7.09.2025 состоялся релизPithon 3.14!
На фоне хайпа про NoGIL всё позабыли про другие фичи. Особенно про Multiple Interpreters, который обещает изоляцию процессов но с эффективностью потоков! На сколько действительно это будет эффективно мы узнаем позже, потому что сейчас это лишь первый релиз с ограничениями и недоработками.
Но что там про NoGIL? Теперь этот режим не экспериментальный, а официально поддерживаемый, но опциональный.
Чтобы запустить без GIL нужна специальная сборка. И перед стартом нужно объявить переменную PYTHON_GIL=0
Для вас я собрал готовый репозиторий где достаточно запустить скрпит, который всё сделает:
▫️ соберет релизный Python 3.14 в новый Docker-образ
▫️ запустит тесты в контейнере (GIL, NoGIL, MultiInterpreter)
▫️ распечатает результаты
Тест очень простой, усложняйте сами)
Вот какие результаты у меня:
=== Running ThreadPoolExecutor GIL ON
TOTAL TIME: 45.48 seconds
=== Running ThreadPoolExecutor GIL OFF
TOTAL TIME: 6.14 seconds
=== Running basic Thread GIL ON
TOTAL TIME: 45.54 seconds
=== Running basic Thread GIL OFF
TOTAL TIME: 4.74 seconds
=== Running with Multi Interpreter
TOTAL TIME: 18.30 seconds
Если сравнивать GIL и NoGIL, то на мои 32 ядра прирост х7-x10 (почему не х32? 🤷). При этом нам обещают что скорости будут расти с новыми релизами.
Режим без GIL похож (визуально) на async, тоже параллельно, тоже не по порядку. Но это не IO! и от того некоторый диссонанс в голове 😵💫, нас учили не так!
Интересно, что чистый Thread работает быстрей чем ThreadPoolExecutor без GIL.
Ну и где-то плачет один адепт мульти-интерпретаторов😭 Теперь нужно искать где они могут пригодиться с такой-то скоростью. Скорее всего своя область применения найдется.
Отдельно я затестил память и вот что вышло на 32 потока:
ThreadPoolExecutor GIL ON
305.228 MB
ThreadPoolExecutor GIL OFF
500.176 MB
basic Thread GIL ON
90.668 MB
basic Thread GIL OFF
472.444 MB
with Multi Interpreter
1267.788 MB
Пока не знаю как к этому относиться)
В целом - радует направление развития!
#release
🥇NVIDIA RTX 5090 – "Dhahab Edition": oltin bilan qoplangan grafik karta Dubayda namoyish qilindi!
🖥 Bu oddiy RTX 5090 emas. Dubaydagi GITEX Africa 2025 ko‘rgazmasida taqdim etilgan karta 18 karatli 6.5 grammdan iborat haqiqiy oltin bilan bezatilgan bo‘lib, “Dhahab”(arabchada – oltin) deb nomlangan maxsus versiya.
✨ NVIDIA bu modelni o‘zi emas, balki Dubaydagi maxsus butik kompaniya orqali ishlab chiqargan. Dizaynidan tortib, qadoqlanishigacha – hammasi hashamatga yo‘g‘rilgan.
⚙️ Qanday texnik xususiyatlar borligi aytilmagan, ammo ehtimol oddiy RTX5090 bilan bir xil bo‘ladi. Faqat, ustiga NVIDIA Bosh direktori Jensen Xuangning dastxati ham tushirilgan.
🇦🇪 Bu karta kolleksionerlar va Dubaydagi premium texnologiya ishqibozlari uchun mo‘ljallangan.
🧐 Siz olarmidingiz bunday “oltin kartani”?
➡️#nvidia | Birinchi raqamli IT-Blog
💻NVIDIA GeForce RTX 5050: 8 GB GDDR6 xotira va 128-bit shina bilan ta'minlanadi
ℹ️ NVIDIA kompaniyasining yangi byudjet grafik protsessori — GeForce RTX 5050 haqida ma'lumotlar paydo bo'ldi. Ushbu model 8 GB GDDR6 videoxotira va 128-bit shina bilan jihozlanadi. Shuningdek, uning maksimal quvvat sarfi 130 W atrofida bo'lishi kutilmoqda.
⚙️ Ushbu xususiyatlar RTX 5050 modelini o'rta darajadagi grafik kartalar qatoriga qo'yadi. Uning raqobatchisi sifatida AMD RX 9070 modeli ko'rilmoqda. Ammo, to'liq texnik tafsilotlar va chiqarilish sanasi hali e'lon qilinmagan.
➡️#nvidia | Birinchi raqamli IT-Blog
🖥 PowerColor Radeon RX 9070 XT Red Devil: Yangi grafik karta uchun 900 W quvvat manbai talab qilinadi
ℹ️ Yaqinda tarqalgan ma'lumotlarga ko'ra, PowerColor Radeon RX 9070 XT Red Devil grafik kartasi uchun kamida 900 W quvvat manbai talab etiladi. Aytilishicha, unda 64 hisoblash bloklari va 3,0 GHz chastotada ishlovchi grafik protsessor, 3 ta 8-pinli quvvat ulagichi mavjud bo'ladi.
🆚 Taqqoslash uchun, PowerColor RX 9070 Reaper modeli uchun 650 W, RX 9070 XT Reaper uchun esa 750 W quvvat manbai kifoya qiladi.
➡️#nvidia | Birinchi raqamli IT-Blog
💻NVIDIARTX 5070 Ti rasmiy sotuv oldidan paydo bo‘ldi
⚙️ Asosiy xususiyatlar:
- 8960 CUDA yadrosi
- 16 GB GDDR7 xotira
- 256-bit shina kengligi
- 300 W energiya iste’moli
💸 Tavsiya etilgan narx — 749$, lekin ayrim Yevropa do‘konlarida 1300-1400 yevro atrofida sotilmoqda.
📅 Rasmiy sotuv 20-fevraldan boshlanishi kutilmoqda.
➡️#nvidia | Birinchi raqamli IT-Blog
💻Arzon mikrofon ovozini studiya darajasiga aylantiramiz — NVIDIA “Broadcast” dasturiga “Studio Voice” funksiyasini qo‘shdi.
ℹ️ Ishlatish juda oson — funksiyani yoqamiz va yozishni boshlaymiz. Natijada, toza va sifatli ovoz hosil bo‘ladi, qo‘shimcha sozlamalar kerak emas.
⬇️ Dasturni bepul yuklab oling: https://nvda.ws/4aKY2N6
➡️#nvidia | Birinchi raqamli IT-Blog
💻 RTX 5080 va RTX 5090 narxlari haqida ilk taxminlar
ℹ️ Yaqinda tarqalgan ma’lumotlarga ko‘ra, NVIDIA’ning keyingi avlod RTX 5080 va RTX 5090 grafik kartalari $899 va $1599 dan boshlanadigan narxlarda chiqishi mumkin. Bu hali rasmiy ma'lumot emas.
⚙️ Insayderlar ushbu avlod AD200 chip arxitekturasida ishlab chiqarilishini ta’kidlashmoqda. Energiya sarfi yuqori bo‘lishi mumkin, shuning uchun yaxshi sovutish tizimi va kuchli quvvat bloklari talab qilinadi.
💾 Katta hajmdagi kesh xotira, ray tracing va sun’iy intellekt uchun maxsus yadro (tensor) modullarning kuchayishi kutilyapti. Bu esa o‘yinlar va kreativ ilovalardagi ishlash tezligini sezilarli ravishda oshirishi mumkin.
➡️#nvidia | Birinchi raqamli IT-Blog
🔥🔥🔥 Mana, baliq!
💻 Insayder RTX 5090 haqidagi ma'lumotlarni sizdirdi. Unga ko'ra, 32 GB xotira, pik ishlash jarayonida 600 W quvvat sarfi va 512-bit,GDDR7 texnologiyasi asosida bo'larmish. Tabiiyki, RTX 4090 chetda choy ichadi.
ℹ️ RTX 5080 haqidagi ma'lumotlar esa 3-skrinda.
➡️#nvidia | Birinchi raqamli IT-Blog
🎂GeForce'ga 25 yil to'ldi!
ℹ️ 1999-yil 31-avgustda NVIDIA kompaniyasi GeForce 256 protsessorini taqdim etib, dunyodagi birinchi GPU'ga asos solgandi va shu orqali kompyuter texnologiyalari ichida revolyutsiyani amalga oshirgandi.
➡️#nvidia | Birinchi raqamli IT-Blog
💻 Nvidia o'zining sun'iy intellektini o'rgatish uchun millionlab YouTube videolarini yashirincha yuklab olayotgan ekan
😯 Demak, qanaqadir sensatsion loyiha tayyorlanmoqda. Nima bo'lishi mumkin?
➡️#nvidia | Birinchi raqamli IT-Blog
🖥NVIDIA endi kosmosning o‘zida data-markazlar qurishni boshlamoqda — birinchi sun’iy yo‘ldosh noyabr oyida uchiriladi.
🛰 Rejaga ko‘ra, orbital serverlar 4 km uzunlik va kenglikdagi ulkan quyosh panelidan quvvat oladi. Ular vakuumda sovutish jarayonini Yerda bo‘lgandek emas, ancha samarali amalga oshiradi — bu esa ulkan miqdordagi suvni tejash imkonini beradi.
🚀 Loyiha Starcloud nomli AQSh startapi bilan hamkorlikda olib borilmoqda, birinchi mijozlardan biri esa Google bo‘lgan. Ularning Gemma sun’iy intellekt modeli aynan shu kosmik serverda birinchi bo‘lib ishga tushiriladi.
🐚Bizning barcha loyihalar | #nvidia
⚡️Отличный ресурс, если хотите глубже понять, как работает параллельное исполнение на GPU.
Документация NVIDIA PTX раскрывает низкоуровневую модель выполнения: устройство команд, иерархию потоков, блоков, варпов, регистров и видов памяти.
Это базовый материал, без которого сложно разобраться, почему ядра GPU ведут себя именно так, как ведут, и как правильно писать высокопроизводительный код под CUDA.
Ссылка: https://docs.nvidia.com/cuda/parallel-thread-execution
@ai_machinelearning_big_data
#nvidia
🖥 NVIDIA опубликовали гайд: как масштабировать биологическиемодели.
Всё сводится к трём ключевым идеям:
1) Использовать Transformer Engine подменяет стандартные блоки на оптимизированные версии: меньше памяти, быстрее матричные операции, поддержка FP8/FP4. Это сразу увеличивает скорость обучения и инференса.
2) Масштабировать обучение до миллиардов параметров
Через FSDP и гибридные режимы параллелизма можно разнести модель по нескольким GPU или узлам. И главное, конфигурация уже готова, не нужно собирать всё вручную.
3) Экономить память за счёт sequence packing
Обычно биологические последовательности сильно различаются в длине, и половина батча забита паддингами. Packing позволяет «сжимать» батч, убирая пустые токены, итог: выше скорость, меньше VRAM.
Писать CUDA-ядра вручную никто не хочет. BioNeMo Recipes позволяют использовать привычный стек PyTorch + HuggingFace, но при этом получать производительность уровня «больших» фреймворков.
https://developer.nvidia.com/blog/scale-biology-transformer-models-with-pytorch-and-nvidia-bionemo-recipes/
@ai_machinelearning_big_data
#NVIDIA