Находки в опенсорсе: мир питона за август 2026 Знаете, что будет, если скормить Python 3.14.0 всего пару строчек? Интерпретатор молча падает в core dump, и виной тому ленивые аннотации, которые когда-то прикручивали к CPython не самым простым способом. А по соседству народ увлечённо спорит про PEP 805, в котором Марк Шенон предлагает научить саму виртуальную машину приглядывать за потоками, потому что без этого возиться с многопоточностью в питоне по-прежнему муторно. И всё это только начало, потому что за тот же август Amazon успел прибрать к рукам чужие имена пакетов на PyPI, над JIT в CPython снова навис топор, а релизов от wemake-python-styleguide до django-modern-rest набежало столько, что перечислять устанешь.

⚡️ PyTorch 2.14 получил нормальную fault tolerance для distributed training В больших distributed-задачах падение одного rank обычно означало неприятный сценарий: уничтожить process group, перезапустить его и потерять уже прогретое состояние по всему кластеру. В PyTorch 2.14 fault tolerance становится частью c10d. Теперь Backend и ProcessGroup получают API для reconfiguration in-place - группу можно перестраивать на месте, не снося весь distributed runtime целиком. Что добавили: - in-place reconfiguration для ProcessGroup; - abort hooks; - pre/post collective hooks; - поддержку fault tolerance в Gloo вместе с nccl2; - документированные API для reconfigure. Это особенно важно для больших training jobs: чем больше кластер, тем дороже полный restart после одного сбоя. Пока есть важная оговорка — в релизе API помечен как unstable, так что интерфейсы ещё могут меняться. Подробнее: https://pytorch.org/blog/pytorch-2-14-release-blog/

Давно недолюбливаю Elasticsearch, который мы используем на vc.ru и DTF для поиска. Уж слишком сложно выжать из него хороший результат для контентного поиска. И тут мы в рамках эксперимента попробовали поиск по векторам — прототип получился классный. Прикрутили еще и AI-ассистента, который отвечает на какие-то осмысленные вопросы, помогая искать нужный контент. Но. Ожидание: будешь работать над тем, как обучать модельку хорошим ответам, добавлять побольше хорошего контекста, выцеплять что-то интересное из дискуссий. Реальность: половину времени пытаешься придумать, как фильтровать поисковые фразы пользователей, которые уже через час после релиза пытаются узнать у модели что-нибудь запрещенное про крипту, казино и прочее.

Про ИИ и его принятие график. График демонстрирует прямую корреляцию между долей разработчиков в штате и уровнем внедрения искусственного интеллекта в компаниях США по секторам экономики. Основные оси и параметры * Ось X (горизонтальная): Доля разработчиков ПО от общего числа сотрудников в секторе (Software developers as % of employees), от 0% до 12%. * Ось Y (вертикальная): Процент компаний в отрасли, внедривших ИИ (AI adoption, % of companies), от 0% до 50%. * Красный пунктир: Линия тренда, показывающая сильную положительную связь — чем выше концентрация технических специалистов, тем активнее отрасль берет на вооружение технологии ИИ. Ключевые выводы по секторам * Лидеры внедрения (правый верхний квадрант): Сектор информационных технологий (Information) лидирует с большим отрывом: разработчики составляют почти 11% штата, а уровень внедрения ИИ превышает 40%. За ним следуют профессиональные услуги (Professional services) — около 6,5% программистов и более 40% внедрения. * Специфика финансовых услуг (Finance): Финансовый сектор внедряет ИИ заметно активнее (около 37%), чем предполагает общая линия тренда при его относительно скромной доле разработчиков (~3%). Это объясняется ранними инвестициями в алгоритмический трейдинг, скоринг и анализ рисков. * Традиционные отрасли (левый нижний кластер): Производство (Manufacturing), транспорт (Transportation), здравоохранение (Health care) и смежные секторы имеют низкую долю программистов (менее 1–1,5%) и, как следствие, относительно невысокий уровень внедрения ИИ (в диапазоне 10–25%). --- * В секторах вроде финансов внедрение ИИ часто идет через покупку готовых корпоративных платформ и API, что снижает потребность в собственной огромной армии программистов для базовой автоматизации. * Разрыв между ИТ-сектором и тяжелой индустрией в графике отражает так называемое "бутылочное горлышко данных": на производстве или в логистике критически сложнее оцифровать физические процессы, чем программный код или тексты. * В 2026 году появление автономных кодинг-агентов начало менять эту пропорцию: малые команды инженеров получают возможность разворачивать решения масштаба прежних ИТ-отделов.

6 лет разработки после работы - и первая игра наконец вышла в Steam Rogue Blight - roguelite с souls-like боями и картой в духе Slay the Spire. Проходи постоянно меняющиеся уровни, подстраивай билд под находки. Смерть сурово наказывается. Вперёд ведут только навыки и упорство. Разработчик Rogue Blight шесть лет делал свою первую игру параллельно с работой на полной ставке. Проект занял огромное количество вечеров и выходных, а за это время было немало моментов, когда он всерьёз сомневался, что вообще сможет довести игру до релиза. Несмотря на постоянные задержки, переработки и усталость, разработку удалось закончить. Для автора это не просто очередной релиз, а завершение проекта, который занимал значительную часть его жизни на протяжении нескольких лет. Теперь Rogue Blight официально вышла в Steam. Автор пишет, что до последнего с трудом верил, что когда-нибудь сможет сказать эти слова, и считает релиз исполнением своей давней мечты. Хорошее напоминание о другой стороне инди-разработки: не каждый проект растёт за несколько месяцев и собирает десятки тысяч вишлистов. Иногда главный результат — просто дойти до релиза после шести лет работы и не бросить игру по дороге. Ссылка на игру #инди | Telegram | YouTube | чат

Или вот, пример, взял видео которое я уже постил в канал (https://t.me/denissexy/6193), с интерактивным механическим экраном из Амстердама, конвертировал в текст и попросил сделать мне интерактивный веб-механизм который покажет как экран устроен То есть я взял видео, прогнал через Whisper, получил голландский текст, и в итоге она собрала мне этот же механизм – за 15 минут в Codex Я не знаю что будет дальше, но это уже больше чем мне нужно для любого проекта в любом виде И так в любой задаче: – она может и потренировать модели сама – и уйти использовать компьютер на ночь ковыряя там какие-то вещи решая задачу через Computer Use – и разобраться в монорепе легаси без дополнительных каких-то спек Мне кажется, разработка софта постепенно умирает – теперь и уже какое-то вопрос, не вопрос как получить софт, а за что именно платит пользователь и где пользователь увидел рекламу этого софта С каждым релизом все больше в этом убеждаюсь – наверное, начало сингулярности выглядит как-то так иначе как оно еще моглы бы выглядеть

🥴 Люди слишком рано начинают делать приложение красивым. Потому что в голове мы обычно сразу представляем конечную версию. Дизайн, анимации, переходы и вот это вот всё. И, естественно, хочется сразу собирать именно её. Но таким образом мы сильно усложняем себе жизнь. Ты одновременно решаешь две сложные задачи: как всё должно работать и как всё должно выглядеть. ✂️ Я стараюсь всегда их разделять. Сначала делаю так, чтобы всё просто работало, и на внешний вид в этот момент почти забиваю. 🙈 Первая версия YHub выглядела ужасно А Qipli сначала вообще был набором всплывающих окошек. 🤷‍♂️ Зато когда я понял, что History работает, Paste Stack работает, картинки работают и вся логика нормально связана, можно спокойно заняться второй задачей — сделать Qipli таким, каким я его себе представлял. 😍 И вот это разделение на «сначала работает» и «потом красиво» очень сильно ускоряет разработку. 🎁 Новая версия Qipli уже раскатана на всех. Жмите Check for Updates или ждите, пока приложение само предложит обновиться. А если еще не ставили — попробуйте и потом напишите, как вам. 😉 Свята место | 10МДК | YHub

На этом видео с WWDC 2026 показано, как агентный AI целиком работает на Mac: агент думает, вызывает инструменты, читает файлы, собирает проект - и модель при этом крутится на вашем железе. Без облака, без API-ключей, без счётчика токенов. Что внутри: - три команды - и любой агент (OpenCode, Xcode, свой скрипт) переключён на локальную модель - агент собирает SwiftUI-приложение с нуля за две минуты и сам чинит ошибки сборки - Xcode подключается к локальной модели и исправляет баг прямо в IDE - если модель не влезает в 512 ГБ, её раскладывают по нескольким Mac через Thunderbolt Русские субтитры с подсветкой слов сделали с Claude Code: транскрипция, перевод, вшивание - тоже полностью локально. 13 минут. Сергей Булаев AI 🤖 - об AI и не только