Python 3.15: что выведет lazy import? Задача с подвохом

Новая фича Python 3.15: lazy import (PEP 810). Импорт несуществующего модуля не падает при старте, а ошибка всплывает позже. Разбираем задачу с подвохом по шагам и показываем ограничения lazy. Сохрани, чтобы не ошибиться.

https://youtube.com/shorts/LorWGMBuokk?feature=share

OpenBMB выпустила две OCR-модели: одна распознаёт документы, другая проверяет, насколько результату можно доверять.

MiniCPM-OCR 1.0 – модель на 1,3 млрд параметров для китайских и английских документов. Обрабатывает текст, таблицы, формулы, графики и печати, преобразуя PDF и изображения в Markdown или JSON.

По данным команды, она набирает 93,68 на Real5-OmniDocBench и 54,7 на OCRBench v2. Поддерживает сложные снимки: перекошенные и изогнутые страницы, фотографии и повторно снятые документы.

MiniCPM-OCR Jev – проверяющая модель на 2 млрд параметров. Получает изображение и результат OCR, затем выставляет оценку качества от 0 до 1 для отдельных областей. Помогает находить текст, формулы и таблицы, требующие ручной проверки.

Jev работает и с другими распознавателями. На JevOCRBench её AUROC составляет 93,6 против 93,8 у Qwen3.5-397B-A17B. Это показатель различения правильных и ошибочных результатов, а не процент безошибочно распознанных страниц.

С ускорением DSpark авторы сообщают о пропускной способности в 1,49 раза выше PaddleOCR-VL-1.6 и в 3,62 раза выше MinerU2.5 Pro в своих тестах.

Доступны vLLM, SGLang, llama.cpp и Ollama, квантованные версии, SDK и инструкции по дообучению.

https://github.com/OpenBMB/MiniCPM-OCR

Разобраться в коде старой игры без исходников: retro-kit автоматизирует работу с Ghidra

Открытый инструмент помогает исследовать 32-битные игры примерно 1993–2010 годов: DOS-программы на Watcom C/C++ и Windows-игры в формате Win32 PE.

На выходе - C-подобный декомпилированный код, список функций, граф вызовов, строки и таблицы указателей. Это материал для анализа, а не восстановленный оригинальный исходник.

Что умеет retro-kit:

- Показывать имена методов DirectX, вызываемых через COM-таблицы.
- Распознавать библиотеки эпохи: Miles, Smacker, Bink, FMOD, BASS и другие.
- Восстанавливать сведения о C++-классах из MSVC RTTI.
- Переносить найденные имена функций между родственными версиями игры.

Есть MCP-сервер для ИИ-агентов: можно подключить Claude Code, исследовать функции и связи между ними, сохранять заметки и возвращать уточнённые имена в Ghidra.

Базовый запуск:

retrokit info GAME.EXE
retrokit analyze GAME.EXE

Понадобятся Ghidra 12.x, JDK 21+ и Python 3.10+. Лицензия - Apache 2.0.

https://github.com/nautilusbits/retrokit

Python выпустил внеплановые обновления безопасности: 3.15.1, 3.14.9 и 3.13.17. Причина – инцидент с сертификатами eMudhra / emSign.

Во всех трёх релизах встроенный pip обновлён до 26.2.2, включающего certifi 2026.10.19 с обновлённым набором доверенных сертификатов.

Для Python 3.13 сделали исключение: ветка уже перешла в режим исправлений безопасности, но разработчики выпустили специальное обновление с установщиками и новым pip.

Обновить сам Python недостаточно: команда отдельно просит обновить pip и uv во всех существующих виртуальных окружениях.

В анонсе приведена команда безопасного обновления pip по прямой ссылке на wheel с проверкой SHA-256.

Дополнительно установщики для macOS используют предварительную версию Tk, исправляющую возможное зависание приложений с tkinter, включая IDLE, на macOS 27.0.

https://blog.python.org/2026/10/python-3151-3149-31317/

🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров

Xiaomi-OCR-0 объединяет распознавание текста, разбор структуры документа, извлечение ключевой информации и ответы на вопросы по содержимому.

То есть задача модели шире обычного «перепечатать текст с картинки»: она помогает превратить документ в данные, с которыми можно работать дальше.

По данным разработчиков:

- 95,24 балла на Real5-OmniDocBench.
- 83,2 балла в среднем на пяти тестах вопросов и ответов с опорой на распознавание текста.
- Первое место среди моделей меньше 1B параметров по качеству разбора документов на OmniDocBench v1.6.

В открытый доступ выложили веса, код инференса, интерактивное демо, MCP-сервис и Agent Skill. Последние два компонента позволяют подключать обработку документов к рабочим процессам ИИ-агентов.

Компактный размер делает модель интересной для собственной инфраструктуры. Но качество на конкретных сканах, языках и сложных таблицах стоит проверять отдельно: результаты бенчмарков не гарантируют точность на любых документах.

🤗 Huggingface: https://huggingface.co/xiaomi-research/Xiaomi-OCR-0
🔗 GitHub: https://github.com/xiaomi-research/Xiaomi-OCR-0
📄 Demo: https://huggingface.co/spaces/loongwayX/Xiaomi-OCR-0-demo #XiaomiAI #OCR #OpenSource

⚡ pyfastlogging- быстрый неблокирующий логгер для Python

pyfastlogging — Python-обёртка над fastlogging, где запись логов вынесена в фоновые потоки. За счёт этого основной код меньше блокируется на I/O.

Что умеет:

- thread-safe логирование
- несколько writers на один logger
- консоль, файлы, TCP, syslog и callbacks
- ротация и сжатие логов
- AES-шифрование сетевого логирования
- multiprocessing и threads
- конфигурация через JSON, XML и YAML
- экспорт логов в OpenTelemetry по OTLP/HTTP

Установка:

pip install pyfastlogging

python 
from pyfastlogging import TRACE, Logging, ConsoleWriterConfig

logger = Logging(
    TRACE,
    "main",
    [ConsoleWriterConfig(TRACE, True)],
)

logger.info("Hello")
logger.shutdown()

Поддерживается Python 3.10+. Актуальный релиз - 0.9.0, лицензия - MIT OR Apache-2.0. PyPI
Хороший вариант для сервисов, где обычное логирование уже начинает влиять на latency.

https://pypi.org/project/pyfastlogging/

🐍 Yokan - компилятор Python в нативные desktop-приложения

Yokan позволяет писать приложение на обычном Python, запускать его через CPython во время разработки, а затем собирать тот же код в нативный machine-code executable.
Что интересного:

- статически типизированное подмножество Python;
- hot reload во время разработки;
- нативная сборка через yokan build;
- без CPython внутри бинарника, если не используется @py;
- можно подключать обычный Python-код и библиотеки через @py;
- есть интеграция с Rust для производительных частей;
- UI на базе GPUI, движка редактора Zed;
- около 36 UI-компонентов и десятки готовых демо.

Для проверки совместимости есть yokan gate: он запускает приложение в CPython и в нативной сборке, повторяет одинаковые действия и сравнивает результат. :

Сейчас поддерживаются macOS Apple Silicon и Linux, Python 3.14+.

По сути, идея похожа на Flutter-подход: быстрая разработка с live reload, затем AOT-сборка в нативное desktop-приложение.

GitHub:
https://github.com/i2y/yokan

ORM превратила один SQL-запрос в 51. Разработчик даже не заметил

Знакомая ситуация: код выглядит чисто, никаких SQL-запросов вручную, всё через ORM.

Например, в Django:

posts = Post.objects.all()[:50]

for post in posts:
    print(post.author.name)

Кажется, что мы просто получаем 50 постов с авторами. Но на практике это может вызвать 51 запрос к базе данных.

Один запрос загружает посты, а ещё 50 отдельно получают авторов.

Это классическая проблема N+1 queries. Причём чем больше записей, тем больше обращений к БД.

Исправляется одной строкой:

posts = Post.objects.select_related("author")[:50]

Теперь Django использует JOIN и получает посты вместе с авторами одним запросом.

ORM избавляет от написания SQL, но не от необходимости понимать, какой SQL выполняется.

Именно поэтому при оптимизации API полезнее сначала посмотреть на количество запросов, чем переписывать Python-код ради нескольких миллисекунд.

👾 Русскоязычный каталог из 2118 проектов по декомпиляции игр: от Ocarina of Time до Xbox 360

На GitHub появился awesome-список, собранный на русском: проекты, которые восстанавливают игры из машинного кода. Это декомпиляции, статические рекомпиляции, порты на исходниках и ремейки движков. Задача простая: помочь найти проект под нужную игру и платформу и объяснить, как всё это устроено.

Масштаб впечатляет. В каталоге около 2118 проектов для примерно 1829 игр, из них 1771 активных. По типам: 786 декомпиляций, 525 статических рекомпиляций, 269 портов на исходниках, 238 ремейков движков, 234 дизассемблирования, 57 браузерных портов и 9 инструментов.

По платформам лидирует ПК с 295 проектами, дальше Nintendo 64 (190), Xbox 360 и PlayStation 1 (по 161). Следом идут DOS, GameCube, PS2, Game Boy Advance и Wii. Среди примеров Zelda (Ocarina of Time, Majora's Mask, Twilight Princess), Mario 64, Sonic, Diablo, Morrowind, OpenRA и OpenRCT2.

Внутри не просто список. В README есть топ-25, отдельный список браузерных портов, каталоги по типам и платформам, раздел о том, как начать декомпилировать самому, FAQ и глоссарий. Из инструментов упоминаются N64Recomp, XenonRecomp, RT64, splat, decomp.me, objdiff и m2c. Каталог обновляется автоматически через GitHub Actions.

Важная оговорка: сами проекты работают с данными из легально купленных копий игр, а в репозитории лежат только ссылки.

Репозиторий: https://github.com/justxor/awesome-decomp-games-ru

🏎 Всю Формулу-1 можно воспроизвести на Python. Нашёл проект с 7000 звёзд на GitHub

F1 Race Replay позволяет заново просматривать реальные гонки Формулы-1 в интерактивном режиме, отслеживая перемещения болидов и телеметрию пилотов.

Проект написан на Python и использует библиотеку FastF1 для получения исторических данных гонок.

Что умеет:

Показывает положение всех болидов на трассе, порядок пилотов, используемые шины и текущий круг.

Позволяет останавливать гонку, перематывать назад и вперёд, а также менять скорость воспроизведения от 0,1x до 256x.

Отображает скорость пилотов, передачи, состояние DRS, времена кругов и секторов. Можно выбирать нескольких гонщиков и сравнивать их телеметрию.

Есть визуализация выезда машины безопасности, графики деградации шин и отдельные окна для анализа гоночной стратегии.

Всё запускается локально:

git clone https://github.com/IAmTomShaw/f1-race-replay
cd f1-race-replay
pip install -r requirements.txt
python main.py

Внутри используются Python 3.11+, FastF1, Arcade, PySide6 и NumPy. Можно создавать собственные панели телеметрии и подключать их к потоку данных.

Хороший проект для тех, кто хочет попрактиковаться в Python, визуализации данных и анализе спортивной телеметрии.

GitHub: https://github.com/IAmTomShaw/f1-race-replay