентом. В README есть примеры для OpenCode, Codex, Claude Code и Pi, плюс можно подключить любой другой ACP-совместимый executable. Удобная штука для быстрой проверки агента до того, как встраивать его в свой runtime или приложение. Можно сравнить поведение разных моделей и режимов, проверить permissions или просто понять, нормально ли стартует конкретный ACP-провайдер. Запуск через npm: npm install -g @normahq/acp-repl@latest acp-repl -- opencode acp Репозиторий: https://github.com/normahq/acp-repl @Python_Community_ru

‍25 августа встречаемся на Agentic Coding Meetup (https://developers.sber.ru/portal/sreda/agentic-coding-meetup?utm_source=telegram&utm_medium=fix&utm_campaign=agentic_meetup_august_2026_post&utm_content=&utm_term=pythonl&erid=2VtzqwpQLgT) в Сбер.Среде и в онлайне⚡️ AI-агенты уже умеют писать код. Но самое интересное начинается дальше — когда вместе с инструментами меняются роли инженеров, команды и сам процесс разработки. 🔥 Поговорим о том, как agentic coding выглядит на практике: новые инженерные роли и модели команд, SDD и трансформация процессов, coding-агенты и инструменты, подходы к постановке задач и управлению контекстом, а также опыт внедрения AI в разработку больших технологических компаний. ⏳ Начало в 17:00, встреча очных гостей — в 16:00. Количество очных мест ограничено — успейте зарегистрироваться (https://developers.sber.ru/portal/sreda/agentic-coding-meetup?utm_source=telegram&utm_medium=fix&utm_campaign=agentic_meetup_august_2026_post&utm_content=&utm_term=pythonl&erid=2VtzqwpQLgT)! @Python_Community_ru

🖥 Для Python появился Interlock - современный circuit breaker без зоопарка отдельных решений для sync и async. Один CircuitBreaker умеет работать и с обычными функциями, и с async, считать процент ошибок по скользящему окну и отдельно реагировать на слишком медленные вызовы. Можно собрать полноценный pipeline отказоустойчивости: pipeline = ( Pipeline.builder() .fallback(...) .retry(attempts=4) .circuit_breaker(breaker) .bulkhead(8) .timeout(2.0) .build() ) То есть timeout, retry, ограничение параллелизма, circuit breaker и fallback складываются в одну явную цепочку. Есть интеграции с httpx, aiohttp, requests, FastAPI, Redis и OpenTelemetry. Через Redis состояние breaker можно шарить между несколькими процессами или инстансами приложения. Ещё полезная штука - METRICS_ONLY: сначала можно просто посмотреть реальные проценты ошибок и медленных запросов в проде, ничего не блокируя, а уже потом включить breaker. https://github.com/bagowix/interlock @Python_Community_ru

Разница между C++ и Python @Python_Community_ru

‍🔥 DeepSeek Harness - пример того, почему сегодня важна не только модель, но и всё окружение вокруг неё Harness - это слой между LLM и реальной работой: инструменты, terminal, permissions, память, tool loop и правила обработки ответов. У deepseek-harness есть Python-библиотека, CLI dsh, MCP-сервер и интеграция в формате Anthropic Skill. Проект документирует особенности протокола DeepSeek V4-Pro/V4-Flash и автоматически обрабатывает проблемные места вроде reasoning_content, parallel tool calls, streaming и context limits. Например: pip install deepseek-harness-cli Ключевая идея очень актуальна для agent engineering: одна и та же модель с разным harness может вести себя как совершенно другой агент. Модель отвечает за интеллект. Harness - за то, сможет ли этот интеллект стабильно работать с инструментами и длинными workflow. Вот полезный гайд, (https://helmcode.com/deepseek-harness) где собрали большой разбор проекта: 23 секции, от запуска за минуту до архитектуры и теории Cordis. Что особенно интересно: архитектура максимально модульная - компоненты можно заменять плагинами; проект model-agnostic и работает с OpenAI-compatible API; под harness лежит Cordis - отдельная формальная модель безопасного самоизменения программ; можно менять не только tools, но даже логику, которая решает, что агент должен делать дальше; проект пока developer preview, поэтому breaking changes ожидаемы Разбор: https://helmcode.com/deepseek-harness @Python_Community_ru

Полный инженерный курс по AI-агентам на русском: от tool calling до production Курс инженерный, а не обзорный. Здесь почти нет рассуждений о том, «изменит ли ИИ мир», зато есть: минимальные работающие реализации каждого механизма, лабораторные с критериями приёмки, шаблоны для копирования, чек-листы перед релизом, каталог антипаттернов и набор бенчмарков, по которым можно честно сравнить две версии своего агента. Качество агента почти никогда не упирается в модель. Оно упирается в инженерию вокруг модели: как описаны инструменты, что попадает в контекст, где стоят проверки, что происходит при третьей подряд ошибке и сколько это стоит за тысячу запусков. Модель - двигатель. Курс -про всё остальное в автомобиле. https://github.com/justxor/Aiagentsfullcourse @Python_Community_ru

‍🐍 Python-разработчики часто тестируют код с зависимостью от времени. Но обычный mock для дат — это намного сложнее, чем кажется. Библиотека time-machine решает эту проблему: она позволяет буквально «перемещать время» внутри тестов. Например: import datetime as dt import time_machine @time_machine.travel("2030-01-01") def test_future(): assert dt.date.today() == dt.date(2030, 1, 1) В отличие от популярных подходов вроде freezegun, библиотека не ищет и не заменяет все импорты в проекте. Она работает на уровне C API CPython, перехватывая функции даты и времени напрямую. Поэтому скорость не зависит от количества загруженных модулей. В бенчмарках time-machine оказался более чем в 100 раз быстрее freezegun на простых сценариях. Полезно для тестирования: • подписок и платежей • истечения токенов • календарных функций • планировщиков задач • логики с дедлайнами Проект: https://github.com/adamchainz/time-machine https://adamj.eu/tech/2026/08/03/python-time-machine-o1-freezegun-on/ @Python_Community_ru

🐍 Опытный Python-разработчик рассказал, для каких проектов в 2026 году он уже не выбирает Python первым. Автор десятилетиями использовал Python практически для всего, но со временем пришёл к простой мысли: хороший универсальный язык не обязан быть лучшим инструментом для каждой задачи. В презентации разбирается, где ограничения Python начинают перевешивать его удобство и почему для некоторых проектов сегодня разумнее посмотреть на другие языки и экосистемы. При этом это не очередное «Python умер». Наоборот, автор по-прежнему активно использует Python и отдельно показывает области, где язык остаётся одним из лучших вариантов. Получился полезный взгляд без фанатизма: выбирать язык не по привычке, а под конкретную задачу. #/ #Python #Programming #SoftwareEngineering #Development @Python_Community_ru https://menno.io/presentations/not-python-2026/index.html