Computer Use Preview

Google открыла Computer Use Preview — инструмент для браузерной автоматизации на базе Gemini 2.5

Google выложила в открытый доступ Computer Use Preview — ИИ-инструмент, который управляет браузером по описанию на естественном языке. Он может сам искать, кликать, заполнять формы и выполнять сложные сценарии без кода.

Работает на Playwright и Browserbase, поддерживает скриншоты, подсветку курсора и интеграцию с Gemini API и Vertex AI.

📁 Language: #Python 100.0%

⭐️ Stars: 931

➡️ Cсылка на GitHub

📱 @git_developer

LeetGPU Challenges

LeetCode для GPU-разработчиков

Если хочешь прокачать навыки GPU-программирования не только по теории, но и на практике — зацени LeetGPU Challenges.

Это подборка задач разной сложности с подробными описаниями, тестами и шаблонами под разные GPU-фреймворки.

📁 Language: #Python 72.1%

⭐️ Stars: 170

➡️ Cсылка на GitHub

📱 @git_developer

PaddleOCR

Совсем недавно Baidu выложила в открытый доступ свою самую мощную мультимодальную модель для понимания документов — PaddleOCR-VL.

При размере всего 0,9 млрд параметров она побила рекорд OmniBenchDoc, заняв первое место в мире и показав SOTA по всем четырем основным метрикам, обойдя такие модели, как GPT-4o, Gemini-2.5 Pro, MinerU2.5 и dots.ocr.

Почему это важно

В эпоху ИИ ценность структурированных данных из документов очевидна, но качество распознавания у разных OCR-инструментов сильно разнится.
Многие документы содержат сложные таблицы, формулы или много­колоночные макеты, и традиционные OCR-модели часто выдают мусор, который потом приходится вручную править.
PaddleOCR-VL решает эту проблему кардинально.

Что умеет модель

Это самый мощный производный вариант Wenxin 4.5.
Она набрала 92.6 балла в глобальном тесте OmniDocBench v1.5, заняв 1-е место по совокупной производительности.
Скорость инференса выросла на 14,2% по сравнению с MinerU2.5 и на 253,01% по сравнению с dots.ocr.

Но это не просто OCR, который извлекает текст. Модель реально понимает структуру документа.
Научные статьи, газеты с несколькими колонками, техотчеты — всё это она разбирает корректно, восстанавливая правильный порядок контента.

Что можно извлекать

Модель точно парсит таблицы, математические формулы, рукописные заметки, данные из графиков и диаграмм, конвертируя всё это в готовые к использованию структурированные данные.

Поддерживается 109 языков, включая китайский, английский, французский, японский, русский, арабский, испанский и другие.
Это сильно прокачивает возможности модели при работе с многоязычными документами.

Модель уже выложена в open source, поддерживает несколько вариантов деплоя и доступна для тестирования прямо на HuggingFace.

📁 Language: #Python 77.0%

⭐️ Stars: 57.5k

➡️ Cсылка на GitHub

📱 @git_developer

Ducky

Ежедневная работа сетевых инженеров часто превращается в жонглирование кучей разных инструментов — SSH-клиенты, сетевые сканеры, калькуляторы подсетей и прочее. Всё это утомляет и снижает эффективность.

Посмотри на Ducky — это open-source десктопное приложение, которое объединяет десяток привычных инструментов для сетевиков в одном интерфейсе. Установил — и можно сразу работать.

Ducky не просто поддерживает мультипротокольные терминальные подключения, но и автоматически сканирует сеть, определяет топологию и строит наглядные схемы. Вдобавок там есть полноценный набор инструментов для безопасности.

📁 Language: #Python 99.0%

⭐️ Stars: 362

➡️ Cсылка на GitHub

📱 @git_developer

GPU Hot

Когда приходится следить за несколькими GPU-серверами, подключаясь к каждой машине по SSH, постоянно переключаться между ними — то ещё удовольствие.

GPU Hot — опенсорс-утилита, которая решает эту проблему. С ней можно мониторить и управлять всеми GPU прямо из браузера, в едином интерфейсе.

Инструмент умеет не только в реальное время показывать состояние всех видеокарт на одной машине, но и работать в кластерном режиме, собирая данные со всего парка серверов. Вся информация выводится в виде наглядных графиков и таблиц.

📁 Language: #JavaScript 57.3%, #Python 28.5%

⭐️ Stars: 646

➡️ Cсылка на GitHub

📱 @git_developer

OSX-PROXMOX

Если ты собираешься взять себе Mac, но раньше не пользовался macOS и не уверен, подойдет ли она тебе,

можешь попробовать её через OSX-PROXMOX — это open-source инструмент, который позволяет запустить macOS на любом ПК с AMD или Intel.

Всё настраивается одной командой: автоматическая установка и конфигурация, поддержка систем от macOS High Sierra до последней Sequoia.

В комплекте идёт OpenCore 1.0.4 загрузчик — с улучшенной безопасностью и совместимостью. Можно даже поднять macOS на облачном сервере.

Есть подробный гайд по устранению проблем и проверке совместимости железа — достаточно установить Proxmox VE и запустить одну команду.

📁 Language: #Python 23.7%

⭐️ Stars: 5.4k

➡️ Cсылка на GitHub

📱 @git_developer

Scrapling

Самое раздражающее в написании парсеров это обновления сайта. Как только страница меняется, старые селекторы ломаются, и приходится заново разбирать структуру и дебажить код.

Недавно я наткнулся на Scrapling это open source-библиотека адаптивного парсера, которая решает эту проблему. Она умеет автоматически переназначать элементы, если структура сайта изменилась.

Кроме того, Scrapling может отслеживать изменения в расположении элементов и имеет встроенные механизмы обхода антибот-защиты: маскировку TLS-отпечатков, обход Cloudflare и другие. Благодаря этому парсер работает стабильнее и надежнее.

После установки через pip нужно дополнительно выполнить scrapling install, чтобы скачать зависимости для браузера. Если занимаешься веб-скрейпингом — стоит глянуть.

📁 Language: #Python 97.8%

⭐️ Stars: 7.8k

➡️ Cсылка на GitHub

📱 @git_developer

persepolis

Когда скачиваешь большие файлы или хочешь сохранить видео с сайтов вроде YouTube, стандартный загрузчик браузера часто тупит: медленно качает, обрывает соединение и заставляет всё начинать заново.

Попробуй Persepolis Download Manager — это опенсорсный загрузчик, который заметно ускоряет и упрощает работу с файлами.

Он поддерживает многопоточные загрузки (до 64 одновременных соединений), что не только ускоряет скачивание, но и даёт продвинутые инструменты для планирования задач и управления очередями.

📁 Language: #Python 99.7%

⭐️ Stars: 7k

➡️ Cсылка на GitHub

📱 @git_developer

DeepAnalyze

Обычно анализ данных - от чистки и исследования до моделирования, визуализации и написания отчётов отнимает кучу времени. Особенно когда приходится возиться с кучей файлов разных форматов. Это тот ещё гемор.

К счастью, я наткнулся на опенсорсный проект DeepAnalyze, который позволяет ИИ полностью самостоятельно пройти весь цикл data science, реально без участия человека.

Он построен на DeepSeek-R1 и использует подход curriculum learning при обучении. Поддерживает весь пайплайн: подготовку данных, анализ, моделирование, визуализацию и генерацию отчётов.

Инструмент умеет работать с разными типами данных — базы данных, CSV, Excel, JSON, XML и в итоге генерирует профессиональные исследовательские отчёты.

📁 Language: #Python 94.9%

⭐️ Stars: 874

➡️ Cсылка на GitHub

📱 @git_developer

Math-To-Manim

Раньше, чтобы сделать интерактивные анимации для обучения математике или физике, приходилось использовать профинструменты вроде Manim + разбираться с рендерингом формул в LaTeX, движениями камеры и прочими тонкостями.

Теперь, с открытым инструментом Math-To-Manim, можно автоматически сгенерировать полноценную интерактивную анимацию по простому однофразовому описанию.

Инструмент сам анализирует концепции и постепенно выстраивает материал до нужной темы, автоматически создавая контент: подробные формулы LaTeX, раскадровку сцен и прочее — весь процесс полностью автоматизирован.

📁 Language: #Python 71.8%

⭐️ Stars: 1.2k

➡️ Cсылка на GitHub

📱 @git_developer

agent-lightning

Когда делаешь агентные приложения и хочешь, чтобы они сами учились и прокачивались на реальных данных во время работы, всё упирается в сложную реализацию.

Microsoft недавно выкатили в опенсорс проект под названием Agent Lightning. Он сильно снижает порог входа и позволяет без боли добавить самооптимизацию агентам.

Нужно всего лишь добавить простые события для трекинга, и можно подключать разные алгоритмы: обучение с подкреплением, автооптимизацию промптов, supervised fine-tuning и прочее. Агент будет становиться умнее прямо в проде.

Плюс он дружит со всеми основными фреймворками для агентов: LangChain, AutoGen, CrewAI и даже обычные питоновские проекты поддерживает.

Архитектура легковесная, почти не лезет глубоко в исходники. Ставится через pip, а у ребят уже есть нормальные примеры и полная документация.

📁 Language: #Python 99.0%

⭐️ Stars: 3.4k

➡️ Cсылка на GitHub

📱 @git_developer