Использование Pydantic сегодня стало нормой, и это правильно. Но иногда на ревью вижу, что используют его не всегда корректно.
Например, метод BaseModel.model_dump() по умолчанию не преобразует стандартные типы, такие как datetime, UUID или Decimal, в простой сериализуемый для JSON вид. Тогда пишут кастмоный сериализатор для этих типов чтобы функция json.dump() не падала с ошибкой.
import uuid
from datetime import datetime
from decimal import Decimal
from uuid import UUID
from pydantic import BaseModel
class MyModel(BaseModel):
id: UUID
date: datetime
value: Decimal
obj = MyModel(
id=uuid.uuid4(),
date=datetime.now(),
value='1.23'
)
print(obj.model_dump())
# не подходит для json.dump
# {
# 'id': UUID('4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1'),
# 'date': datetime.datetime(2025, 12, 12, 12, 12, 12, 111111),
# 'value': Decimal('1.23')
# }
# добавляем свой кастомный сериализатор
json.dumps(obj.model_dump(), cls=MySerializer)
# {
# 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1',
# 'date': '2025-12-12T12:12:12.111111',
# 'value': '1.23'
# }
В данном случае класс MySerializer обрабатывает datetime, UUID и Decimal. Например так:
class MySerializer(json.JSONEncoder):
def default(self, o):
if isinstance(o, Decimal):
return str(o)
elif isinstance(o, datetime):
return o.isoformat()
elif isinstance(o, UUID):
return str(o)
return super().default(o)
Специально для тех, кто всё еще так делает - в этом нет необходимости!
Pydantic может это сделать сам, просто нужно добавить параметр mode="json".
json.dumps(obj.model_dump(mode="json"))
# {
# 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1',
# 'date': '2012-12-12T12:12:12.111111',
# 'value': '1.23'
# }
#pydantic#libs
#Kalshi
Kalshi заранее заблокирует торговлю для спортсменов и политиков
Kalshi собирается заранее ограничить доступ к рынкам для спортсменов, тренеров, судей и других участников спортивных событий. Аналогичный запрет введут и для политиков в рынках, связанных с их собственными кампаниями.
Раньше такие сделки уже запрещались правилами платформы, но теперь Kalshi хочет не просто запрещать их формально, а технически не допускать до торгов с самого начала. Для этого компания подключает внешних подрядчиков, включая IC360, чтобы проверять таких пользователей еще на этапе регистрации.
Шаг идет на фоне растущего давления на рынки прогнозов из-за риска инсайда и манипуляций. В тот же день Polymarket ужесточил свои правила добросовестности рынка, а в Сенате США внесли законопроект, который должен запретить регулируемым CFTC площадкам рынки на спорт и казино.
⚡️ Breaking: #Kalshi is set to launch crypto trading with perpetual futures on April 27!
The #CFTC-regulated prediction market giant is entering the crypto derivatives space, offering perpetual contracts for continuous trading on $BTC, $ETH, and more.
🚀 Ставки сделаны: Gemini — фаворит гонки ИИ к концу 2025 года
Трейдеры на платформе прогнозов Kalshi уверенно ставят на победу Google Gemini в гонке искусственного интеллекта. 59% участников считают, что именно эта модель станет ведущей к концу 2025 года, оставив позади ChatGPT (20%) и Grok (14%). Общий оборот рынка превысил $7,4 млн, а итоги подведут 31 декабря 2025 года на основе данных рейтинга LM Arena.
Почему именно Gemini? Модель лидирует в ключевых бенчмарках (текст, поиск, разработка), демонстрирует превосходную скорость обработки и глубоко интегрирована в экосистему Google. В то время как конкуренты сталкиваются с проблемами: OpenAI — с критикой новых версий, Grok — со скандалами, а такие сильные игроки, как DeepSeek, — с высокими затратами и инфраструктурными вызовами, что мешает им удержать рыночное внимание.
#ИИ#Gemini#Kalshi#прогнозы
Пс. Картинка сделана ChatGPT на основании данного поста, понятно, почему не он первый? Очень похоже на ляпы в презентации Gpt-5.
https://t.me/semasci