sam-3d-objects

Вчера Meta выложила в открытый доступ модель SAM 3D. Новость практически утонула на фоне хайпа вокруг Gemini 3 Pro, но ей точно стоит уделить внимание.

Когда человек видит какой-то предмет и хочет получить из него 3D модель, классические инструменты моделирования оказываются слишком сложными и требующими долгого обучения. А фотографировать объект со всех ракурсов — ещё тот гемор.

А вот SAM 3D Objects от Meta умеет собирать полноценную 3D модель по одной единственной фотографии. Причём сразу с формой, текстурами и пространственной позицией.

Модель уверенно работает в реальных условиях. Даже если объект частично закрыт, очень маленький или кадр забит деталями, она всё равно корректно реконструирует его. Плюс умеет восстанавливать несколько объектов одновременно и сохранять их взаимное расположение в сцене.

Кроме модели есть онлайн-демо и примеры в Jupyter. Результат можно экспортировать в формат 3D Gaussian Splatting, чтобы дальше спокойно работать с ним в пайплайне.

После установки зависимостей всё запускается прямо из коробки. Подходит для e-commerce, интерьерки, быстрого создания ассетов для игр или любых сценариев, где нужна быстрая генерация 3D по фото.

📁 Language: #Python 98.0%

⭐️ Stars: 2.3k

➡️ Cсылка на GitHub

📱 @git_developer

MobiAgent

Посмотрел MobiAgent. Это опенсорс фреймворк на GitHub, и выглядит он реально круто. Он позволяет ИИ управлять телефоном почти как живой пользователь, выполняя довольно сложные сценарии.

У них есть готовое приложение, куда можно просто ввести команду, и оно само выполнит нужные действия. Есть поддержка запоминания пользовательских предпочтений, кастомизации пайплайнов выполнения и даже параллельной обработки задач.

Самое интересное, что внутри есть модуль извлечения опыта, который автоматически оптимизирует планирование на основе предыдущих задач. То есть агент со временем реально учится и адаптируется.

📁 Language: #Python 61.9%

⭐️ Stars: 486

➡️ Cсылка на GitHub

📱 @git_developer

Compounding Engineering Plugin

Когда используешь ИИ для разработки, самая сложная часть обычно не в том, чтобы писать код, а в том, чтобы заставить ИИ строго соблюдать существующие инженерные стандарты команды, а не генерировать что попало каждый раз.

Недавно наткнулся на open-source проект Compounding Engineering Plugin. Он предлагает довольно жёсткий рабочий цикл Plan-Work-Review, который помогает делать так, чтобы каждая итерация разработки с участием ИИ улучшала качество кода, а не плодила техдолг.

Это не просто память или сохранение контекста. На этапе Plan плагин глубоко анализирует кодовую базу, выявляет паттерны и генерирует подробный issue. Дальше разработка происходит в изолированной среде (worktree), а затем результат проходит ревью сразу более чем у 10 специализированных агентов.

Самая интересная часть — механизм Review. Там есть такие агенты, как security-sentinel (безопасность) и performance-oracle (производительность). Они ведут себя как опытные инженеры и буквально устраивают полноценную проверку кода.

Если хочется, чтобы Claude Code был не просто генератором кода, а дисциплинированным виртуальным коллегой, который не только пишет, но и умеет сам себя проверять — этот плагин однозначно стоит изучить.

📁 Language: #Python 60.1%

⭐️ Stars: 2k

➡️ Cсылка на GitHub

📱 @git_developer

argos-translate

Если пользоваться Google, DeepL или онлайн-переводчиками на базе ИИ, всегда есть риск утечки чувствительных данных, а офлайн такие сервисы вообще недоступны.

Недавно наткнулся на офлайн-переводчик с открытым исходным кодом на Python: Argos Translate. Все данные обрабатываются локально, никуда не отправляются.

Поддерживает перевод между 40+ языками — китайский, английский, японский, французский, немецкий, испанский и другие. Если прямой модели нет, автоматически делает перевод через промежуточный язык, например испанский → английский → французский.

Работает как Python-библиотека, CLI-утилита и GUI-приложение. Есть поддержка GPU, умеет переводить HTML и разные документ-форматы, а также предоставляет онлайн-демку.

Если нужен офлайн-перевод или хочется поднять свой приватный переводчик ради защиты данных — проект точно стоит посмотреть.

📁 Language: #Python 94.7%

⭐️ Stars: 5.1k

➡️ Cсылка на GitHub

📱 @git_developer

Paper2All

После того как заканчиваешь писать научную работу, самый болезненный этап обычно — промо. Нужно делать проектный сайт, рисовать постер, монтировать видео, писать посты для соцсетей — и всё это иногда утомляет сильнее самой статьи.

Случайно наткнулся на Paper2All — открытый инструмент для академической продуктивности, который по одному загруженному PDF автоматически генерирует полный набор промо-материалов.

Он создаёт интерактивный сайт, научный постер, промо-видео, текст для соцсетей и прочее. Можно задать свои размеры постера, а для видео выбрать, нужен ли цифровой диктор.

Инструмент даже умеет генерировать посты под конкретные площадки вроде Twitter или Xiaohongshu, подстраивая стиль под платформу.

Достаточно развернуть у себя локально — есть подробная инструкция. Поддерживаются API моделей OpenAI, OpenRouter и другие.

Если у тебя вышла научная статья и нужно быстро собрать промо-пакет, чтобы повысить охват и видимость — эта штука серьёзно экономит время.

📁 Language: #Python 80.2%

⭐️ Stars: 275

➡️ Cсылка на GitHub

📱 @git_developer

MLE-agent

Когда делаешь ML-проект, весь цикл обычно разваливается на постоянные прыжки между инструментами: подготовка данных, обучение модели, отладка, оптимизация. В итоге теряется куча времени.

На GitHub попался MLE-Agent — опенсорсный AI-ассистент, сделанный специально под задачи ML-инженеров.

Он умеет по нечётким требованиям собирать базовый ML-пайплайн, а ещё способен самостоятельно участвовать в Kaggle: от подготовки данных и тренировки модели до финальной отправки сабмита.

Внутри есть интеграция с Arxiv и Papers with Code, так что он может искать релевантные статьи. При ошибках пробует сам разобраться и подсказать фикс. Может даже генерировать недельные отчёты по проделанной работе.

Есть интерактивный CLI-чат, и можно подключить OpenAI, Claude или локальную модель через Ollama.

Если ты регулярно работаешь с ML-процессами и хочешь помощника, который соберёт базовую модель, подправит код и найдёт нужные статьи — этот проект стоит попробовать.

📁 Language: #Python 96.0%

⭐️ Stars: 1.4k

➡️ Cсылка на GitHub

📱 @git_developer

qxresearch-event-1

При изучении Python часто становится скучно: сидишь перед толстыми туториалами, строчишь код, а ощущения быстрого результата почти нет. Хотя на самом деле многие полезные вещи делаются буквально в несколько строк.

Как раз на GitHub наткнулся на проект qxresearch-event-1, который продвигает идею «минимализма». В нём собрано 50+ Python-приложений, каждое из которых запускается примерно из 10 строк кода.

Покрытие очень широкое: от базовых задач вроде шифрования PDF и объединения файлов до более продвинутых вещей — GUI-интерфейсы, диктофон, а также автоматизация почты и голосовой ассистент на базе ChatGPT.

Такой короткий и плотный код отлично подходит для чтения и разбора. Плюс к каждому примеру есть видеоразбор, который помогает быстро понять логику каждой строки.

Достаточно простой настройки окружения, и всё сразу запускается. Подойдёт и новичкам, которые ищут практику, и опытным разработчикам, которым нужен набор удобных скриптов на каждый день.

📁 Language: #Python 100%

⭐️ Stars: 2.1k

➡️ Cсылка на GitHub

📱 @git_developer