Python RU
Відкрити в 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
Показати більше
Сітка:📈 Аналітичний огляд Telegram-каналу Python RU
Канал Python RU (@pro_python_code) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 12 330 підписників, посідаючи 10 140 місце в категорії Технології та додатки та 52 291 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 12 330 підписників.
За останніми даними від 25 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -30, а за останні 24 години на -2, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.85%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.15% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 968 переглядів. Протягом першої доби публікація в середньому набирає 388 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 4.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як api, docker, github, sql, linux.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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”
Завдяки високій частоті оновлень (останні дані отримано 26 жовтня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
12 330
Підписники
-224 години
-37 днів
-3030 днів
Завантажуємо дані
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+46
в 0 каналах
вересень '26
+55
в 0 каналах
Get PRO
серпень '26
+43
в 0 каналах
Get PRO
липень '26
+40
в 0 каналах
Get PRO
червень '26
+31
в 0 каналах
Get PRO
травень '26
+27
в 0 каналах
Get PRO
квітень '26
+18
в 0 каналах
Get PRO
березень '26
+32
в 1 каналах
Get PRO
лютий '26
+32
в 0 каналах
Get PRO
січень '26
+38
в 1 каналах
Get PRO
грудень '25
+38
в 0 каналах
Get PRO
листопад '25
+89
в 0 каналах
Get PRO
жовтень '25
+57
в 0 каналах
Get PRO
вересень '25
+79
в 1 каналах
Get PRO
серпень '25
+66
в 1 каналах
Get PRO
липень '25
+288
в 3 каналах
Get PRO
червень '25
+86
в 1 каналах
Get PRO
травень '25
+68
в 0 каналах
Get PRO
квітень '25
+165
в 0 каналах
Get PRO
березень '25
+85
в 2 каналах
Get PRO
лютий '25
+142
в 0 каналах
Get PRO
січень '25
+172
в 0 каналах
Get PRO
грудень '24
+310
в 4 каналах
Get PRO
листопад '24
+190
в 0 каналах
Get PRO
жовтень '24
+367
в 2 каналах
Get PRO
вересень '24
+348
в 3 каналах
Get PRO
серпень '24
+477
в 2 каналах
Get PRO
липень '24
+305
в 2 каналах
Get PRO
червень '24
+296
в 10 каналах
Get PRO
травень '24
+388
в 36 каналах
Get PRO
квітень '24
+430
в 43 каналах
Get PRO
березень '24
+511
в 20 каналах
Get PRO
лютий '24
+632
в 3 каналах
Get PRO
січень '24
+549
в 44 каналах
Get PRO
грудень '23
+543
в 40 каналах
Get PRO
листопад '23
+205
в 2 каналах
Get PRO
жовтень '23
+174
в 6 каналах
Get PRO
вересень '23
+438
в 0 каналах
Get PRO
серпень '23
+540
в 0 каналах
Get PRO
липень '23
+362
в 0 каналах
Get PRO
червень '23
+748
в 0 каналах
Get PRO
травень '23
+350
в 0 каналах
Get PRO
квітень '23
+148
в 0 каналах
Get PRO
березень '23
+210
в 0 каналах
Get PRO
лютий '23
+356
в 0 каналах
Get PRO
січень '23
+187
в 0 каналах
Get PRO
грудень '22
+117
в 0 каналах
Get PRO
листопад '22
+267
в 0 каналах
Get PRO
жовтень '22
+933
в 0 каналах
Get PRO
вересень '22
+485
в 0 каналах
Get PRO
серпень '22
+411
в 0 каналах
Get PRO
липень '22
+636
в 0 каналах
Get PRO
червень '22
+1 029
в 0 каналах
Get PRO
травень '22
+1 476
в 0 каналах
Get PRO
квітень '22
+1 378
в 0 каналах
Get PRO
березень '22
+751
в 0 каналах
Get PRO
лютий '22
+205
в 0 каналах
Get PRO
січень '22
+241
в 0 каналах
Get PRO
грудень '21
+193
в 0 каналах
Get PRO
листопад '21
+900
в 0 каналах
Get PRO
жовтень '21
+697
в 0 каналах
Get PRO
вересень '21
+142
в 0 каналах
Get PRO
серпень '21
+315
в 0 каналах
Get PRO
липень '21
+503
в 0 каналах
Get PRO
червень '21
+1 124
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 26 жовтня | +2 | |||
| 25 жовтня | 0 | |||
| 24 жовтня | +3 | |||
| 23 жовтня | +4 | |||
| 22 жовтня | +3 | |||
| 21 жовтня | +1 | |||
| 20 жовтня | +1 | |||
| 19 жовтня | +2 | |||
| 18 жовтня | +6 | |||
| 17 жовтня | +9 | |||
| 16 жовтня | +1 | |||
| 15 жовтня | +1 | |||
| 14 жовтня | 0 | |||
| 13 жовтня | 0 | |||
| 12 жовтня | +3 | |||
| 11 жовтня | +1 | |||
| 10 жовтня | 0 | |||
| 09 жовтня | +1 | |||
| 08 жовтня | +3 | |||
| 07 жовтня | 0 | |||
| 06 жовтня | +1 | |||
| 05 жовтня | +1 | |||
| 04 жовтня | 0 | |||
| 03 жовтня | +1 | |||
| 02 жовтня | +1 | |||
| 01 жовтня | +1 |
Дописи каналу
| 2 |  Python 🥇🥇🥇 | 577 |
| 3 | В PyPI-пакет и Docker-образ с LiteLLM подставлено вредоносное ПО
Зафиксирована публикация в репозитории PyPI вредоносного выпуска библиотеки LiteLLM, насчитывающей 23 млн загрузок в неделю, а также подстановка вредоносного кода в официальный Docker-образ проекта. Это не первый подобный инцидент с LiteLLM - в марте этого года атакующие уже публиковали вредоносные выпуски после перехвата учётных данных сопровождающего. На этот раз атакующие разместили версию LiteLLM 1.107.0, в которую был встроен вредоносный код для организации удалённого выполнения команд, а также поиска и отправки учётных данных, ключей и токенов доступа.
Полный текст:
https://opennet.ru/66525/
https://opennet.me/66525/ | 866 |
| 4 |  Как закомментировать в Python: 5 способов для строки и нескольких строк
Как закомментировать в Python одну или несколько строк: 5 способов, горячие клавиши в VS Code, PyCharm, IDLE и Jupyter, docstring и частые ошибки.
https://uproger.com/kak-zakommentirovat-v-python/ | 982 |
| 5 |  🔧 Google открыла Harness²: ИИ-агент сам улучшает свою рабочую среду
Результат агента зависит не только от модели, но и от её окружения: системного промпта, инструментов, памяти, навыков и субагентов. Всё это называют harness.
Harness² позволяет менять эту конфигурацию под новую задачу без переобучения модели.
Агент предлагает правки, пробует несколько вариантов на одной задаче, сравнивает поведение запусков и собирает улучшенную конфигурацию. Для этого ему не нужен заранее известный правильный ответ или внешний проверяющий.
После задачи система сохраняет выбранную конфигурацию и выводы, подтверждённые запусками. Следующий цикл улучшений начинается уже с этим опытом.
В тестах с Gemini 3.5 Flash и GLM-5 один шаг улучшения дал прирост до 11,5 балла на WorkBuddy-Bench, 4,5 балла на JobBench и 11,8 процентного пункта по partial pass rate на LAB. Дополнительные итерации повышали результаты.
Конфигурации можно проверять параллельно или дорабатывать последовательно. Поддерживаются OpenCode и Codex.
https://github.com/google-research/harness2
@ai_machinelearning_big_data
#harness | 953 |
| 6 |  👾 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 | 712 |
| 7 | 🧪 Добавил соль в воду. Python посчитал свойства раствора.
pyEQL позволяет работать с водными растворами как с Python-объектами: задаёте вещества и их концентрации, получаете расчётные характеристики.
Что умеет:
• Считать плотность, электропроводность и осмотическое давление.
• Определять активности ионов и коэффициенты диффузии.
• Работать с концентрированными растворами благодаря модели Питцера.
• Учитывать единицы измерения через pint.
Внутри есть база физико-химических свойств и параметров моделей. Если данных недостаточно, библиотека переходит к более простым и менее точным методам расчёта.
Полезный инструмент для моделирования химии воды и растворов электролитов.
https://github.com/KingsburyLab/pyEQL | 660 |
| 8 |  🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
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
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. | 614 |
| 9 |  Немає тексту... | 894 |
| 10 |  Браузерные агенты изнутри: как ИИ кликает по сайтам вместо вас
Как браузерный ИИ-агент видит страницу, выбирает действие и кликает: архитектура, цикл observe-think-act, код на Playwright и защита от prompt injection.
https://uproger.com/kak-rabotayut-brauzernye-ii-agenty/ | 1 120 |
| 11 |  Что нового в Python 3.15? Ленивые импорты, frozendict и JIT быстрее на 12%
Python 3.15 вышел, и в нём много полезного для разработчиков. Ленивые импорты ускоряют запуск, появились frozendict и sentinel, UTF-8 теперь включён по умолчанию, а JIT ускоряет код на 7–12%. Ещё в релизе профилировщик Tachyon, который подключается к живому процессу, новые возможности typing и стабильный ABI для сборок без GIL. Перед обновлением проверьте зависимости и тесты.
Полный разбор: https://uproger.com/python-3-15-chto-novogo/
Видео: https://uproger.com/python-3-15-chto-novogo/
#python #python315 #программирование #разработка #jit | 1 150 |
| 12 |  🐍 Python умеет сравнивать числа как в математике
Проверку диапазона можно записать короче:
# Вместо
if 60 < heart_rate and heart_rate < 100:
print("В пределах диапазона")
# Пишем
if 60 < heart_rate < 100:
print("В пределах диапазона")
Это цепочка сравнений: оба условия должны выполняться. Границы включаются привычным способом:
0 <= score <= 100
💡 Есть полезная тонкость: в 60 < get_value() < 100 функция вызывается только один раз. А если повторить вызов по обе стороны and, она может выполниться дважды. | 1 304 |
| 13 |  Hugging Face исследовали multi-harness RL: обучение с подкреплением сразу через Claude Code, Codex, OpenCode и Mini-SWE-Agent.
Для этого объединили три проекта:
• OpenEnv записывает обращения к модели, токены и вероятности генерации.
• Harbor запускает одинаковые задачи в контейнерах через разные обвязки.
• TRL использует собранные данные для обучения.
Каждая обвязка сохраняет собственные инструменты, промпты и цикл работы. Модель учится внутри настоящих агентов.
По данным авторов, у LFM2.5-2.6B доля тестовых задач, решённых с первой попытки, выросла с 42,2% до 54,2%. Улучшения появились во всех четырёх обвязках. На задачах, которые решили обе версии модели, обученная использовала на 31% меньше вызовов инструментов.
Эксперимент ограничен одним семейством задач, но показывает перспективный подход: адаптацию к разным обвязкам можно закладывать прямо в обучение.
📖 Руководство: https://huggingface.co/spaces/FineEnvs/multi-harness-rl | 1 293 |
| 14 |  DeepSeek Harness вышел на десктоп: плагины без терминала и задачи по расписанию
DeepSeek выпустила превью Harness v0.2 с десктопным приложением для macOS и Windows: менеджер плагинов, режим создателя, задачи по расписанию и планы на маркетплейс.
https://uproger.com/deepseek-harness-desktop/ | 1 448 |
| 15 | Пишем игру на Python: неоновая аркада с разбором кода и ИИ
Pygame часто считают библиотекой для школьных проектов, и зря. На нём за вечер собирается динамичная аркада с неоновой графикой, частицами, тряской камеры и волнами врагов, которая выглядит как маленькая инди-игра.
В этой статье мы напишем такую игру на Python с нуля, разберём каждый важный кусок кода и покажем, как ускорить разработку с помощью ИИ-ассистентов и грамотных промптов.
В конце вас ждёт полный код, который можно скопировать и сразу запустить.
https://uproger.com/pishem-igru-na-python-neonovaya-arkada-s-razborom-koda-i-ii/ | 1 412 |
| 16 |  Немає тексту... | 1 307 |
| 17 |  Немає тексту... | 1 369 |
| 18 |  🐧 Linux Cheat Sheet - шпаргалка по командам Linux
Самая удобная шпаргалка по Linux и Bash на русском: теория простым языком (как устроены файлы, процессы, права, память, загрузка и сеть), команды терминала, права доступа, процессы, сеть, SSH, systemd, grep/sed/awk, Vim и готовые однострочники - с примерами.
А для тех, кто идёт дальше, - продвинутый уровень: Bash для профи, LVM и RAID, трассировка и производительность, ядро, безопасность, контейнеры, восстановление системы и вопросы с собеседований.
https://github.com/justxor/Linux-/ | 1 372 |
| 19 |  10 агентов Claude теоретически обошли алгоритм Дейкстры
В Vals AI запустили 10 агентов Claude Opus 5.5, которые за 15 часов и 733 сообщения разработали алгоритм C-HD для поиска кратчайших путей в ориентированных графах.
Для графов с определённой плотностью сложность снизилась с O(n log n) у Дейкстры до O(n log¹¹⁄¹² n). Корректность и оценка времени работы формально подтверждены доказательством в Lean.
Но это пока теоретический результат. Алгоритм не тестировали на крупных реальных графах, константы велики, а улучшение действует только в ограниченном диапазоне входных данных.
Главное здесь другое: группа ИИ-агентов смогла самостоятельно разработать алгоритм и подготовить его формальное доказательство всего за 15 часов.
https://www.vals.ai/blogs/faster-shortest-path-algorithm | 1 347 |
| 20 |  🌟 Prism ML собрала тернарную версию Qwen3.8-27B
Bonsai 2 27B - сжатая Qwen3.8-27B, которая занимает 5,9 ГБ против примерно 54 ГБ у исходной модели в FP16 и сохраняет 98,2% её среднего результата на бенчмарках.
Prism ML - американский стартап из команды Калтеха, вышедший из стелс-ркжима весной 2026 года с анонсом первой версии моделей Bonsai.
Основатель и руководитель - профессор Калтеха Бабак Хассиби, специалист по теории сжатия. Среди инвесторов стартапа Cerberus, Google и Samsung.
Модель рассчитана на локальный запуск на потребительском оборудовании, имеет контекст в 262 тысячи токенов и может обрабатывать изображения и вызывать инструменты.
Целевые сценарии - агенты в редакторе кода, работа с компьютером, разбор документов без отправки их в облако.
Вес в тернарном квантовании хранится не числом, а одним из трёх знаков: минус, ноль или плюс. Сами величины задаются отдельно - веса разбиты на группы по 128, и у каждой группы один общий множитель в FP16.
В пересчёте на один вес это 1,72 бита против 16 у исходной модели. Перед сжатием веса каждой матрицы разворачивают фиксированным преобразованием Адамара, сам разворот вписан в веса, но при работе его нужно повторить на входных данных, иначе модель выдаёт бессмыслицу.
Распознавание картинок сжатие не проходило, лежит отдельным файлом на 0,6 ГБ и подгружается только тогда, когда на вход пришло изображение, так что текстовые задачи его не задействуют.
🟡В релизе три варианта
🟢GGUF в двух упаковках: PTQ1_0 (1,75 бита, 5,95 ГБ, быстрее на картах Ada и L4) и PQ2_0 (2,13 бита, 7,21 ГБ, быстрее на H100 и Blackwell);
🟢сборка под MLX на 8,60 ГБ вместе со зрением;
🟠тестовая упаковка Q2_0 для доработки ядер.
Для GGUF нужен специальный форк llama.cpp от Prism ML, для MLX - загрузчик из самого пакета.
🟡Бенчмарки
Замеры Prism ML считали через EvalScope и vLLM на H100, в режиме рассуждения, всего провели 14 тестов. Сравнивали со сборки той же Qwen3.8-27B в квантованиях UD-Q4_K_XL и IQ2_XXS.
Среднее по всем тестам: 84,78 против 86,32 у FP16 и 72,59 у IQ2_XXS. До четырёхбитной сборки не хватило 0,4 пункта при втрое меньшем размере.
AIME26: 95,83 против 94,58 у FP16 и 57,50 у IQ2_XXS.
LiveCodeBench: 90,07 против 90,05 и 56,40 соответственно.
BFCL v3 (вызов инструментов): 74,92 против 76,74 у FP16.
MMMU-Pro: 75,49 против 81,73.
Скорость генерации на RTX 5090 примерно 129 токенов в секунду, на ноутбучном M5 Pro - 28 токенов в секунду.
📌Лицензирование: Apache 2.0
🟡Блогпост
🟡Веса
🟡Техотчет
🟡Демо на WebGPU
🟡Сообщество в Discord
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #LLM #Bonsai #PrizmML | 1 058 |
