Сегодня в условии задачи вижу строку:

Ограничение по памяти: 1024 мебибайта

и думаю: "Ну точно опечатка, наверняка хотели написать мегабайта, какие-то мебибайты смешные".

Оказалось - вовсе не опечатка.

✏️Мебибайт (MiB) - это не мегабайт (MB).
🔘1 MiB = 1 048 576 байт (2²⁰)
🔘1 MB = 1 000 000 байт (10⁶)

Соответственно, 1024 MiB = 1 GiB = 1 073 741 824 байта.

Просто в олимпиадных системах любят точность и всегда указывают именно мебибайты.
А я вот до сих пор привык думать в "мегабайтах".

🤖 Figure показала Helix - новую VLA для гуманоидов. Одна модель и один набор весов: полный контроль верхней части тела на 200 Гц, коллаборация двух роботов и работа целиком "на борту". Команды на естественном языке 🔜 хват тысяч новых предметов. Будущее бытовых роботов стало ближе.

#robotics #ai #figure #helix #openai

Ох, он ещё и посудомойку умеет загружать, ну точно надо брать 🙂

#robotics #helix #figure

Deadline Alerts: не ждать падения, а предупреждать заранее

Новый механизм Deadline Alerts позволяет заранее сигнализировать, если DAG‑run "перерасходует" свой бюджет времени: указываешь опорную точку (например, время постановки в очередь), интервал, и способ оповещения (через Notifiers или свой callback). Это удобнее старых SLA‑подходов и лучше соответствует реальному SLO‑мониторингу.

Идея в коде:

from datetime import timedelta
from airflow.sdk.definitions.deadline import DeadlineAlert, DeadlineReference, AsyncCallback
from airflow.providers.slack.notifications.slack_webhook import SlackWebhookNotifier


with DAG(
    "critical_etl",
    deadline=DeadlineAlert(
        reference=DeadlineReference.DAGRUN_QUEUED_AT,
        interval=timedelta(hours=2),
        callback=AsyncCallback(SlackWebhookNotifier, kwargs={"text": "ETL пропустил дедлайн"})
    ),
):
    ...

Гайд по миграции со старых SLA на Deadline Alerts 🔜 ссылка

#airflow #release

Технические штрихи, на которые стоит обратить внимание

Task SDK продолжает "отстыковку' от core. Рекомендуемые импорты для авторов DAG-ов теперь через airflow.sdk, что готовит почву к более независимым апгрейдам и снижает связность с внутренностями Airflow. Документация Task SDK 1.1.0 это закрепляет. Полное разнесение имплементаций команда обещает в 3.2.

Python 3.13 поддерживается (3.9 - исключён). В 3.1 официально: 3.10/3.11/3.12/3.13. Это тянет за собой обновления окружений и CI.

Новые фичи из релиз‑ноутов, которые "стреляют" в проде:
▶️ Calendar/Gantt в новой UI (с фильтрами).
▶️ SQLAlchemy 2.0 совместимость и поддержка psycopg3.
▶️ В UI видно, кто запустил DAG‑run (аудит).
▶️ Новый триггер‑rule ALL_DONE_MIN_ONE_SUCCESS.
▶️ Экспонирование времени парсинга DAGов - удобно для охоты за "тяжёлыми" DAG-ами.

#airflow #release

🚀 Codex Launcher для JetBrains

Codex Launcher - маленький, но полезный плагин для JetBrains.
По сути это кнопка "запустить Codex" прямо в IDE: меньше alt‑tab, больше фокуса на коде.
Если гоняешь Codex из терминала - зайдёт на ура.

Маркетплейс: https://plugins.jetbrains.com/plugin/28264-codex-launcher (требует установленный Codex CLI)

#llm #ai #codex #pycharm #openai

🚀Будущее неизбежно настигает тебя: Роботы выходят на улицы, а ИИ учится действовать в мире!

🦾 В Бостоне прошёл RoboBoston 2025 - крупнейший робототехнический праздник на Восточном побережье.

Более 50 компаний и университетов показывают дронов, робособак, подводных роботов, манипуляторы и массу интерактивных демо. Всё бесплатно и открыто для всех!

🤖А всего несколько дней назад DeepMind представил Gemini Robotics 1.5 — систему, которая не только планирует и рассуждает (ER 1.5), но и реально управляет роботами разных типов.
Она "думает перед действием", умеет объяснять свои шаги и переносить навыки между разными роботами - от манипуляторов до гуманоидов. Это шаг к ИИ, который может по-настоящему работать в физическом мире.

🌍Массовый фестиваль роботов и релиз передового embodied-AI за одну неделю - сигнал: робототехника и ИИ переходят из лабораторий в твою повседневность.

#robotics #ai

Пример работы 👆 Gemini Robotics - выглядит здорово.

Хотя на мой взгляд Helix от Figure выглядит убедительнее.

#robotics #ai #gemini

🤖 Восемь наиболее заметных гуманоидных роботов, которые активно развиваются сегодня.

1️⃣ Optimus от Tesla

Робот Илона Маска. Цель - универсальный помощник для завода и дома. Активно демонстрируется, умеет ходить, манипулировать предметами, сейчас обучается простым рабочим задачам.

2️⃣ Atlas от Boston Dynamics

Один из самых известных гуманоидов. Отличается невероятной подвижностью: бегает, прыгает, делает акробатические элементы. Недавно компания показала электрическую версию, рассчитанную на реальные применения.

3️⃣ Digit от Agility Robotics

Робот для логистики и складов. Может брать коробки, переносить их, ориентироваться в пространстве. Amazon уже тестирует его для автоматизации складских процессов.

4️⃣ Helix от Figure AI

Стартап из Кремниевой долины, собравший сотни миллионов инвестиций. Ставка на интеграцию ИИ, чтобы робот мог общаться с человеком и выполнять задачи общего назначения. Сотрудничают с OpenAI.

5️⃣ Apollo от Apptronik

Американский гуманоид, созданный для индустриальных задач. Отличается модульным дизайном и надёжностью. Недавно Google DeepMind подтвердила, что их ИИ-модель Gemini будет работать на Apollo - это как раз про Gemini Robotics из постов выше.

6️⃣ Raise от AgiBot

Китайский игрок, делающий ставку на массовое производство гуманоидов. Уже заявляет о серийных партиях, активно демонстрирует роботов на выставках в Китае.

7️⃣ Walker X от UBTech

Ещё один китайский гуманоид, известный по презентациям на CES. Может ходить, распознавать лица, взаимодействовать с предметами. Ориентирован больше на сервис и коммуникацию.

8️⃣ Unitree G1

Более компактный и доступный китайский гуманоид. Известен демонстрациями с акробатикой и устойчивостью. Компания Unitree также популярна своими роботами-собаками.

#robotics #ai #llm #бям

⭐️ Чистые зависимости с помощью uv

Часто в проектах получается одна из двух крайностей:
🔘огромный requirements.txt, который тащит всё подряд,
🔘боль с поддержкой разных окружений для прода, CI и локалки.

⚡️ Решение - использовать uv и группы зависимостей прямо в pyproject.toml.

✏️ Пример pyproject.toml

[project]
name = "myapp"
version = "0.1.0"
requires-python = ">=3.12"
dependencies = [
  "fastapi",
  "httpx",
]

[tool.uv.group.dev]
dependencies = [
  "ruff",
  "ty",
  "pytest",
  "pytest-cov",
  "ipython",
  "types-requests",
]

[tool.uv.group.test]
dependencies = [
  "pytest",
  "pytest-xdist",
  "pytest-randomly",
]

[tool.uv.group.docs]
dependencies = [
  "mkdocs-material",
  "mkdocstrings[python]",
]

📌Как устанавливать

Prod:

uv sync --frozen

Dev-окружение:

uv sync --group dev

Тесты:

uv sync --group test

Комбинированно (например, dev + доки):

uv sync --group dev --group docs

🙂Паттерны для CI/CD

Prod-образ:

uv sync --frozen ⏩ минимум зависимостей, детерминированная сборка.

Тесты:

uv sync --group test --frozen && pytest -q

Линтеры:

uv sync --group dev --frozen && ruff check . && mypy .

☕️ Бонус: фичи как extras

[project.optional-dependencies]
s3 = ["boto3"]
clickhouse = ["clickhouse-connect"]

Установка:

uv sync --extras s3,clickhouse --group dev

🔥 В итоге: один pyproject.toml ⏩ много сценариев ⏩ чистые окружения ⏩ быстрые билды.

#uv #pipelines #ci #tests