⚡️ Qwen-Image за 6 шагов: Viggle ускорили генерацию и редактирование в 5 раз

Viggle выложили Qwen-Image-2.1-viggle-turbo v0.2, дистиллированную версию Qwen-Image-2.1. Вместо 40 шагов модели хватает 6 проходов, и end-to-end это примерно в 5 раз быстрее. Умеет text-to-image и редактирование по инструкции с 1–3 референсами, причём без CFG.

Дистиллировали через DMD2 с distribution matching в стиле SenseFlow. Распространяется как LoRA поверх базовой модели: rank 256 на 1,3 ГБ или rank 128 на 680 МБ.

По качеству на 96 пользовательских запросах разнообразие держится на 0,98 от базы, а композиция ни разу не разошлась с оригиналом. Пик памяти в ComfyUI около 26 ГБ VRAM на 1248×832.


https://huggingface.co/Viggle/Qwen-Image-2.1-viggle-turbo

@Python_Community_ru

🐍 В Python 3.15 решили мягко «похоронить» re.match()

re.match() никуда не удаляют, но для нового кода его теперь рекомендуют не использовать.

Причина простая: название функции часто сбивает с толку. re.match() проверяет совпадение только с начала строки, хотя по имени это неочевидно.

В Python 3.15 появился более явный вариант:

re.prefixmatch()

Теперь логика выглядит понятнее:

- re.search() — ищет совпадение в любом месте;
- re.prefixmatch() — только с начала строки;
- re.fullmatch() — вся строка должна совпасть полностью.

re.match() получил статус soft deprecated: он остаётся рабочим, без warning и без планов на удаление, но новый код лучше писать без него.

Проверять старое использование можно через Ruff и правило TID251.

Статья: https://hugovk.dev/blog/2026/soft-deprecating-re-match/

@Python_Community_ru

🖥 Примеры кода на Python 2026: лучшие практики, разбор и задачи с решениями

Python примеры кода 2026 - практическое руководство на русском языке: разбор лучших примеров кода на Python, современные паттерны Python 3.12–3.14, чистый код, асинхронность, типизация, тестирование и задачи для практики с решениями. Подходит для начинающих, junior- и middle-разработчиков, а также для подготовки к собеседованию по Python.

Ключевые темы: примеры кода Python, лучшие практики Python 2026, python для начинающих, задачи по Python с решениями, чистый код на Python, асинхронный Python, asyncio примеры, типизация в Python, pytest примеры, FastAPI пример, парсинг на Python, подготовка к собеседованию Python, Python 3.14 новые

https://github.com/justxor/python-primery-koda-2026/

@Python_Community_ru

🖥 Cayu - open-source runtime для долгоживущих ИИ-агентов на Python

Проект закрывает инфраструктурную часть работы агентов: управление состоянием, инструментами, правами доступа, секретами и восстановлением после сбоев.

Возможности:

- долговечные сессии, события и контрольные точки;
- возобновление, прерывание и разветвление запусков;
- типизированные инструменты, политики и подтверждения действий;
- лимиты расходов и учёт стоимости запусков;
- работа с субагентами и фоновыми задачами;
- управление контекстом и его сжатие;
- изолированные окружения, хранилища и секреты;
- трассировка, тесты и evals;
- панель управления на FastAPI;
- OpenAI, Anthropic, Bedrock, Vertex и OpenAI-совместимые API.

Минимальный запуск:


pip install cayu pytest
cayu new myagent
cd myagent
pytest
cayu eval run


https://github.com/cayu-dev/cayu

@Python_Community_ru

webAI выпустила TwIL-LM3-Pro - компактную модель на 3,66B параметров специально для формальной логики.

Модель построена на базе IBM Granite 4.2 3B и дообучена для задач вроде:

- проверки, следует ли вывод из заданных предпосылок
- перевода текста в формальную логику
- semantic parsing
- формализации и критики доказательств в Lean

По тестам webAI, TwIL-LM3-Pro примерно на уровне Qwen3-8B по главному composite-метрику формальной логики, при этом параметров у неё меньше чем вдвое. Также она обходит публичный VibeThinker-3B по всем шести заявленным formal-задачам.

- 3,66B параметров
- Q4 GGUF весит всего 2,09 GiB
- достаточно около 4 GB VRAM
- можно запускать через llama.cpp
- данные остаются локально

Это не универсальный чат-бот, а узкоспециализированная reasoning-модель. Лицензия — non-commercial.

https://huggingface.co/webAI-Official/TwIL-LM3-Pro

@Python_Community_ru

🐍 Python тормозит? В 3.15 добавили инструмент, который покажет где

Tachyon (`profiling.sampling`) периодически снимает стек вызовов и определяет, где программа тратит время.

Работает отдельным процессом, с минимальным влиянием на приложение. Можно подключиться к запущенному сервису без перезапуска и изменения кода.

Что умеет:

• Строить flame graphs и тепловые карты строк.
• Показывать нагрузку в реальном времени.
• Анализировать asyncio, ожидание I/O и удержание GIL.

Подключение к процессу по PID:


python3.15 -m profiling.sampling attach 12345


🎙 В Talk Python разработчики рассказывают, как устроен профилировщик и как применять его на практике:

https://talkpython.fm/episodes/show/565/tachyon-python-3.15s-built-in-sampling-profiler

@Python_Community_ru

‍🖥 Python-дайджест недели: PyPy 8 с Python 3.12, отладка None и фреймворки для агентов

PyPy 8.0 выпустил первый интерпретатор с поддержкой Python 3.12, пока в бете, и подтянул совместимость с CPython.
https://pypy.org/posts/2026/09/pypy-v800-release.html

nonetrace при падении на None показывает, какая функция его вернула, и подсказывает исправление. Экономит кучу времени на отладке.
https://pypi.org/project/nonetrace/

since-cutoff находит API ваших зависимостей, которые поменялись после даты обучения вашей coding-модели, и генерирует по ним документацию. Хорошее лекарство от галлюцинаций Copilot и Claude Code на свежих библиотеках.
https://github.com/MohammadHijjawi97/since-cutoff

Hardware-agnostic модели в vLLM. Разбор от PyTorch о том, как vLLM запускает одни и те же модели на разных ускорителях без переписывания кода.
https://pytorch.org/blog/hardware-agnostic-models-in-vllm/

Bad evals, my own. Честный текст о том, как LLM-судьи выдают противоречивые оценки и вводят в заблуждение метриками. Пять упражнений на собственных ошибках.
https://digline.dev/blog/bad-evals-my-own/

CinderX от Meta: JIT и Static Python против CPython 3.14 на реальном сервисе.
https://dev.to/deadlovelll/speeding-up-a-python-service-with-cinderx-jit-and-static-typing-53bh

Из проектов для агентов стоит взглянуть на Strands harness-sdk, открытый SDK для продакшен-агентов на Python и TypeScript с любой моделью и облаком, и на DeepTeam, фреймворк для red-teaming LLM и агентов.
https://github.com/strands-agents/harness-sdk
https://github.com/confident-ai/deepteam

Для обучения пригодятся OpenArch с современными LLM-архитектурами, написанными с нуля на PyTorch, и Reef, инфраструктура для continual learning и самоулучшающихся агентов.
https://github.com/anuj0456/OpenArch
https://github.com/Human-Agent-Society/reef

И приятная мелочь: домен subprocess.run ведёт прямо на документацию subprocess.run().

https://pythonhub.dev/digest/2026-10-04/

@Python_Community_ru

🐍 Python Workers в Cloudflare вышли в GA

Cloudflare официально сделала Python полноценным поддерживаемым языком для Workers. Теперь Python-код можно запускать в production на edge-инфраструктуре Cloudflare и напрямую связывать с Workers AI, R2, D1, Hyperdrive, Durable Objects, Queues и Workflows.

Что добавили:

- поддержка FastAPI, Django, Flask и других ASGI/WSGI-фреймворков;
- нативные Python bindings без ручной конвертации объектов в JavaScript;
- работа с PostgreSQL и MySQL через Hyperdrive;
- поддержка сетевых библиотек и TCP-сокетов;
- возможность запускать OpenAI SDK, LangChain и MCP прямо внутри Python Workers.

Под капотом Python запускается через Pyodide/WebAssembly, а для пакетов с C/C++/Rust-расширениями Cloudflare продвигает стандарт PyEmscripten / PEP 783.

Можно собирать на Python API, AI-агентов, MCP-серверы, RAG и event-driven пайплайны без отдельного сервера.

Анонс Cloudflare - https://blog.cloudflare.com/python-workers-ga/

@Python_Community_ru

‍Python 3.15 почти готов: вышел RC3, финальный релиз 9 октября

Python 3.15.0rc3 вышел 2 октября. Третий кандидат понадобился из-за нескольких блокирующих багов в ленивых импортах, которые решили обязательно закрыть до релиза. Финальная версия ожидается 9 октября. ABI больше не изменится, так что мейнтейнерам библиотек самое время собирать колёса под 3.15.

Главное, что войдёт в релиз:


lazy import torch # PEP 810: модуль загрузится только при первом обращении

cfg = frozendict(lr=3e-4) # PEP 814: неизменяемый и хешируемый словарь

flat = [*row for row in matrix] # PEP 798: распаковка прямо в генераторах списков


Ленивые импорты вслепую ускоряют запуск CLI и скриптов, где тянется тяжёлый стек вроде torch или pandas. Для ML-кода это, пожалуй, самое заметное изменение.

UTF-8 стал кодировкой по умолчанию на всех платформах, включая Windows, и проблема с open() без encoding= наконец уходит в прошлое.

Ещё в релизе встроенный тип sentinel, новый семплирующий профайлер Tachyon в отдельном пакете для профилирования и улучшенные сообщения об ошибках. Экспериментальный JIT даёт 7–8% прироста на x86-64 Linux, а frame pointers включены по умолчанию, поэтому профилировать через perf станет проще.

Для free-threaded сборок появился стабильный ABI, то есть шаг к Python без GIL в продакшене. В типизации добавили TypedDict с типизированными дополнительными ключами и TypeForm.

Это всё ещё релиз-кандидат, так что в прод пока не стоит. Но погонять тесты своих проектов на нём самое время.

https://www.python.org/downloads/release/python-3150rc3/

@Python_Community_ru