Pydantic и dataclass служат для создания классов с аннотациями типов, но имеют ключевые различия: - **Валидация данных**: Pydantic автоматически проверяет типы данных при создании экземпляра и преобразует их при необходимости. Dataclass только аннотирует типы без валидации. - **Сериализация**: Pydantic предоставляет методы `.dict()` и `.json()` для конвертации в словарь/JSON. Dataclass требует ручной реализации или использования `dataclasses.asdict()`. - **Наследование и конфигурация**: Pydantic поддерживает сложную валидацию через `@validator`, наследование моделей. Dataclass — это просто синтаксический сахар для `__init__`, `__repr__` и т.д. **Пример:** ``` from pydantic import BaseModel from dataclasses import dataclass # Pydantic class UserPydantic(BaseModel): name: str age: int # автоматическая валидация типа # Dataclass @dataclass class UserDataclass: name: str age: int # аннотация без валидации ``` **Когда использовать**: - Pydantic — для работы с внешними данными (API, конфиги). - Dataclass — для внутренних структур, где валидация не нужна.