Мир open source world models пополнился по-настоящему сильным новым игроком 😆

У интерактивных world models уже давно была одна и та же проблема: первые несколько секунд всё выглядит отлично, а затем мир незаметно начинает «рассыпаться». Текстуры размазываются, геометрия искажается, постепенно накапливается дрейф.

Новая LingBot-World 2.0 от Robbyant — первая модель, которую я видел, действительно преодолевшая это ограничение. Это каузальная world model, которую можно исследовать в реальном времени в разрешении 720p при 60 FPS. Она прошла стресс-тест в виде одной непрерывной 60-минутной сессии, охватывающей 20 сцен, без каких-либо заметных признаков деградации.

Сохранять согласованность мира так долго — вот где кроется настоящая сложность, и именно этого здесь удалось добиться.
Больше всего меня впечатлил агентный цикл, работающий поверх модели. Во время игры VLM предлагает новые события, а агент-директор постоянно подбрасывает новые активности, благодаря чему мир продолжает разворачиваться, а не остаётся статичным. Перемещение, боевая система, погода по запросу и даже мультиплеер в одном общем мире.

И Robbyant — компания Ant Group, занимающаяся embodied AI, — открыла исходный код проекта, а также опубликовала веса модели. Уже доступна версия на 14B параметров, а в статье также описана версия на 1.3B параметров, рассчитанная на запуск на одной потребительской GPU; для неё также доступны веса и исходный код. Кроме того, есть публичная демо-версия, размещённая их партнёром по запуску — Reactor, — которую можно просто открыть и попробовать.

👉 @PythonPortal

Пробовали когда-нибудь поделиться Python-скриптом с человеком, у которого не установлен Python? В итоге приходится объяснять, как работает pip install, что такое виртуальные окружения и почему именно Python 3.9. Сплошная головная боль.

PyApp решает эту проблему. Он упаковывает Python-приложение в единый исполняемый файл, который при запуске самостоятельно разворачивает необходимое окружение — пользователю не нужно устанавливать Python на свою машину. 💵

👉 @PythonPortal

Выглядит просто невероятно: разработчик успешно подключил старый чековый принтер, заставив его работать под управлением PHP.

Для передачи данных текст разбивается на отдельные байты, после чего каждый байт последовательно отправляется в параллельный порт принтера через каскад транзисторов и несколько GPIO-пинов.

Именно для таких вещей PHP и создавался. 😂

👉 @PythonPortal

Погружаемся с головой в Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision и NLP

Лекции:

https://github.com/kmario23/deep-learning-drizzle

👉 @PythonPortal

В этом репозитории собрана коллекция лучших материалов по PyTorch: https://github.com/ritchieng/the-incredible-pytorch

👉 @PythonPortal

Суперкрутой лайфхак для VS Code 🤟

С помощью highlight row для VS Code можно навсегда подсветить любую строку. Особенно полезно при работе с большими файлами, логами, конфигами или во время код-ревью.

Больше не потеряете важные строки из виду :)

👉 @PythonPortal

Ладно, сам погуглю

👉 @PythonPortal

Создавай Python-пакеты за пару секунд с uv init --package

Python-пакеты позволяют вынести код в переиспользуемые модули и шарить их между проектами.

Обычно это возня с setuptools, настройка билд-системы и разбор всей этой кухни с дистрибуцией.

UV, быстрый установщик и резолвер зависимостей для Python, упрощает всё до двух команд:
• uv init --package сразу поднимает структуру пакета
• uv build и uv publish собирают и отправляют пакет на PyPI

Полная статья: https://bit.ly/3Jyqtok

👉 @PythonPortal

Это всё нам: серия блокнотов Jupyter, которые последовательно знакомят с основами машинного обучения и глубокого обучения на Python с использованием Scikit-Learn и TensorFlow. 🚬

https://github.com/ageron/handson-ml3

👉 @PythonPortal

Чувак заменил Datadog одним бинарником и за одну ночь сократил расходы на инфраструктуру на 98%.

Он называется OpenObserve. Логи, метрики, трейсы и мониторинг фронтенда в одном инструменте с самостоятельным развертыванием. Он создан специально для того, чтобы остановить рост счетов при добавлении каждого нового хоста, пользователя или пользовательской метрики.

→ Один бинарник, запуск менее чем за 2 минуты. Никакого кластера и отдельных компонентов для логов, метрик и трейсов

→ Написан на Rust и использует движок запросов DataFusion, поэтому сохраняет высокую производительность даже при работе с петабайтами данных

→ Использует колоночный формат Parquet и S3-совместимое объектное хранилище вместо проприетарного формата — именно это и обеспечивает основную экономию

→ Запросы выполняются через SQL или PromQL, а не через проприетарный синтаксис вендора, поэтому вашей команде не придётся изучать новый язык запросов только ради просмотра дашбордов

→ Полная совместимость с OpenTelemetry: для подключения уже существующей инструментации не требуются проприетарные агенты

→ Библиотека дашбордов от сообщества на GitHub для Kubernetes, Docker, Postgres, AWS и наблюдаемости LLM — можно сразу подключить вместо того, чтобы создавать всё с нуля

Согласно опубликованному самим OpenObserve бенчмарку, одна и та же нагрузка из 16 сервисов обходилась в $174 в день в Datadog и в $3 в день при самостоятельном развертывании — сокращение на 98%, ещё до учёта платы за каждый хост или пользовательскую лицензию.

Более 18 000 звёзд на GitHub. Один бинарник. Самостоятельное развертывание без платы за каждый хост или пользователя.

Снижение затрат на 98% — серьёзная цифра. Её нужно чем-то подтвердить. 🚬

👉 @PythonPortal

Google представила Open Knowledge Format.

Это открытый стандарт для обмена знаниями между людьми и ИИ-агентами с использованием Markdown.

Идея в том, чтобы он стал живой вики-базой знаний вашей компании, которую ИИ сможет постоянно читать и обновлять.

Именно «живая вики-база знаний»: Google описывает OKF как открытый, переносимый и совместимый формат для хранения контекста, метаданных и курируемых знаний, понятный как людям, так и ИИ-агентам.

По сути, они стандартизировали Obsidian. 😂

👉 @PythonPortal

Агенты не дают сбой из-за одного сообщения.

Сбои возникают в ходе нескольких диалогов, вызовов инструментов и изменений контекста.

Giskard — это Python-библиотека с открытым исходным кодом, созданная специально для тестирования подобных сценариев.

👉 @PythonPortal

Только мы в ней приёмные

👉 @PythonPortal

Открытый-фреймворк для создания голосовых ИИ-агентов, работающих в реальном времени

Pipecat — это Python-фреймворк для оркестрации аудио, видео, ИИ-сервисов, транспортов и диалоговых пайплайнов. Архитектура построена по принципу voice-first и поддерживает подключаемые компоненты.

Что можно создавать:

• голосовых ассистентов;
• ИИ-компаньонов;
• мультимодальные интерфейсы;
• интерактивные истории;
• бизнес-агентов для поддержки клиентов и первичного сбора данных;
• сложные диалоговые системы.

Фреймворк берёт на себя распознавание речи, синтез речи, логику диалога и взаимодействие в реальном времени. Поддержка транспортов WebRTC и WebSocket встроена. Сверхнизкая задержка позволяет вести естественные разговоры.

Почему Pipecat:

• Voice-first: объединяет STT, TTS и обработку диалога в одном фреймворке
• Подключаемая архитектура: поддерживает нескольких поставщиков ИИ-сервисов для каждой возможности
• Компонуемые пайплайны: позволяют собирать сложное поведение из модульных компонентов
• Работа в реальном времени: взаимодействие с низкой задержкой и потоковой передачей аудио и видео

Поддерживаемые сервисы:

• Speech-to-Text: Deepgram, AssemblyAI, OpenAI Whisper, Groq, Azure, AWS, Google и другие
• LLM: OpenAI, Anthropic, Gemini, Groq, Mistral, Ollama, AWS, Azure и другие
• Text-to-Speech: OpenAI, ElevenLabs, Deepgram, Cartesia, Azure, AWS, Google и другие
• Speech-to-Speech: OpenAI Realtime, Gemini Multimodal Live, AWS Nova Sonic, Ultravox, Grok Voice Agent

Недавно автор написал подробный туториал по созданию продакшен-агента голосовой поддержки клиентов. В нём разобраны определение момента передачи реплики, обработка перебиваний, телефонные кодеки и добавление актуального бизнес-контекста в каждый звонок.

Ссылка на статью 😳

👉 @PythonPortal

Целостное руководство по проектированию ML-систем

Практическое руководство по созданию поддерживаемых систем машинного обучения, охватывающее всё — от зависимостей в данных до инструментов MLOps.

Книга Чип Хуен посвящена ключевым архитектурным решениям, необходимым для разработки готовых к промышленной эксплуатации ML-систем, способных работать и масштабироваться под реальной нагрузкой.

👉 @PythonPortal

Энтузиаст создал свой «второй мозг» с помощью Hermes Agent. 😯

Он запоминает людей, компании, проекты и принятые решения. Берёт данные из заметок со встреч, документов и всего, что ему передают, и каждый раз указывает источник.

Это репозиторий под названием Gbrain, который выложил в открытый доступ президент Y Combinator Гарри Тан.
Чтобы установить его, вставьте в Hermes:

> Установи Gbrain, следуя инструкциям из репозитория: http://github.com/garrytan/gbrain. Настрой провайдера эмбеддингов, затем выполни команды gbrain init и gbrain doctor, чтобы проверить корректность установки.

Добавьте MCP-сервер, чтобы Hermes мог обращаться к нему напрямую:

> Добавь MCP-сервер Gbrain в конфигурацию Hermes и перезапусти Hermes, чтобы изменения вступили в силу.

Граф знаний строится автоматически. Система находит связи между людьми и компаниями, которые уже упоминаются в ваших заметках. По их собственному бенчмарку, точность на 31 пункт выше, чем у обычного векторного поиска.

Открытый исходный код. Работает локально, без сервера и Docker.

👉 @PythonPortal