Clean Architecture в Python: не догма, а инструмент — разбор от разработчика с 30-летним стажем

Макс Кирхофф взял интервью у Сэма Кина — автора книги «Clean Architecture with Python». Сэм прошёл путь от стартапов до AWS и делится практическим подходом к архитектуре.

Ключевые моменты
🔘Clean Architecture — не «всё или ничего», а набор принципов под твой контекст
🔘Главная ценность — грамотное управление зависимостями и чёткая доменная модель
🔘Хорошая архитектура = тестируемый код (связь прямая)
🔘Бонус: чистая архитектура упрощает работу с AI-ассистентами при написании кода

Почему важно
Python любят за прагматику — и можно сохранить её, не скатываясь в спагетти-код. Архитектурные принципы адаптируются, а не навязываются.

📎 Видео на YouTube или в этом посте

@zen_of_python

Xiaomi наконец-то попали в цель со своим MiMo-V2-Flash

Это open-source LLM, которая оказалась на одном уровне с популярными нейронками, где 309B параметров, 15B активных (MoE), с контекстом в 256k токенов.

Заточена под reasoning, код и агентские штуки:
➡️ на SWE-bench — 73,4% (лучший результат среди open-source, уровень GPT-5 High);
➡️ на AIME 2025 — 94,1%;
➡️ режим «размышления» можно включить или выключать, в зависимости от задачи.

Скорость и цена:
🔘150 токенов/сек;
🔘$0,1 / 1M input, $0,3 / 1M output;
🔘ускорение инференса до 2,6× за счёт хитрого декодинга.

Внутри — Multi-Token Prediction, sliding window attention и новый post-training: <1/50 вычислений от классического SFT+RL пайплайна при сопоставимом качестве.

MIT-лицензия и пока что бесплатный API.
Редкий случай, когда большая модель получилась не только умной, но и экономной.

📎 Полезные ссылки:
API / официальный блог / HuggingFace

#ml