This media is not supported in your browser
VIEW IN TELEGRAM
Python 3.15 beta 1 вышла в релиз 🐍
Это значит, что крупные фичи для релиза фактически зафиксированы. Дальше - бета, тесты, багфиксы и подготовка к финальному релизу.
Что интересного в 3.15:
- lazy imports через ключевое слово lazy
- встроенные frozendict и sentinel
- JIT стал быстрее на x86-64 Linux
- распаковка прямо внутри comprehensions
- новый статистический profiler с низким overhead
- frame pointers включены по умолчанию
Python 3.15.0b1 вышел 7 мая 2026 года, это первая из четырёх запланированных beta-версий и точка feature freeze; финальный релиз запланирован на 1 октября 2026 года.
https://blog.python.org/2026/05/python-3150-beta-1/
Это значит, что крупные фичи для релиза фактически зафиксированы. Дальше - бета, тесты, багфиксы и подготовка к финальному релизу.
Что интересного в 3.15:
- lazy imports через ключевое слово lazy
- встроенные frozendict и sentinel
- JIT стал быстрее на x86-64 Linux
- распаковка прямо внутри comprehensions
- новый статистический profiler с низким overhead
- frame pointers включены по умолчанию
Python 3.15.0b1 вышел 7 мая 2026 года, это первая из четырёх запланированных beta-версий и точка feature freeze; финальный релиз запланирован на 1 октября 2026 года.
https://blog.python.org/2026/05/python-3150-beta-1/
👍4❤1
Just AI Agent Platform теперь доступна в облаке.
Раньше такие платформы чаще были историей для крупного enterprise: долгий запуск, отдельная инфраструктура, большой бюджет на внедрение. Теперь всё проще - зарегистрировался и можно сразу собирать AI-агентов под свои задачи.
Это low-code-платформа, где агентов можно настраивать в конструкторе без полноценной разработки с нуля. Удобно, если нужно быстро проверить гипотезу, собрать прототип и понять, где автоматизация реально даёт пользу бизнесу.
Что можно делать:
• обрабатывать обращения клиентов
• собирать внутренних помощников для сотрудников
• автоматизировать рутину в отделах
• подключать базы знаний через RAG
• интегрироваться с внутренними системами
• использовать разные LLM-модели под конкретные сценарии
Агентные сценарии можно тестировать быстрее, дешевле и без необходимости сразу запускать большой проект разработки.
Попробовать тут
Реклама. ООО «Маинд Крафт», ИНН: 7813286694, erid:2VtzqwzrhUj
Раньше такие платформы чаще были историей для крупного enterprise: долгий запуск, отдельная инфраструктура, большой бюджет на внедрение. Теперь всё проще - зарегистрировался и можно сразу собирать AI-агентов под свои задачи.
Это low-code-платформа, где агентов можно настраивать в конструкторе без полноценной разработки с нуля. Удобно, если нужно быстро проверить гипотезу, собрать прототип и понять, где автоматизация реально даёт пользу бизнесу.
Что можно делать:
• обрабатывать обращения клиентов
• собирать внутренних помощников для сотрудников
• автоматизировать рутину в отделах
• подключать базы знаний через RAG
• интегрироваться с внутренними системами
• использовать разные LLM-модели под конкретные сценарии
Агентные сценарии можно тестировать быстрее, дешевле и без необходимости сразу запускать большой проект разработки.
Попробовать тут
Реклама. ООО «Маинд Крафт», ИНН: 7813286694, erid:2VtzqwzrhUj
❤1🤔1
Forwarded from Искусственный интеллект. Высокие технологии
Пользователи твиттера разгромили картину Клода Моне, так как поверили, что это генерация ИИ:
> Чувак под ником SHL0MS написал, что сгенерировал картину в стиле Моне, и попросил подробно рассказать, чем она уступает настоящему Моне
> Диванные искусствоведы начали критиковать работу со светом, деталями, цветами и так далее
> В итоге оказалось, что это не генерация ИИ, а настоящая картина Клода Моне из цикла «Кувшинки»
> Чувак под ником SHL0MS написал, что сгенерировал картину в стиле Моне, и попросил подробно рассказать, чем она уступает настоящему Моне
> Диванные искусствоведы начали критиковать работу со светом, деталями, цветами и так далее
> В итоге оказалось, что это не генерация ИИ, а настоящая картина Клода Моне из цикла «Кувшинки»
😁17❤3👏3🔥1
🧠 Mercury: Soul-Driven AI Agent
Mercury — это умный AI-агент, который запрашивает разрешения перед выполнением действий и запоминает важные детали. Он работает 24/7 через CLI или Telegram, имеет 31 встроенный инструмент и расширяемые навыки, а также память на основе SQLite.
🚀 Основные моменты:
- Запрашивает разрешения перед выполнением команд.
- Обладает структурированной памятью с автоэкстракцией.
- Легко настраивается и расширяется с помощью пользовательских навыков.
- Работает в фоновом режиме и автоматически перезапускается при сбоях.
- Поддерживает многоканальный доступ через Telegram и CLI.
📌 GitHub: https://github.com/cosmicstack-labs/mercury-agent
#javascript
Mercury — это умный AI-агент, который запрашивает разрешения перед выполнением действий и запоминает важные детали. Он работает 24/7 через CLI или Telegram, имеет 31 встроенный инструмент и расширяемые навыки, а также память на основе SQLite.
🚀 Основные моменты:
- Запрашивает разрешения перед выполнением команд.
- Обладает структурированной памятью с автоэкстракцией.
- Легко настраивается и расширяется с помощью пользовательских навыков.
- Работает в фоновом режиме и автоматически перезапускается при сбоях.
- Поддерживает многоканальный доступ через Telegram и CLI.
📌 GitHub: https://github.com/cosmicstack-labs/mercury-agent
#javascript
GitHub
GitHub - cosmicstack-labs/mercury-agent: Soul-driven AI agent with permission-hardened tools, token budgets, and multi-channel…
Soul-driven AI agent with permission-hardened tools, token budgets, and multi-channel access. Runs 24/7 from CLI or Telegram. - cosmicstack-labs/mercury-agent
🔥3❤2👍2
1. Показывает качество, сопоставимое с trillion-scale моделью Intern-S1-Pro на ключевых научных задачах.
2. Первая open-source модель с возможностью генерации кристаллических структур материалов и сильными общими способностями.
3. Значительно усиливает возможности научных агентов на нескольких бенчмарках.
4. Повышает MTP acceptance rate и скорость генерации токенов за счёт shared-weight MTP + KL loss.
5. CoT compression сокращает ответы, сохраняя сильное рассуждение, что улучшает и качество, и эффективность.
Теперь поддерживается vLLM и SGLang. В будущем обещают больше интеграций с экосистемой.
Модель:
https://huggingface.co/collections/internlm/intern-s2
ModelScope:
https://modelscope.cn/collections/Shanghai_AI_Laboratory/Intern-S2
GitHub:
https://github.com/InternLM/Intern-S1
Попробовать:
https://chat.intern-ai.org.cn
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤3🔥3👏1
🚀 Примеры использования Cursor SDK для разработки
Репозиторий содержит небольшие примеры для работы с Cursor SDK на TypeScript. Он позволяет интегрировать кодирующего агента в ваши приложения, управлять состоянием и взаимодействовать с агентами в облаке и локально.
🚀 Основные моменты:
- Примеры для создания агентов и работы с API.
- Веб-приложение для быстрой разработки и тестирования.
- Канбан-доска для управления агентами и артефактами.
- CLI для запуска агентов из терминала.
📌 GitHub: https://github.com/cursor/cookbook
Репозиторий содержит небольшие примеры для работы с Cursor SDK на TypeScript. Он позволяет интегрировать кодирующего агента в ваши приложения, управлять состоянием и взаимодействовать с агентами в облаке и локально.
🚀 Основные моменты:
- Примеры для создания агентов и работы с API.
- Веб-приложение для быстрой разработки и тестирования.
- Канбан-доска для управления агентами и артефактами.
- CLI для запуска агентов из терминала.
📌 GitHub: https://github.com/cursor/cookbook
Forwarded from Machinelearning
Google выкатили сразу два больших релиза: Gemini Omni и Gemini 3.5 Flash
Похоже, Google снова пытается перехватить повестку в ИИ.
Первый релиз - Gemini Omni. Это семейство мультимодальных моделей, которые работают почти со всем сразу: текстом, кодом, изображениями, видео и даже виртуальными мирами.
Модель может принимать разные типы контента и не просто «понимать» их, а редактировать, дополнять и превращать в новые форматы:
- добавить эффекты в видео со смартфона
- сделать картину из грубого наброска
- собрать образовательный подкаст по фото
- работать с кодом, текстом, визуалом и видео в одном контексте
Первая модель семейства - Gemini Omni Flash - должна стать доступна уже сегодня.
Второй релиз - Gemini 3.5 Flash.
Google называет её своей самой сильной моделью для агентов и кодинга. Главное отличие - не просто быстрые ответы, а способность планировать работу по большим кодовым базам, рассуждать на длинной дистанции и запускать subagents параллельно.
По словам Google DeepMind, Gemini 3.5 Flash обходит 3.1 Pro на agentic и coding-бенчмарках вроде Terminal-Bench 2.1, GDPval-AA и MCP Atlas, при этом стоит заметно дешевле фронтирных моделей.
Если коротко:
- Gemini Omni - модель для всего: текст, код, картинки, видео, миры
- Gemini 3.5 Flash - ставка на агентов, кодинг и работу с большими проектами
Интересно, насколько хорошо модель будет работать как исполнитель: в IDE, браузере, видео, агентных workflow и реальных продуктах.
Релиз https://x.com/GoogleDeepMind/status/2056786446636212467
Попробовать: https://gemini.google.com/app
Похоже, Google снова пытается перехватить повестку в ИИ.
Первый релиз - Gemini Omni. Это семейство мультимодальных моделей, которые работают почти со всем сразу: текстом, кодом, изображениями, видео и даже виртуальными мирами.
Модель может принимать разные типы контента и не просто «понимать» их, а редактировать, дополнять и превращать в новые форматы:
- добавить эффекты в видео со смартфона
- сделать картину из грубого наброска
- собрать образовательный подкаст по фото
- работать с кодом, текстом, визуалом и видео в одном контексте
Первая модель семейства - Gemini Omni Flash - должна стать доступна уже сегодня.
Второй релиз - Gemini 3.5 Flash.
Google называет её своей самой сильной моделью для агентов и кодинга. Главное отличие - не просто быстрые ответы, а способность планировать работу по большим кодовым базам, рассуждать на длинной дистанции и запускать subagents параллельно.
По словам Google DeepMind, Gemini 3.5 Flash обходит 3.1 Pro на agentic и coding-бенчмарках вроде Terminal-Bench 2.1, GDPval-AA и MCP Atlas, при этом стоит заметно дешевле фронтирных моделей.
Если коротко:
- Gemini Omni - модель для всего: текст, код, картинки, видео, миры
- Gemini 3.5 Flash - ставка на агентов, кодинг и работу с большими проектами
Интересно, насколько хорошо модель будет работать как исполнитель: в IDE, браузере, видео, агентных workflow и реальных продуктах.
Релиз https://x.com/GoogleDeepMind/status/2056786446636212467
Попробовать: https://gemini.google.com/app
❤3
Forwarded from Machinelearning
Google выкатили сразу два больших релиза: Gemini Omni и Gemini 3.5 Flash
Похоже, Google снова пытается перехватить повестку в ИИ.
Первый релиз - Gemini Omni. Это семейство мультимодальных моделей, которые работают почти со всем сразу: текстом, кодом, изображениями, видео и даже виртуальными мирами.
Модель может принимать разные типы контента и не просто «понимать» их, а редактировать, дополнять и превращать в новые форматы:
- добавить эффекты в видео со смартфона
- сделать картину из грубого наброска
- собрать образовательный подкаст по фото
- работать с кодом, текстом, визуалом и видео в одном контексте
Первая модель семейства - Gemini Omni Flash - должна стать доступна уже сегодня.
Второй релиз - Gemini 3.5 Flash.
Google называет её своей самой сильной моделью для агентов и кодинга. Главное отличие - не просто быстрые ответы, а способность планировать работу по большим кодовым базам, рассуждать на длинной дистанции и запускать subagents параллельно.
По словам Google DeepMind, Gemini 3.5 Flash обходит 3.1 Pro на agentic и coding-бенчмарках вроде Terminal-Bench 2.1, GDPval-AA и MCP Atlas, при этом стоит заметно дешевле фронтирных моделей.
Если коротко:
- Gemini Omni - модель для всего: текст, код, картинки, видео, миры
- Gemini 3.5 Flash - ставка на агентов, кодинг и работу с большими проектами
Интересно, насколько хорошо модель будет работать как исполнитель: в IDE, браузере, видео, агентных workflow и реальных продуктах.
Релиз https://x.com/GoogleDeepMind/status/2056786446636212467
Попробовать: https://gemini.google.com/app
Похоже, Google снова пытается перехватить повестку в ИИ.
Первый релиз - Gemini Omni. Это семейство мультимодальных моделей, которые работают почти со всем сразу: текстом, кодом, изображениями, видео и даже виртуальными мирами.
Модель может принимать разные типы контента и не просто «понимать» их, а редактировать, дополнять и превращать в новые форматы:
- добавить эффекты в видео со смартфона
- сделать картину из грубого наброска
- собрать образовательный подкаст по фото
- работать с кодом, текстом, визуалом и видео в одном контексте
Первая модель семейства - Gemini Omni Flash - должна стать доступна уже сегодня.
Второй релиз - Gemini 3.5 Flash.
Google называет её своей самой сильной моделью для агентов и кодинга. Главное отличие - не просто быстрые ответы, а способность планировать работу по большим кодовым базам, рассуждать на длинной дистанции и запускать subagents параллельно.
По словам Google DeepMind, Gemini 3.5 Flash обходит 3.1 Pro на agentic и coding-бенчмарках вроде Terminal-Bench 2.1, GDPval-AA и MCP Atlas, при этом стоит заметно дешевле фронтирных моделей.
Если коротко:
- Gemini Omni - модель для всего: текст, код, картинки, видео, миры
- Gemini 3.5 Flash - ставка на агентов, кодинг и работу с большими проектами
Интересно, насколько хорошо модель будет работать как исполнитель: в IDE, браузере, видео, агентных workflow и реальных продуктах.
Релиз https://x.com/GoogleDeepMind/status/2056786446636212467
Попробовать: https://gemini.google.com/app
👍2🥰2❤1🤬1
Forwarded from Анализ данных (Data analysis)
Tencent выкатил переводчик, который помещается почти куда угодно
Tencent Hunyuan открыли Hy-MT2 - серию мультиязычных моделей для перевода с Dense и MoE-вариантами.
Главная фишка не в том, что это «ещё одна модель для перевода». Самое интересное - маленькая версия на 1.8B параметров.
Её ужали через AngelSlim до 1.25-bit, и теперь модель занимает всего 440 МБ. При этом на Apple A15 она работает в 1.5 раза быстрее, чем обычный 4-bit inference.
То есть нормальный on-device перевод уже не выглядит как фантазия, где нужно жертвовать либо скоростью, либо размером.
Что заявляют по моделям:
• поддержка 33 языков и 5 китайских диалектов
• версия 1.8B обходит Microsoft Translate и другие коммерческие API на FLORES-200
• версии 7B и 30B-A3B обходят DeepSeek-V4-Pro
• 7B достигает 97.9% от уровня Gemini 3.1 Pro Think
• 30B-A3B достигает 98.6% от уровня Gemini 3.1 Pro Think
• все три модели показывают 96-99% от Gemini 3.1 Pro Think на реальных и доменных бенчмарках
Плюс Tencent вместе с моделями открыли IFMTBench - бенчмарк для проверки того, насколько хорошо переводческие модели следуют инструкциям.
🤖 https://modelscope.ai/collections/Tencent-Hunyuan/Hy-MT2
Tencent Hunyuan открыли Hy-MT2 - серию мультиязычных моделей для перевода с Dense и MoE-вариантами.
Главная фишка не в том, что это «ещё одна модель для перевода». Самое интересное - маленькая версия на 1.8B параметров.
Её ужали через AngelSlim до 1.25-bit, и теперь модель занимает всего 440 МБ. При этом на Apple A15 она работает в 1.5 раза быстрее, чем обычный 4-bit inference.
То есть нормальный on-device перевод уже не выглядит как фантазия, где нужно жертвовать либо скоростью, либо размером.
Что заявляют по моделям:
• поддержка 33 языков и 5 китайских диалектов
• версия 1.8B обходит Microsoft Translate и другие коммерческие API на FLORES-200
• версии 7B и 30B-A3B обходят DeepSeek-V4-Pro
• 7B достигает 97.9% от уровня Gemini 3.1 Pro Think
• 30B-A3B достигает 98.6% от уровня Gemini 3.1 Pro Think
• все три модели показывают 96-99% от Gemini 3.1 Pro Think на реальных и доменных бенчмарках
Плюс Tencent вместе с моделями открыли IFMTBench - бенчмарк для проверки того, насколько хорошо переводческие модели следуют инструкциям.
🤖 https://modelscope.ai/collections/Tencent-Hunyuan/Hy-MT2
❤6
Оценка сотрудников — головная боль, особенно в компании, где работают сотни людей 🤓
Как вовремя заметить крутого специалиста? Как понять, что мидл из команды А уже перерос свой уровень, а сеньор из команды Б, наоборот, недотягивает? Мы в Авито используем для этого процесс перформанс-ревью и так добиваемся сразу нескольких результатов:
➡ награждаем классных ребят,
➡ подсвечиваем точки роста тем, кто не справляется,
➡ успеваем всё заметить и помочь, если надо.
Алина Бабенко провела уже четыре цикла перформанс-ревью и рассказала, как всё работает. Описала все этапы и результаты. Прочитайте, если хотите узнать о прозрачном способе оценки сотрудников или подумываете найти работу в Авито.
Читать статью на Хабре или на VC.
Как вовремя заметить крутого специалиста? Как понять, что мидл из команды А уже перерос свой уровень, а сеньор из команды Б, наоборот, недотягивает? Мы в Авито используем для этого процесс перформанс-ревью и так добиваемся сразу нескольких результатов:
Алина Бабенко провела уже четыре цикла перформанс-ревью и рассказала, как всё работает. Описала все этапы и результаты. Прочитайте, если хотите узнать о прозрачном способе оценки сотрудников или подумываете найти работу в Авито.
Читать статью на Хабре или на VC.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1😢1
🧠 OpenChronicle: локальная память для AI-агентов
OpenChronicle — это открытое решение для создания локальной, инспектируемой памяти для AI-агентов. Он захватывает контекст работы на вашем Mac и сохраняет его в виде структурированной Markdown-памяти, что позволяет агентам эффективно использовать информацию о ваших действиях и предпочтениях.
🚀 Основные моменты:
- Локальное хранение данных на вашем устройстве
- Поддержка различных моделей AI
- Интеграция с любыми инструментами
- Читаемая Markdown-память и локальная база данных SQLite
- Открытый исходный код с возможностью расширения
📌 GitHub: https://github.com/Einsia/OpenChronicle
#python
OpenChronicle — это открытое решение для создания локальной, инспектируемой памяти для AI-агентов. Он захватывает контекст работы на вашем Mac и сохраняет его в виде структурированной Markdown-памяти, что позволяет агентам эффективно использовать информацию о ваших действиях и предпочтениях.
🚀 Основные моменты:
- Локальное хранение данных на вашем устройстве
- Поддержка различных моделей AI
- Интеграция с любыми инструментами
- Читаемая Markdown-память и локальная база данных SQLite
- Открытый исходный код с возможностью расширения
📌 GitHub: https://github.com/Einsia/OpenChronicle
#python
GitHub
GitHub - Einsia/OpenChronicle
Contribute to Einsia/OpenChronicle development by creating an account on GitHub.
❤2