TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #396 · 9 окт.

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

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #voicetech

当前筛选 #voicetech清除筛选
Data Science Jobs

@datasciencejobs · Post #3167 · 03.03.2026 г., 10:41

#AI#VoiceTech#DS#AIEngineer Привет, это Voximplant! Сейчас мы ищем AI Engineer для задач в направлении voice/text. 💻Мы международная SaaS компания в области облачных коммуникаций. Если быть точнее CPaaS - Communication Platform as a Service. Мы создаём платформу, которая позволяет компаниям по всему миру строить клиентские коммуникации внутри своих продуктов и бизнес-процессов. Через нашу инфраструктуру бизнесы запускают голосовые сервисы, контакт-центры, омниканальные коммуникации, автоматизацию взаимодействия с клиентами и решения на базе AI. У нас есть 2 направления бизнеса: B2B и B2D. B2B - облачные контакт-центры, B2D (business to developers) - платформа-лего для разработчиков, внутри которой можно строить свою собственную коммуникационную платформу. О Voximplant в 2026 году: С 2013 года на рынке облачных коммуникаций; 300+ сотрудников; 30 000 клиентов по всему миру; 3 млрд звонков обрабатываем в год. 🔖Задачи: Проектировать архитектуру голосовых ботов: многокомпонентные сервисы, API-интерфейсы, инструменты управления и автоматизации; Интегрировать RAG-решения, включая векторный поиск, чанкование, embedding; Погружаться в детали проектов, анализировать ограничения и выбирать подходы к реализации; Прототипировать интеграции с поставщиками (ASR, TTS, LLM, Turn Detector, Noise filter); Проводить бенчмаркинг поставщиков (latency, throughput, cost); Улучшать технические метрики продуктов (latency, количество ошибок); Развертывать модели в облаках и оборачивать их в сервисы; Развивать подходы к автотестированию в тексте и голосе; Вместе с продактом и технической командой работать над развитием продукта; Сопровождать запуски проектов для клиентов; 🖇Ожидания от будущего коллеги: Опыт проектирования комплексных LLM-систем или AI-платформ; Опыт интеграции моделей разных вендоров: OpenAI, Qwen и других; 🖇Опыт работы с ASR/TTS: управление потоками речи в реальном времени, корректное восстановление контекста после прерывания, согласование таймингов между распознаванием, ответом и синтезом речи; Понимание современных подходов к RAG, включая: работу с векторными базами данных, разработку и настройку embedding-пайплайнов. Опыт работы с function calling, tools, agents и понимание архитектуры цепочек промптов; Опыт участия, внедрения или создания внутренних инструментов для работы с LLM-инструментарием, а также их мониторинга; Уверенные навыки программирования на Python: построение пайплайнов, интеграция с API LLM и векторными базами, автоматизация процессов. Умение четко излагать технические идеи, документировать архитектурные решения и менторить коллег. ⌨️Будет плюсом: Опыт разработки платформенных решений, SDK или low-code инструментов для AI-ассистентов и поддержки команд; Знания и опыт работы с ML-мониторингом, логированием, observability и CI/CD для LLM-инструментов; Навыки проектирования мультимодальных систем: обработка текста, аудио и интеграция мультимодальных моделей. 🖱Предлагаем: Мы - продуктовая компания, которая создает технически сложный и востребованный продукт для бизнеса; Гибкое начало рабочего дня;; Работа в аккредитованной IT-компании; Одна из 2-х льгот на выбор за счет компании (с возможностью воспользоваться другой на корпоративных условиях): ДМС (Лучи), Корпоративное обучение английскому/испанскому языку до 2-х раз в неделю; Корпоративные скидки от BestBenefits; Удалённый формат работы, при желании гибрида — Московский офис находится в пяти минутах от метро Тульская, рядом с Даниловским рынком; Современные и удобные инструменты, софт и оборудование для работы. Процесс найма: Скрининг с HR; Техническое интервью; Оффер. Резюме ждёт Ольга @olgas_itrec