Python/ django

🦅 Colibrì - движок для запуска очень больших AI-моделей на обычных ПК и рабочих станциях, даже если модель целиком не помещается в видеопамять. Как это работает: MoE-модели состоят из множества «экспертов», но для каждого токена используется только небольшая их часть. Colibrì хранит: * самые нужные веса в VRAM; * менее активные — в RAM; * редко используемые - на NVMe SSD. Когда модели нужен конкретный эксперт, движок подгружает его с диска или из RAM. То есть для запуска условной модели на сотни миллиардов или даже триллионы параметров не обязательно иметь столько же VRAM. Поддерживаются CPU, CUDA, Metal и смешанное размещение модели. Проще говоря: Colibrì позволяет запускать гигантские MoE-модели локально, жертвуя в первую очередь скоростью, а не возможностью их вообще запустить. https://github.com/JustVugg/colibri

VCR.py - очень удобная библиотека для тестирования Python-кода, который ходит во внешние API. Первый запуск теста делает реальные HTTP-запросы и сохраняет ответы в так называемую cassette - по умолчанию YAML-файл. Следующие запуски уже не идут в сеть: VCR.py перехватывает знакомый запрос и возвращает сохранённый ответ. Что это даёт: - тесты становятся детерминированными - их можно запускать офлайн - они работают заметно быстрее - внешнее API не нужно дёргать сотни раз в CI - если API изменилось, cassette можно просто перезаписать Особенно полезно для тестов интеграций с REST API, платёжными сервисами, LLM API и любыми внешними HTTP-сервисами. Проект активно развивается: в актуальной ветке 8.x есть поддержка HTTPX, custom transports, безопасная загрузка YAML и свежая поддержка niquests. MIT License. https://github.com/kevin1024/vcrpy

⚡️ GPT-6 Astra подняла рекорд Epoch AI с 163 до 169 ECI GPT-6 Astra установила новый максимум в индексе возможностей Epoch AI - 169 баллов против предыдущих 163. Для масштаба: тренд эпохи reasoning-моделей составляет около 15 ECI в год, поэтому скачок на 6 пунктов соответствует примерно пяти месяцам прогресса. Astra находится немного выше трендовой линии, но всё ещё в пределах ожидаемого диапазона. Особенно выделяются отдельные результаты: - 84% на Mystery Game Puzzles против предыдущего рекорда в 59% - 98% на FrontierMath Tier 4 - Epoch уже считает этот уровень практически полностью насыщенным При этом результат заметно расходится с рейтингом Artificial Analysis Intelligence Index. Причина в методологии: Epoch и Artificial Analysis используют разные наборы тестов и веса. AA сильнее акцентирует coding и agentic-задачи, поэтому лидерство Astra в ECI не означает автоматического лидерства во всех практических сценариях. По метрике Epoch скачок действительно большой - +6 ECI за одно поколение модели. https://x.com/Machinelearrn/status/2095826666702393538

🔥 AI Job Search - open-source система, которая превращает Claude Code в помощника по поиску работы Она умеет: - анализировать вакансии и оценивать, насколько они подходят - подгонять CV под конкретную позицию - писать сопроводительные письма - готовить к интервью - искать вакансии через отдельные skills - хранить профиль, документы и историю откликов локально Интересно, что автор сам использовал этот workflow для поиска работы: 69 адаптированных откликов → 20 первых интервью → 1 оффер. Проект построен как набор команд /setup, /scrape, /apply, /interview и легко форкается под свои сайты вакансий и рынок. MIT License. https://github.com/MadsLorentzen/ai-job-search

🚀 Целую AI-компанию можно запустить прямо на своём компьютере. Разработчики выложили open-source проект Auto-Company, где внутри работают сразу 14 AI-агентов. Есть CEO с ролевым промптом в стиле Джеффа Безоса, CTO в стиле Вернера Фогельса, разработчики, дизайнеры, QA, маркетолог, продажник и CFO. Агенты сами: • собираются в команды • придумывают продукты • проверяют идеи • пишут код • деплоят • передают контекст следующей «смене» через один Markdown-файл По сути, это автономная виртуальная команда, которую можно развернуть локально и использовать как мини-стартап под свою задачу. https://github.com/MaxMiksa/Auto-Company

Код Ревью в 2026

⚡️ KTransformers - open-source фреймворк из Китая, который позволяет запускать огромные модели на обычном потребительском железе. Самый показательный пример - DeepSeek-R1 на 671 млрд параметров можно запустить с RTX 4090 на 24 ГБ, используя гибридную схему CPU+GPU вместо полноценного H100-кластера. Что заявляют разработчики: - до 28× быстрее инференс в отдельных сценариях - дообучение DeepSeek-V3 на 4 потребительских GPU - поддержка Kimi-K2, GLM-5 и MiniMax - без облака и собственного дата-центра - полностью open source Проект сильно снижает порог входа для локального запуска очень крупных MoE-моделей. https://github.com/kvcache-ai/ktransformers

🔥 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

Вайбкодеры никогда не узнают это чувство

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!

🐍 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

🔥 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

Встраивайте систему распознавания документов в ваш продукт за 15 минут 🚀 Если вы развиваете SaaS, автоматизируете B2B-процессы или собираете ИИ-агентов, вопрос безопасности и скорости обработки документов всегда встает ребром. Provision OCR — это мощный российский движок для on-premise и private cloud развертывания. ⚡️ 100% локальности: данные не покидают ваш сервер. ⚡️ Скорость: обработка <3 сек/страница на GPU 2070 и выше, Поддержка CPU , точность до 99% ⚡️ Быстрая и бесшовная интеграция через REST API + gRPC. ⚡️ Поддержка разных документов на русском языке: договоры, счета и другие. 💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs 💻 Примеры кода на GitHub: https://github.com/orgs/Provision-Labs/repositories #OCR #ProvisionOCR #Документы #Разработка #Python #AI #OnPremise

⚡️ 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

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.

Яндекс запускает юбилейный сезон Тренировок по алгоритмам 🎉 Интенсив продлится две недели и охватит три крупные темы с видеоуроками, практическими задачами и их разборами. В этот раз разбираем темы, которые часто спрашивают на алгоритмических собеседованиях разработчиков: 🔹 Стеки: вызов функций, рекурсия, арифметические выражения, скобочные последовательности, поиск ближайших меньших элементов. 🔹 Очереди, деки, кучи: научимся реализовывать структуру данных для очереди разными способами 🔹 Сортировки: разберемся, как устроены сортировки внутри, как их реализовать, что такое «устойчивость» и в каких случаях какую сортировку нужно выбирать Выбери свой вариант участия: 🔸 Тренировка — решай задачи в своём темпе и получи сертификат о прохождении курса. 🔸 Соревнование — проверь себя на задачах, приближенных к интервью, соревнуйся с другими участниками и получи шанс попасть на офлайн-интенсив в Москве. Среди участников, решивших все задания, разыграют 30 карьерных консультаций, а лучшие на офлайн-интенсиве смогут попасть на пробные собеседования. Старт сезона — 4 сентября. Участие бесплатное, но необходимо подать заявку.

🐧 Сегодня Linux исполняется 35 лет 25 августа 1991 года Линус Торвальдс впервые публично рассказал о своём «небольшом хобби-проекте». Прошло 35 лет - и Linux стал фундаментом серверов, облаков, Android, суперкомпьютеров и огромной части современной инфраструктуры. В честь дня рождения Linux собрали 10 GitHub-репозиториев, которые реально помогают его изучать: 1. Linux Upskill Challenge Практический курс по Linux-серверам, SSH, systemd, процессам и администрированию. https://github.com/livialima/linuxupskillchallenge 2. The Art of Command Line Командная строка, Bash, pipes, grep, awk, sed и куча полезных CLI-приёмов. https://github.com/jlevy/the-art-of-command-line 3. linux-insides Один из лучших проектов для изучения внутреннего устройства Linux kernel. https://github.com/0xAX/linux-insides 4. DevOps Exercises Сотни практических задач по Linux, networking, systemd, storage и troubleshooting. https://github.com/bregman-arie/devops-exercises 5. tldr-pages Короткие и понятные примеры использования Linux-команд. https://github.com/tldr-pages/tldr 6. Bash Handbook Хорошая база по Bash scripting: переменные, циклы, функции, условия и pipes. https://github.com/denysdovhan/bash-handbook 7. The Book of Secret Knowledge Огромная коллекция Linux/Unix/DevOps шпаргалок, one-liners и инструментов. https://github.com/trimstray/the-book-of-secret-knowledge 8. strace Отличный способ понять Linux через системные вызовы и отладку процессов. https://github.com/strace/strace 9. systemd Для тех, кто хочет глубже разобраться в services, units, journal и устройстве современного Linux userspace. https://github.com/systemd/systemd 10. Linux Kernel Исходный код самого Linux. Финальный уровень, если хочется посмотреть, как всё устроено на самом деле. https://github.com/torvalds/linux Если не знаете, с чего начать: Linux Upskill Challenge → Art of Command Line → Bash → strace → linux-insides → kernel. С днём рождения, Linux. Неплохо для проекта, который начинался как «просто хобби» 🐧

Python, который мы заслужили!

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.

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