pythonl

Google выпустили TranslateGemma открытые модели перевода на базе Gemma 3 Google представили TranslateGemma набор open source переводчиков построенных на Gemma 3 Что важно это не чат LLM который может переводить а отдельная линейка моделей именно под перевод доступны размеры 4B 12B 27B поддержка 55 языков фокус на практичности можно запускать на разном железе и встраивать в приложения Идея простая сделать качественный машинный перевод доступным и открытым чтобы разработчики могли использовать модели локально в продуктах и сервисах без привязки к закрытым API Ещё один шаг к тому что перевод становится базовой функцией прямо внутри открытых моделей Анонс blog google innovation and ai technology developers tools translategemma HF huggingface co collections google translategemma pythonl

CPython может получить обязательную зависимость от Rust к версии Python 3 17 Эмма Смит и Кирилл Подопригора из core team Python опубликовали предварительное предложение Pre PEP в котором описывается план постепенного внедрения Rust в кодовую базу CPython На первом этапе Rust хотят использовать для необязательных модулей стандартной библиотеки находящихся в каталоге Modules Дальше больше если эксперимент окажется успешным то к выходу Python 3 17 Rust может стать обязательной сборочной зависимостью Это позволит улучшить безопасность производительность и надёжность низкоуровневых частей интерпретатора Подробнее peps python org pep 0011 pythonl

PSF отвергла грант 1 5 млн на усиление безопасности PyPI Python Software Foundation отказалась от гранта Национального научного фонда США на 1 5 млн из за условий запрещающих любые инициативы которые продвигают или поддерживают DEI Ограничение распространялось не только на работы по гранту а на всю деятельность организации в период действия финансирования что создавало юридические и финансовые риски Почему отказали Условия противоречат миссии PSF где ценности разнообразия равенства и инклюзивности закреплены явно В случае трактовки нарушения NSF может потребовать вернуть уже израсходованные средства Организация не готова сворачивать DEI политику ради получения финансирования На что планировалось потратить деньги Построить проактивную защиту PyPI проверка пакетов до публикации а не после Автоматическое ревью с анализом функциональности и сигнатур типовых вредоносных техник Инструменты пригодные для адаптации в других экосистемах пакетов вроде npm и crates io Контекст Сумма для PSF заметная бюджет порядка нескольких миллионов долларов в год при небольшой команде Отказ это выбор в пользу долгосрочного доверия сообщества и сохранения открытой инклюзивной культуры Вывод Безопасность экосистемы приоритет но не ценой отказа от базовых принципов PSF продолжит укреплять защиту цепочки поставки Python пакетов без компромиссов с миссией Новость pyfound blogspot com 2025 10 NSF funding statement html pythonl

В 2026 во Владимирской области у Yandex Cloud появится новая зона доступности на базе нового дата центра Яндекса прямо рядом с уже действующим ЦОД Мощность 40 МВт Задержка между зонами 1 мс канал до 25 6 Тб с Для ваших СУБД и бэкендов на Python Django это значит запросы летят почти мгновенно транзакции проходят без подвисаний а системы бронирований и ритейл работают бесперебойно Каналы связи между зонами полностью независимы отказоустойчивость на высоте

Внимание: фишинг-атака на разработчиков Python. Злоумышленники рассылают поддельные письма от имени PyPI с домена pypj.org, требуя "подтвердить email". Уже пострадал популярный пакет num2words 3M+ загрузок/месяц — через захваченные аккаунты были выпущены вредоносные обновления. Атака повторяет недавний инцидент с NPM, где скомпрометировали пакеты с 100M+ загрузок в неделю. Ссылка - клик

Microsoft: до 30 % кода уже пишет AI На конференции LlamaCon CEO Microsoft Сатья Наделла объявил, что от 20 % до 30 % кода в репозиториях компании сегодня «написаны программным обеспечением», то есть с использованием искусственного интеллекта. ## Ключевые моменты - Зависимость от языка. Лучшие результаты при генерации — на Python, более слабые — на C++. - Интеграция на всех этапах. AI применяется не только для генерации чернового кода, но и для его ревью. - Сравнение с конкурентами. Google уже сообщает о более 30 % AI-сгенерированного кода, Meta прогнозирует до 50 % при разработке своих языковых моделей. - Долгосрочная перспектива. По прогнозам CTO Microsoft, к 2030 г. доля AI-генерируемого кода может вырасти до 95 %. - Ограничения метрик. Пока не до конца ясно, что именно учитывается в «AI-коде» автодополнение, шаблоны, бизнес-логика , поэтому цифры стоит воспринимать с осторожностью. ## Почему это важно 1. Ускорение разработки. Рутинные задачи автоматизируются, разработчики получают больше времени на архитектуру. 2. Новый уровень качества. Автоматическое ревью помогает быстрее находить ошибки, но требует строгой проверки. 3. Риски безопасности. Сгенерированный код нуждается в дополнительном анализе на уязвимости. 4. Эволюция ролей. Разработчики всё больше становятся архитекторами и аудиторами, а не «создателями» кода.

Mistral OCR – это новый высокоточный и мультимодальный API, предназначенный для всестороннего анализа документов. Он работает с изображениями и PDF, возвращая результат в виде упорядоченного, структурированного вывода, где текст и визуальные элементы перемежаются в соответствии с исходной структурой документа. Согласно внутренним тестам, Mistral OCR достигает 94.89% точности, опережая Google Document AI 83.42% и Azure OCR 89.52% . Система способна обрабатывать 2000 страниц в минуту в том числе на русском языке на одном вычислительном узле, предлагая функцию "doc-as-prompt" для использования документов в качестве инструкций. Полученные данные могут быть структурированы в формат JSON. Mistral OCR доступен в Le Chat и через API на la Plateforme. mistral.ai Вот колаб, в котором всё, что вам нужно для запуска: — Вставить API в строку api_key его можно получить бесплатно ; — Загрузить файл в левую папку и заменить pdf_file = Path на имя вашего документа. На выходы вы получите текст, изображения и таблицы — а таблицы всегда были для меня особенно сложными. #mistral #ocr

AlphaFold 3 — новейшая версия модели искусственного интеллекта на Python от DeepMind и Isomorphic Labs, предназначенная для предсказания структуры и взаимодействий биомолекул, таких как белки, ДНК, РНК и лекарственные вещества. AlphaFold 3 построена на усовершенствованной архитектуре предыдущей версии AlphaFold 2 и показывает значительное улучшение точности — до 50% в предсказании взаимодействий различных типов молекул. Это открытие позволяет ученым моделировать сложные молекулярные комплексы для биологических исследований, разработки лекарств и новых методов лечения заболеваний. Пакет AlphaFold 3 включает в себя все необходимое для теоретического моделирования структуры белка. Для запуска системы необходимо сконфигурировать входной файл JSON, содержащий информацию о белке, например, его идентификатор и аминокислотную последовательность. Вместе с программным конвейером инференса доступна подробная документация по входным и выходным данным системы, решению известных проблем, настройкам производительности и установке с последующим запуском с помощью Docker. Для локального использования понадобится ОС Linux AlphaFold 3 не поддерживает другие операционные системы примерно 1 ТB дискового пространства для хранения генетических баз данных рекомендуется SSD , 64 GB RAM, GPU NVIDIA с Compute Capability 8.0 или выше. Исходные данные, содержащие 5120 токенов, могут поместиться на одном NVIDIA A100 80 ГБ или одном NVIDIA H100 80 ГБ. Получение параметров модели возможно через подачу заявки в Google DeepMind, доступ предоставляется в течении 2-3 дней по итогам рассмотрения обращения. Любая публикация, основанная на результатах, полученных с использованием AlphaFold 3, должна ссылаться на статью «Accurate structure prediction of biomolecular interactions with AlphaFold 3». AlphaFold 3 не является официально поддерживаемым продуктом Google и ее результаты не предназначены, не проверены и не одобрены для клинического использования. Лицензирование: CC-BY-NC-SA 4.0 Техотчет Demo GitHub

GitHub выпустили свой ежегодный отчет об индустрии опенсорса. — В связи с развитием ИИ-ассистентов разработчики активно переходят с JavaScript на Python; — За 2024 год команды внесли 5,2 миллиарда изменений в 518 миллионов проектов; — Ожидается, что к 2028 году Индия превзойдет США по числу разработчиков; — Благодаря доминированию Python использование Jupyter Notebooks увеличилось почти вдвое +92% . — 6 место по количеству разработчиков на GitHub заняла Россия. Полный отчет