Недавно делал быстрый прототип асинхронного приложения в котором требовалось вызывать много синхронного кода. Да, я знаю, что это не лучший дизайн, но нужно было быстрое решение на один процесс и без очередей. Поэтому я выполнял код в потоках.
Выглядело это примерно так:
from fastapi.concurrency import run_in_threadpool
async def execute(data: DataRequest) -> DataResponse:
try:
result = await run_in_threadpool(sync_function, data)
return DataResponse(data=result)
except Exception as e:
return DataResponse(
error=str(e),
success=False,
)
В общем работает нормально. Для всех вызовов под капотом используется общий тредпул, всё работает предсказуемо.
Но потребовалось изменить количество запускаемых в пуле потоков (по умолчанию создается 40 воркеров).
Так как дело происходит с FastAPI, делается это через lifespan используя настройки anyio:
import anyio
@asynccontextmanager
async def lifespan(app: FastAPI):
limiter = anyio.to_thread.current_default_thread_limiter()
limiter.total_tokens = 100
yield
# если вдруг нужно вернуть обратно
limiter.total_tokens = 40
Зачем менять количество воркеров?
- уменьшить, если оперативки мало (один тред занимает ~8мб)
- увеличить чтобы выдержать нагрузку
Если есть предложения получше при тех же вводных - предлагайте😉
#async
💥Tablet Gemini AI Android 15 10 Pulgadas
Potencia y versatilidad en tus manos con la Tablet Gemini AI Android 15 de 10 Pu
✅OFERTA: 99.99€
❌ Antes: 329.99€
💰Ahorras un 70%🔥
Almacenamiento ampliado, conexión ultrarrápida, calidad de imagen excepcional y
👉 Haz tuya la innovación ahora
#rebajas#tabletandroid#ofertas#descuentos#geminiai
🛰️Oferta publicada en Tecnología
Google DeepMind: как ИИ-гигант захватывает все фронты
Пока OpenAI металась между моделями, облаками и попытками захватить рынок, Google ждал своего часа. 🕰️
Спокойно дорабатывая экосистему, вкладываясь в железо и собирая данные, гигант подошел к 2025 году с абсолютным преимуществом. Теперь их победа очевидна даже скептикам.
🔥Лидерство моделей
➡️Gemini 2.5 Pro — №1 в ключевых тестах: LMArena, GPQA Diamond, AIME.
➡️Gemini 2.5 Flash (скоро в релизе) — скорость и стоимость в разы лучше аналогов (даже DeepSeek).
➡️Gemma 3 — open source модель уровня Llama 4 и DeepSeek-v3 но компактнее.
🎯Интеграция в экосистему
➡️1 млн токенов контекста + доступ к Google Поиску, YouTube, Workspace.
➡️Миллиарды пользователей получат Gemini бесплатно через Android, Chrome, Gmail.
🛠️Не только LLM
➡️Veo 2 — топ в генерации видео.
➡️Project Astra (ассистент) и Mariner (взаимодействие с ПК) — прорыв в агентских системах.
➡️Google Workspaces (ранее G Suite) - все собрано в одном флаконе для корпоративного пользователя.
➡️Imagen 3 (изображения) и Lyria (музыка) — пока не топ в своих категориях, но явно догонят, так как были выпущены ещё в прошлом веке (в прошлом году, если быть точнее, но в ИИ это сравнимо с прошлым веком)..
⚡Железо и облака
➡️TPU Ironwood — чипы 7-го поколения для AI-инференса (конкурент Nvidia Blackwell и Huawei Ascend).
➡️Google Cloud + собственные серверы = независимость от Microsoft/AWS.
🆚Почему конкурентам не догнать?
➡️У OpenAI нет своего железа, облака и 2 млрд пользователей «из коробки».
➡️Anthropic зависит от AWS, а Meta сосредоточена на open source, а не продуктах.
➡️Илон Маск с Grok-3 хорошо продаёт полеты на Марс, но у него проблемы с железом (StarGate только стартует).
➡️Apple кажется просто отстал на повороте...
➡️Главный козырь Google: данные. YouTube, Поиск, Карты — это тренировочная база, которой вместе нет ни у кого.
⚠️Но есть нюансы
➡️Gemini всё ещё отстаёт в креативном письме (хотя прогресс есть).
➡️При тестировании не все гладко, мои тесты.
➡️Бесплатный доступ — пока маркетинг. Цены могут вырасти после массового внедрения.
➡️Пока ИИ от Google за VPN, китайцы удобнее...
Резюме:
Google не просто вернулся в игру — он переписывает правила. И да, это тот редкий случай, когда «too much winning» — не мем, а реальность. 🚀
P.S. Тем, кто верил в xAI: наши соболезнования.
https://t.me/semasci
#ИИ#AI#GoogleAI#DeepMind#GeminiAI#Veo2#imagen3#lyria