Топовые модели ИИ оказались либералами с приоритетами далекими от реальных граждан — и это тревожно.
Рассказываем об эксперименте:
🟢 6 моделей заставили проголосовать на выборах в 8 странах. Как вы уже поняли — их выбор оказался дружно смещен в сторону лево-либеральных взглядов.
🟢 Нюанс в том, что модели при выборе понижали реальные заботы граждан — иммиграционный контроль, преступность и стоимость жизни люди называли главными проблемами. А ИИ считали, что в приоритете зеленые инвестиции и военные конфликты.
🟢 Единственной белой вороной оказался Grok — у него либерально-правые взгляды. И, на удивление, в 6 из 8 стран его голос совпал с реальными результатами выборов.
🟢 Устойчивые предпочтения моделей в политике пугают исследователей — 1 из 10 избирателей уже советуются (https://algosoc.org/results/1-in-10-dutch-citizens-are-likely-to-ask-ai-for-election-advice-this-is-why-they-shouldnt?utm_source=chatgpt.com) с ИИ перед голосованием.
Посмотреть какие модели за кого голосовали можно тут, (https://llm-politics.foaster.ai/) а заодно почитать иногда просто безумные предложения ИИ по новым законам.
Жаль только, что среди стран нет России, было бы любопытно посмотреть 😁
@python_be1
Рассказываем об эксперименте:
🟢 6 моделей заставили проголосовать на выборах в 8 странах. Как вы уже поняли — их выбор оказался дружно смещен в сторону лево-либеральных взглядов.
🟢 Нюанс в том, что модели при выборе понижали реальные заботы граждан — иммиграционный контроль, преступность и стоимость жизни люди называли главными проблемами. А ИИ считали, что в приоритете зеленые инвестиции и военные конфликты.
🟢 Единственной белой вороной оказался Grok — у него либерально-правые взгляды. И, на удивление, в 6 из 8 стран его голос совпал с реальными результатами выборов.
🟢 Устойчивые предпочтения моделей в политике пугают исследователей — 1 из 10 избирателей уже советуются (https://algosoc.org/results/1-in-10-dutch-citizens-are-likely-to-ask-ai-for-election-advice-this-is-why-they-shouldnt?utm_source=chatgpt.com) с ИИ перед голосованием.
Посмотреть какие модели за кого голосовали можно тут, (https://llm-politics.foaster.ai/) а заодно почитать иногда просто безумные предложения ИИ по новым законам.
Жаль только, что среди стран нет России, было бы любопытно посмотреть 😁
@python_be1
This media is not supported in your browser
VIEW IN TELEGRAM
💀➡️ Большинство кодеров не знают про это ускорение в Python
Одна из самых недооценённых оптимизаций в Python — вынесение повторяющихся вычислений в локальные переменные.
Причина проста: доступ к локальной переменной в CPython *в 2–3 раза быстрее*, чем к глобальной или атрибуту модуля.
@python_be1
Одна из самых недооценённых оптимизаций в Python — вынесение повторяющихся вычислений в локальные переменные.
Причина проста: доступ к локальной переменной в CPython *в 2–3 раза быстрее*, чем к глобальной или атрибуту модуля.
@python_be1
🚀 Flowra - простой и понятный open-source движок для создания AI-воркфлоу.
Это тот же движок, что стоит за FlowBench, и он позволяет собирать сложные pipelines так же легко,
как конструктор LEGO.
Что делает Flowra удобной:
✅ Один движок для всех типов данных: изображения, аудио, видео и 3D
✅ Выполнение через DAG-граф: умное кэширование, параллельность и масштабирование
✅ Подключение моделей ModelScope одной строкой — без сложной настройки
✅ Полный цикл разработки:
flowra create → build → debug → deploy
Итог: вы берёте свою ML-модель и превращаете её в визуальный блок, который можно перетаскивать
и соединять с другими.
✨ Без адских зависимостей. Без мучительного дебага.
🔗 GitHub: https://github.com/modelscope/flowra
📥 FlowBench client: https://modelscope.cn/flowbench/download
@python_be1
Это тот же движок, что стоит за FlowBench, и он позволяет собирать сложные pipelines так же легко,
как конструктор LEGO.
Что делает Flowra удобной:
✅ Один движок для всех типов данных: изображения, аудио, видео и 3D
✅ Выполнение через DAG-граф: умное кэширование, параллельность и масштабирование
✅ Подключение моделей ModelScope одной строкой — без сложной настройки
✅ Полный цикл разработки:
flowra create → build → debug → deploy
Итог: вы берёте свою ML-модель и превращаете её в визуальный блок, который можно перетаскивать
и соединять с другими.
✨ Без адских зависимостей. Без мучительного дебага.
🔗 GitHub: https://github.com/modelscope/flowra
📥 FlowBench client: https://modelscope.cn/flowbench/download
@python_be1
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️КАК СДЕЛАТЬ EXE ИЗ PYTHON САМЫМ ПРОСТЫМ СПОСОБОМ
Самый удобный способ собрать exe из Python это использовать PyInstaller. Он создаёт полноценный исполняемый файл который запускается без установленного Python. Работает на Windows, не требует сложной настройки и подходит для любых скриптов.
```
# Установка PyInstaller
pip install pyinstaller
# Создание exe (один файл)
pyinstaller —onefile your_script.py
# Готовый exe будет в папке dist
# Пример запуска
dist\your_script.exe
```
@python_be1
Самый удобный способ собрать exe из Python это использовать PyInstaller. Он создаёт полноценный исполняемый файл который запускается без установленного Python. Работает на Windows, не требует сложной настройки и подходит для любых скриптов.
```
# Установка PyInstaller
pip install pyinstaller
# Создание exe (один файл)
pyinstaller —onefile your_script.py
# Готовый exe будет в папке dist
# Пример запуска
dist\your_script.exe
```
@python_be1
🔥PlutoPrint — лёгкая и мощная Python-библиотека, которая конвертирует HTML/XML в качественные PDF и изображения.
Основана на движке от PlutoBook, встроенные бинарники идут из коробки — короче, установил и поехали.
Идеально подходит для:
🟢отчётов
🟢инвойсов
🟢билетов
🟢визуальных снапшотов
🟢автоматизации любой документо-генерации
📦 Простая установка
```
pip install plutoprint
```
⌨️ CLI интерфейс
Хочешь быстро сделать PDF из HTML?
```
plutoprint input.html output.pdf —size=A4
```
😰 Пример на Python
```
import plutoprint
book = plutoprint.Book(plutoprint.PAGE_SIZE_A4)
book.load_url("hello.html")
# Весь документ
book.write_to_pdf("hello.pdf")
# Страницы 2–15
book.write_to_pdf("hello-range.pdf", 2, 15, 1)
# В обратном порядке
book.write_to_pdf("hello-reverse.pdf", 15, 2, -1)
# Ручной рендер
with plutoprint.PDFCanvas("hello-canvas.pdf", book.get_page_size()) as canvas:
canvas.scale(plutoprint.UNITS_PX, plutoprint.UNITS_PX)
for page_index in range(book.get_page_count() - 1, -1, -1):
canvas.set_size(book.get_page_size_at(page_index))
book.render_page(canvas, page_index)
canvas.show_page()
```
Если ты делаешь отчёты, автоматизируешь процессы, занимаешься OSINT или пишешь сервисы, которые выдают документы — пробуй!
♎️ GitHub/Инструкция (https://github.com/plutoprint/plutoprint)
#python #soft #code #github
@python_be1
Основана на движке от PlutoBook, встроенные бинарники идут из коробки — короче, установил и поехали.
Идеально подходит для:
🟢отчётов
🟢инвойсов
🟢билетов
🟢визуальных снапшотов
🟢автоматизации любой документо-генерации
📦 Простая установка
```
pip install plutoprint
```
⌨️ CLI интерфейс
Хочешь быстро сделать PDF из HTML?
```
plutoprint input.html output.pdf —size=A4
```
😰 Пример на Python
```
import plutoprint
book = plutoprint.Book(plutoprint.PAGE_SIZE_A4)
book.load_url("hello.html")
# Весь документ
book.write_to_pdf("hello.pdf")
# Страницы 2–15
book.write_to_pdf("hello-range.pdf", 2, 15, 1)
# В обратном порядке
book.write_to_pdf("hello-reverse.pdf", 15, 2, -1)
# Ручной рендер
with plutoprint.PDFCanvas("hello-canvas.pdf", book.get_page_size()) as canvas:
canvas.scale(plutoprint.UNITS_PX, plutoprint.UNITS_PX)
for page_index in range(book.get_page_count() - 1, -1, -1):
canvas.set_size(book.get_page_size_at(page_index))
book.render_page(canvas, page_index)
canvas.show_page()
```
Если ты делаешь отчёты, автоматизируешь процессы, занимаешься OSINT или пишешь сервисы, которые выдают документы — пробуй!
♎️ GitHub/Инструкция (https://github.com/plutoprint/plutoprint)
#python #soft #code #github
@python_be1
📄 Превращайте тысячи PDF в данные, готовые для LLM - с Vision-First Agentic Document AI!
LandingAI представила Agentic Document Extraction (ADE) DPT-2 Mini - облегчённую версию Document Pretrained Transformer 2, специально для потоковой обработки документов.
Идеально для “чистых” цифровых PDF, где визуальный контекст всё ещё важен для точного извлечения.
Подходит для:
• счетов
• договоров
• писем
• служебных записок
• любых аккуратно сформированных PDF
✨ Основные возможности:
• Структурированное извлечение из цифровых документов
• Точное понимание макета простых PDF
• Поддержка разных типов блоков: параграфы, изображения, логотипы, карточки и т.д.
• Надёжная транскрипция английского текста
• Оптимизация под масштаб — быстро, стабильно, экономично
DPT-2 Mini ориентирован на скорость, надёжность и низкую стоимость — когда документы простые, а нужно массовое и чистое структурированное извлечение.
https://github.com/landing-ai/ade-python
@python_be1
LandingAI представила Agentic Document Extraction (ADE) DPT-2 Mini - облегчённую версию Document Pretrained Transformer 2, специально для потоковой обработки документов.
Идеально для “чистых” цифровых PDF, где визуальный контекст всё ещё важен для точного извлечения.
Подходит для:
• счетов
• договоров
• писем
• служебных записок
• любых аккуратно сформированных PDF
✨ Основные возможности:
• Структурированное извлечение из цифровых документов
• Точное понимание макета простых PDF
• Поддержка разных типов блоков: параграфы, изображения, логотипы, карточки и т.д.
• Надёжная транскрипция английского текста
• Оптимизация под масштаб — быстро, стабильно, экономично
DPT-2 Mini ориентирован на скорость, надёжность и низкую стоимость — когда документы простые, а нужно массовое и чистое структурированное извлечение.
https://github.com/landing-ai/ade-python
@python_be1
🖥 Python: Почему твой asyncio-код тормозит и блокируется?
Чаще всего проблема не в самом asyncio, а в том, что внутри async-функций ты вызываешь блокирующий код. Например, time.sleep, requests.get, тяжёлые циклы с вычислениями или работа с диском без специальных обёрток. Такой вызов останавливает весь event loop, и остальные корутины тупо ждут.
Главное правило: внутри async-функций каждая долгая операция должна либо быть асинхронной (через await), либо вынесена в поток или процесс. Если в корутине нет нормальных await, она вообще не отдаёт управление циклу, и твой «асинхронный» код ведёт себя как обычный синхронный.
Используй:
- асинхронные библиотеки (aiohttp вместо requests и т.п.);
- asyncio.sleep вместо time.sleep;
- asyncio.to_thread или отдельный процесс для тяжёлых синхронных задач.
Как только уберёшь блокирующие вызовы из корутин, код перестанет «залипать» и начнёт реально работать параллельно по I/O.
```
import asyncio
import time
async def bad_task():
print("start bad")
time.sleep(2)
print("end bad")
async def good_task():
print("start good")
await asyncio.to_thread(time.sleep, 2)
print("end good")
async def main():
await asyncio.gather(bad_task(), good_task())
asyncio.run(main())
```
https://www.youtube.com/shorts/LZgy5YvQR4o
@python_be1
Чаще всего проблема не в самом asyncio, а в том, что внутри async-функций ты вызываешь блокирующий код. Например, time.sleep, requests.get, тяжёлые циклы с вычислениями или работа с диском без специальных обёрток. Такой вызов останавливает весь event loop, и остальные корутины тупо ждут.
Главное правило: внутри async-функций каждая долгая операция должна либо быть асинхронной (через await), либо вынесена в поток или процесс. Если в корутине нет нормальных await, она вообще не отдаёт управление циклу, и твой «асинхронный» код ведёт себя как обычный синхронный.
Используй:
- асинхронные библиотеки (aiohttp вместо requests и т.п.);
- asyncio.sleep вместо time.sleep;
- asyncio.to_thread или отдельный процесс для тяжёлых синхронных задач.
Как только уберёшь блокирующие вызовы из корутин, код перестанет «залипать» и начнёт реально работать параллельно по I/O.
```
import asyncio
import time
async def bad_task():
print("start bad")
time.sleep(2)
print("end bad")
async def good_task():
print("start good")
await asyncio.to_thread(time.sleep, 2)
print("end good")
async def main():
await asyncio.gather(bad_task(), good_task())
asyncio.run(main())
```
https://www.youtube.com/shorts/LZgy5YvQR4o
@python_be1
YouTube
🔥 Python: Почему твой asyncio-код тормозит и блокируется? #python #ai #питона #asyncio
Чаще всего проблема не в самом asyncio, а в том, что внутри async-функций ты вызываешь блокирующий код. Например, time.sleep, requests.get, тяжёлые циклы с в...
🖥 Как организовать архитектуру большого Python-проекта?
Разработка крупного Python-проекта требует продуманной архитектуры. Правильная структура кода упрощает развитие, тестирование и поддержку приложения.
В этой статье мы рассмотрим ключевые принципы архитектурной организации для разных типов проектов - веб-приложений, библиотек, микросервисов и систем обработки данных.
Обсудим разделение системы на слои (domain, service, infrastructure), использование популярных шаблонов проектирования (Dependency Injection, Repository, Facade), организацию кода по модулям и пакетам, примеры структуры каталогов, работу с зависимостями и конфигурацией (Pydantic, dotenv), логгирование и мониторинг, обеспечение тестируемости, поддержку расширяемости и модульности.
Также приведем примеры кода и структуры каталогов, а в конце – общие советы и распространенные ошибки, которых следует избегать.
https://uproger.com/kak-organizovat-arhitekturu-bolshogo-python-proekta/
@python_be1
Разработка крупного Python-проекта требует продуманной архитектуры. Правильная структура кода упрощает развитие, тестирование и поддержку приложения.
В этой статье мы рассмотрим ключевые принципы архитектурной организации для разных типов проектов - веб-приложений, библиотек, микросервисов и систем обработки данных.
Обсудим разделение системы на слои (domain, service, infrastructure), использование популярных шаблонов проектирования (Dependency Injection, Repository, Facade), организацию кода по модулям и пакетам, примеры структуры каталогов, работу с зависимостями и конфигурацией (Pydantic, dotenv), логгирование и мониторинг, обеспечение тестируемости, поддержку расширяемости и модульности.
Также приведем примеры кода и структуры каталогов, а в конце – общие советы и распространенные ошибки, которых следует избегать.
https://uproger.com/kak-organizovat-arhitekturu-bolshogo-python-proekta/
@python_be1
🐍⚙️ Продвинутый Python + Docker совет для production:
Используй multi-stage builds + wheels cache - это радикально уменьшает размер образа и ускоряет сборки.
В первом этапе собираешь wheels (компилируемые пакеты), а во втором — устанавливаешь их уже в чистый runtime-слой:
```
FROM python:3.12 AS builder
RUN pip install —upgrade pip
COPY requirements.txt .
RUN pip wheel —wheel-dir /wheels -r requirements.txt
FROM python:3.12-slim
COPY —from=builder /wheels /wheels
RUN pip install —no-index —find-links=/wheels -r /wheels/requirements.txt
COPY app/ /app
```
🔥 Плюс:
— быстрый rebuild
— детерминированные зависимости
— значительно меньше образ
Этот трюк мало кто использует, но он делает Docker-окружение Python уровня enterprise.
@python_be1
Используй multi-stage builds + wheels cache - это радикально уменьшает размер образа и ускоряет сборки.
В первом этапе собираешь wheels (компилируемые пакеты), а во втором — устанавливаешь их уже в чистый runtime-слой:
```
FROM python:3.12 AS builder
RUN pip install —upgrade pip
COPY requirements.txt .
RUN pip wheel —wheel-dir /wheels -r requirements.txt
FROM python:3.12-slim
COPY —from=builder /wheels /wheels
RUN pip install —no-index —find-links=/wheels -r /wheels/requirements.txt
COPY app/ /app
```
🔥 Плюс:
— быстрый rebuild
— детерминированные зависимости
— значительно меньше образ
Этот трюк мало кто использует, но он делает Docker-окружение Python уровня enterprise.
@python_be1
🚀 Большое обновление Qwen Code v0.2.2–v0.3.0
✨ Два ключевых обновления:
🎯 Stream JSON
• `--output-format stream-json` — потоковый вывод
• `--input-format stream-json` — структурированный ввод
• 3-уровневая архитектура адаптеров + управление сессиями
• Идеально для SDK, автоматизации и CI/CD
🌍 Полная интернационализация
• Встроенные интерфейсы EN/CN + расширяемые языковые пакеты
• `/language ui zh-EN` - мгновенная смена языка
• `/language output English` - задаём язык ответов модели
• Сообщество может добавлять свои локализации 🌏
🛡️ Безопасность и стабильность выросли
• Защита от переполнения памяти
• Починили кодировки Windows
• Улучшена кроссплатформенность и определение ripgrep
• Переработана авторизация и управление authType
• Стабильный CI/CD и исправленные интеграционные тесты
• Поддержка провайдера ModelScope и stream_options
• Улучшены подсказки, уведомления в терминале и логика завершения промптов
• Множество внутренних фиксов - заметно более стабильная работа 💪
https://github.com/QwenLM/qwen-code
@python_be1
✨ Два ключевых обновления:
🎯 Stream JSON
• `--output-format stream-json` — потоковый вывод
• `--input-format stream-json` — структурированный ввод
• 3-уровневая архитектура адаптеров + управление сессиями
• Идеально для SDK, автоматизации и CI/CD
🌍 Полная интернационализация
• Встроенные интерфейсы EN/CN + расширяемые языковые пакеты
• `/language ui zh-EN` - мгновенная смена языка
• `/language output English` - задаём язык ответов модели
• Сообщество может добавлять свои локализации 🌏
🛡️ Безопасность и стабильность выросли
• Защита от переполнения памяти
• Починили кодировки Windows
• Улучшена кроссплатформенность и определение ripgrep
• Переработана авторизация и управление authType
• Стабильный CI/CD и исправленные интеграционные тесты
• Поддержка провайдера ModelScope и stream_options
• Улучшены подсказки, уведомления в терминале и логика завершения промптов
• Множество внутренних фиксов - заметно более стабильная работа 💪
https://github.com/QwenLM/qwen-code
@python_be1
🧰 Подборка полезных скриптов для опытных Linux-админов
1) 🔍 Быстрый поиск крупных файлов (удобно перед очисткой диска)
du -ah / | sort -rh | head -n 30
2) 🛑 Массовое убийство зависших процессов по шаблону
pkill -f "pattern"
3) 🧼 Очистка старых логов/кэша старше X дней
find /var/log -type f -mtime +7 -delete
4) 🧬 Проверка файловой системы без остановки
fsck -n /dev/sdX
5) 📦 Список пакетов, обновлённых за последние 5 дней
grep "upgrade" /var/log/dpkg.log | tail
6) 🕵 Слежение за открытыми портами в реальном времени
watch -n1 "ss -tulpn"
7) 📊 Сбор top-нагружающих процессов по CPU за минуту
ps -eo pid,ppid,cmd,%mem,%cpu —sort=-%cpu | head
8) 🔁 Авто-рестарт службы при падении
while true; do systemctl restart myservice; sleep 5; done
9) 🔗 Быстрый тест сетевой задержки и MTU
tracepath google.com
10) 🔐 Сканирование слабых SSH-ключей
ssh-audit -p 22 localhost
Такие короткие утилитарные команды экономят кучу времени в рутине админа.
@python_be1
1) 🔍 Быстрый поиск крупных файлов (удобно перед очисткой диска)
du -ah / | sort -rh | head -n 30
2) 🛑 Массовое убийство зависших процессов по шаблону
pkill -f "pattern"
3) 🧼 Очистка старых логов/кэша старше X дней
find /var/log -type f -mtime +7 -delete
4) 🧬 Проверка файловой системы без остановки
fsck -n /dev/sdX
5) 📦 Список пакетов, обновлённых за последние 5 дней
grep "upgrade" /var/log/dpkg.log | tail
6) 🕵 Слежение за открытыми портами в реальном времени
watch -n1 "ss -tulpn"
7) 📊 Сбор top-нагружающих процессов по CPU за минуту
ps -eo pid,ppid,cmd,%mem,%cpu —sort=-%cpu | head
8) 🔁 Авто-рестарт службы при падении
while true; do systemctl restart myservice; sleep 5; done
9) 🔗 Быстрый тест сетевой задержки и MTU
tracepath google.com
10) 🔐 Сканирование слабых SSH-ключей
ssh-audit -p 22 localhost
Такие короткие утилитарные команды экономят кучу времени в рутине админа.
@python_be1
🖊️ Google Research представила InkSight — систему, которая превращает сфотографанный рукописный текст в настоящие *цифровые рукописные данные*.
Что делает InkSight?
✨ Берёт фото тетрадей, заметок или документов и переводит их в «цифровое перо» - данные, которыми можно редактировать, искать, хранить.
🧠 Под капотом:
• Vision Transformer (ViT) + mT5
• Обучение на чтение и письмо одновременно
• Без специальных планшетов - работает с обычными фото
💡 Возможности:
✔ Обработка слов и целых страниц
✔ Работает с разными языками и стилями письма
✔ Корректно извлекает текст даже на шумном фоне
✔ Результат - редактируемый векторный «ink», а не просто картинка
То есть InkSight — мост между бумажной реальностью и цифровым миром: сделал фото заметок → получил полный цифровой текст, пригодный для поиска и редактирования.
🔗 В репозитории доступны веса модели, датасет и пример кода:
github.com/google-research/inksight
@python_be1
Что делает InkSight?
✨ Берёт фото тетрадей, заметок или документов и переводит их в «цифровое перо» - данные, которыми можно редактировать, искать, хранить.
🧠 Под капотом:
• Vision Transformer (ViT) + mT5
• Обучение на чтение и письмо одновременно
• Без специальных планшетов - работает с обычными фото
💡 Возможности:
✔ Обработка слов и целых страниц
✔ Работает с разными языками и стилями письма
✔ Корректно извлекает текст даже на шумном фоне
✔ Результат - редактируемый векторный «ink», а не просто картинка
То есть InkSight — мост между бумажной реальностью и цифровым миром: сделал фото заметок → получил полный цифровой текст, пригодный для поиска и редактирования.
🔗 В репозитории доступны веса модели, датасет и пример кода:
github.com/google-research/inksight
@python_be1
Буст для Perplexity
Бесплатное расширение добавляет в ИИ-поисковик 25+ фич, которые раньше были только у конкурентов
— Быстрое переключение моделей
— Тестирование кода прямо в браузере
— Экспорт всех чатов с Perplexity
— Кастомизация чата под свой стиль и удобство
Забираем — тут (https://github.com/pnd280/complexity)
@python_be1
Бесплатное расширение добавляет в ИИ-поисковик 25+ фич, которые раньше были только у конкурентов
— Быстрое переключение моделей
— Тестирование кода прямо в браузере
— Экспорт всех чатов с Perplexity
— Кастомизация чата под свой стиль и удобство
Забираем — тут (https://github.com/pnd280/complexity)
@python_be1