Python Portal

F = q(E + v \times B) Наблюдать, как сила Лоренца из абстракции из учебника превращается в 30 000 об/мин в реальном времени — чистый дофамин. В какой-то момент поток магнитного поля уже воспринимается как физическое размытие. Большинство видит «крутящуюся игрушку», но по факту это векторное произведение скорости и магнитного поля, дающее силу, создающую момент на якоре. Это и есть практическое проявление уравнений Максвелла — не формулы, а реальная физика в работе. Это демонстрация базового принципа работы коллекторных электродвигателей постоянного тока. 👉 @PythonPortal

MIT сделал ход, который ставит под сомнение ставки индустрии на рост контекстного окна. Они решили проблему памяти не увеличением «окна», а сменой модели работы с данными. Проблема. У любой модели есть предел — контекстное окно. При его переполнении возникает деградация качества: факты теряются, связи между частями текста исчезают, ответы становятся хуже. Это называют «деградацией контекста». Что делали раньше. RAG (генерация с извлечением): - документ режется на чанки - хранится во внешнем хранилище - перед запросом извлекаются «релевантные» куски Проблемы: - извлечение делает предположение до чтения - ошибки в выборе → модель не видит нужные данные - связи между частями документа разрушаются Подход MIT. Документ не помещается в контекст вообще. Он хранится вне модели, например как переменная. Модели сообщается, что данные существуют и как к ним обращаться. Дальше модель: - пишет код для поиска - использует регулярные выражения - извлекает нужные фрагменты - подгружает только релевантные части Ключевой момент. Обработка становится рекурсивной: - модель находит релевантные участки - запускает подзадачи (сабагенты) для их анализа - агрегирует результат Нет сжатия, нет потерь, нет переполнения контекста. Результаты. - обработка до ~10 млн токенов - значительный прирост качества на задачах с длинным контекстом - стоимость сопоставима с обычными запросами Вывод. Фокус смещается: не «сколько текста держать в голове», а «как эффективно к нему обращаться». Модель начинает работать как разработчик с доступом к данным: поиск → извлечение → анализ → агрегация. Ссылки: - Статья: http://arxiv.org/abs/2512.24601 - Код: http://github.com/alexzhang13/rlm 👉 @PythonPortal

Райан — лучший, делает божью работу 👉 @PythonPortal

Разработчик на Rust фактически «убил» Headless Chrome. Проект называется Obscura — браузер без графического интерфейса с открытым исходным кодом, изначально заточенный под ИИ-агентов и масштабный скрейпинг. Chrome vs Obscura: - Память: 200MB+ → 30MB - Бинарник: 300MB+ → 70MB - Загрузка страницы: 500ms → 85ms - Старт: 2s → мгновенно - Антидетект: отсутствует → встроен Один бинарник. Без Node, без Chrome, без зависимостей. Стелс-режим: → Рандомизация отпечатка на каждую сессию (GPU, canvas, аудио, батарея) → 3 520 трекер-доменов заблокированы по умолчанию → navigator.webdriver замаскирован под реальный Chrome → Маскирование нативных функций, чтобы детекторы не могли их определить Подменяет Puppeteer и Playwright через протокол отладки Chrome. Без изменений кода. Если используются агенты или серьёзный скрейпинг в масштабе — репозиторий даёт прямую выгоду. Полностью open source. 👉 @PythonPortal

Совет на 2026 год — переходите в ML. Пока обычные разрабы конкурируют с ИИ-копилотами, ML-инженеры эти самые нейронки создают. В эпоху нейростей это самые востребованые люди в мире программирования. Зарплаты мидлов начинаются от 250 000 ₽, а у сеньоров в BigTech доходят до 700 000 ₽. А чтобы освоить его всего за 4 месяца без лишней суеты — изучите канал Артема Алехина. Его бэкграунд: Руководитель команды в Сбере, валютная удаленка. К 22 годам вышел на доход 1 000 000+ ₽ в месяц. На канале вы найдёте: — Всё про самые востребованные стеки(Python, ИИ-агенты, NLP) и почему математика — это не страшно, если учить только нужное. — Как оформить резюме, чтобы оно пролетало через любые LLM-фильтры и ATS-системы прямо к тимлидам. — Скрипты переговоров, которые помогли его ученикам прыгнуть с 0 до 360к всего за 8 месяцев. Во времена острой нехватки ML-разработчиков, это лучшее время, чтобы перекатиться. Переходи и изучай: https://t.me/+w33eYYK1a2kwOWI6

Набор из 54 компонентов анимации загрузки в терминальном стиле для React Native и Expo, реализованных полностью на тексте без нативных зависимостей. Разделены на четыре категории: Braille, ASCII, стрелки и Emoji. Работают только на Text и setInterval, без использования нативных модулей. Можно просто скопировать нужный компонент из src/components/spinners — подходит для сценариев вроде стриминга вывода ИИ-агентов, интерфейсов в стиле CLI и подобных задач. ❤️❤️ 👉 @PythonPortal

HTML заходит в 3D? Или наоборот? С новым HTML in Canvas от WICG теперь можно напрямую размещать нативные DOM-элементы внутри сцен WebGL / WebGPU. Пока это экспериментальная фича, но потенциал для 3D-интерфейсов и визуальных эффектов значительный. Этот демо-проект собран на Three.js и Omma AI (инструмент от Spline). Новый способ посмотреть, на что способен веб. Интересно посмотреть демо? 👉 @PythonPortal

😆😆😆 👉 @PythonPortal

Редакторы Markdown — это текстовые инструменты, которые позволяют быстро форматировать контент с помощью простого синтаксиса — широко используются как де-факто язык для структурирования промптов и вывода в AI 😎 👉 @PythonPortal

GPT Image 2 + Codex: или как сделать так, чтобы Codex не был слаб в UI. Шаг 1: Сгенерировать изображение интерфейса (это нативно поддерживается в Codex) Шаг 2: Попросить Codex реализовать UI по этому референсу Шаг 3: Гонять итерации, пока результат не будет максимально совпадать с изображением Codex слабо справляется со стартовым UI, но хорошо реализует интерфейс по референс-дизайну. Поэтому рабочий подход такой: сначала делаешь несколько итераций через модель генерации изображений, потом Codex уже нормально собирает UI по готовому референсу. 👉 @PythonPortal

😁😁😁 👉 @PythonPortal

Стек AI/ML — это многослойный набор инструментов, покрывающий полный воркфлоу разработки моделей 😎 👉 @PythonPortal

Сталкивался с тем, как безопасно шарить API-ключи внутри команды? Файл .env хранит конфигурацию вроде API-ключей и URL базы данных в открытом виде. Поэтому коммит в git приводит к утечке всех секретов. Обычно файл добавляют в .gitignore, а креды раздают вручную через Slack или менеджеры паролей. Со временем секреты расползаются по разным местам без единого источника истины. dotenvx решает это, шифруя .env через криптографию с открытым ключом. Можно коммитить зашифрованный файл в git, а команде нужен только приватный ключ (хранится в .env.keys, который в .gitignore) для расшифровки при запуске приложения. Ключевые возможности: • Работает с Python, Node, Go, Ruby, Rust и другими через единый CLI • Шифрует .env с использованием той же криптографии, что и Bitcoin (secp256k1) • Разделяет окружения через .env.production, .env.staging и .env.ci 👉 @PythonPortal

😡😡😡 👉 @PythonPortal

Быстрый совет по Code, о котором ты можешь не знать: содержимое скобок и строк можно выделить простым двойным кликом 🖱 👉 @PythonPortal

Бывший исследователь MIT Исаак Фримен бросил PhD и выложил роадмап на 50 000 GPU H100 для эмуляции полноценного человеческого мозга. Он описал полный путь — от червя с 302 нейронами до человека с 86 миллиардами нейронов. Стоимость коннектомики сейчас оценивается примерно в $100 за нейрон, и основным узким местом остаётся сбор данных с помощью продвинутых микроскопов — у «цифровых людей» появился реалистичный таймлайн. https://pdf.isaak.net/thesis 👉 @PythonPortal

👉 @PythonPortal

Google DeepMind выпустили, пожалуй, самый тревожный отчёт по кибербезопасности за год. Они описали поверхность атак, о которой почти не говорят в контексте ИИ. Сайты уже умеют определять, что к ним пришёл агент, и отдавать ему совсем другой контент, чем человеку. - скрытые инструкции в HTML - вредоносные команды в пикселях изображений - джейлбрейки, зашитые в PDF Эта «асимметрия детекции» означает: пользователю показывается нормальный контент, а агенту — скрытый и вредоносный. Агент не понимает, что его обманывают. Он просто обрабатывает вход и действует. Вот поверхность атак, о которой мало говорят: → косвенные веб-инъекции: инструкции, спрятанные в HTML-комментариях, CSS-трюках или тексте «белым по белому» → мультимодальная стеганография: команды, закодированные прямо в пикселях изображений, невидимые человеку, но читаемые моделями зрения → джейлбрейки в документах: инструкции, спрятанные глубоко в PDF, таблицах и календарных событиях → отравление памяти: внедрение ложных данных, которые сохраняются и влияют на будущие сессии → атаки на утечку данных: агент вынуждается отправлять приватную информацию на контролируемые атакующим эндпоинты → каскады между агентами: худший сценарий — агент A скомпрометирован, передаёт «яд» агенту B, затем C, и заражается весь пайплайн из-за доверия между агентами Самая отрезвляющая часть отчёта: защита серьёзно отстаёт. Санитизация входа не работает — пиксели нельзя «очистить». Инструкции уровня промпта вроде «игнорируй подозрительные команды» не помогают — атаки маскируются под легитимные. Человеческий контроль невозможен на скоростях и масштабах, на которых работают агенты. Если агенту поручить анализ 50 сайтов, невозможно проверить, одинаковый ли контент получил агент и пользователь. 👉 @PythonPortal

Как работает DNS за 60 секунд: Что такое DNS: система доменных имён. Ты вводишь http://xyz.com в браузере. Но интернет не понимает доменные имена — он работает с IP-адресами. Вот что происходит под капотом: 1. Браузер спрашивает: «Где находится http://xyz.com?» 2. Резолвер DNS у провайдера проверяет кэш. Если запрос уже был — отвечает сразу. Если нет — начинает опрос. 3. Запрос к корневому серверу имён → «Не знаю, спроси у сервера зоны .com» 4. Запрос к серверу зоны .com → «Не знаю, спроси у авторитетного сервера для http://xyz.com» 5. Авторитетный сервер отвечает: «http://xyz.com = 203.0.113.47» 6. Резолвер кэширует ответ и возвращает его браузеру 7. Браузер подключается к 203.0.113.47 — сайт загружается Всё это происходит за миллисекунды. Каждый раз при открытии сайта. И когда DNS ломается — не работает ничего. Ни сайты, ни приложения. Даже если сервер полностью исправен. Поэтому фраза «всегда виноват DNS» — одна из самых часто повторяемых в ИТ. 👉 @PythonPortal

👊👊👊 👉 @PythonPortal