Python/ django

⚡️ 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

Интегрируйте OCR в ваш Python-продукт за 15 минут 🚀

Создаёте SaaS, автоматизируете B2B или собираете ИИ-агентов на Python? Забудьте про облачные костыли и отправку конфиденциальных данных на чужие сервера!

Provision OCR — российский движок для локального распознавания документов в защищенном контуре.

⚡️ Python-friendly: интеграция через REST API и gRPC для FastAPI, Django или Flask.
⚡️ Docker-ready: быстрый запуск в один контейнер без сложной настройки окружения.
⚡️ 100% локальности: полное соответствие требованиям безопасности.
⚡️ Производительность: от <3 сек/стр. на GPU (RTX 2070+) или работа на CPU, точность до 99%.
⚡️Готовые шаблоны любых документов на русском: договоры, счета-фактуры и другие.

💻 Пример интеграции с Django:
https://github.com/Provision-Labs/Django_OCR_UI

💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs

#Python #Django #FastAPI #OCR #ProvisionOCR #Backend #OnPremise #AI #DevOps #OpenSource #ИИ

⚡️ 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.

🖥 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