【AI翻译】Python 3.14来了，有多快？

标题：Python 3.14来了，有多快？

原文链接：https://blog.miguelgrinberg.com/post/python-3-14-is-here-how-fast-is-it

Markdown内容：
2024年11月，我写过一篇博客，标题为《Python真的那么慢吗？》，其中测试了多个Python版本，并指出随着时间的推移，Python的性能取得了稳定的进步。

今天是2025年10月8日，Python 3.14刚刚正式发布一天。让我们重新运行基准测试，看看新版本的Python有多快！

注意：如果你对结果表格和图表没兴趣，只想看结论，点这里直达文章尾部。

关于基准测试的片面性

虽然我会分享我的基准测试结果，但我必须再次提醒大家，就像我之前文章里说的，这类通用基准测试其实参考价值有限。跑这些基准测试其实更多是出于兴趣，不过仅凭几个简单的小脚本，很难准确反映Python解释器这种复杂系统的真实性能。

我设计的所有测试都只运行纯Python代码，避免使用任何依赖库，尤其是那些用C语言编写的函数。因为与Python本身相比，原生代码（除了解释器自身）从新版本中获得的性能提升非常有限，因此我没把它们纳入基准测试。但现实中的应用通常会混合使用纯Python和原生代码，比如C、C++或Rust等。所以我的测试脚本很适合评估纯Python的性能，但不能代表我们日常使用的真实应用。

简而言之，可以看看我的基准测试，但请把它只当做一个数据点，而不是Python性能的终极结论！

测试矩阵

以下是本次测试涉及的五个维度：

  • 6个Python版本，以及Pypy、Node.js和Rust的最新版本：

  • 3种Python解释器

    • 标准版
    • 即时编译（JIT）：仅限CPython 3.13及以上
    • 自由线程（FT）：仅限CPython 3.13及以上

  • 2个测试脚本

  • 2种线程模式

    • 单线程
    • 4个线程独立运行

  • 2台电脑

    • Framework笔记本，Ubuntu Linux 24.04（Intel Core i5 CPU）
    • Mac笔记本，macOS Sequoia（M2 CPU）

你也许觉得，在基准测试中加入Node.js和Rust有些奇怪。其实我将两个Python测试应用分别移植到了JavaScript和Rust中，用来作为参考，对比Python生态之外的表现。

测试脚本

下面是_fibo.py_的主要逻辑：

def fibo(n):
    if n <= 1:
        return n
    else:
        return fibo(n-1) + fibo(n-2)

实验后我发现，用这段函数计算第40个斐波那契数，大约需要几秒钟，因此我选择此参数进行所有测试并汇总下述结果。

下面是_bubble.py_中的排序函数：

def bubble(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
    return arr

同样，我选择能让脚本运行几秒钟的数组大小，最终定为10000个随机数。

请不要以为这些函数本身写得很高效，它们并不是性能最佳范例。这里的目标不是让函数尽可能快，而是比较不同Python解释器的表现。一份递归（fibo），一份非递归（bubble），两种风格，有助于测试多元性。

我自制的测试框架会每个函数运行三次，并取平均值。所有完整脚本和基准代码都已开放：GitHub仓库。

基准测试1：单线程Fibonacci

首先来看第一个测试。这里测量的是运行fibo(40)所用的秒数。如前所述，每一组数据我都会运行三次取平均。

结果表格如下：

fibo 单线程 Linux macOS 对比3.14
3.9 15.21 13.81 0.45x
3.10 16.24 14.97 0.42x
3.11 9.11 9.23 0.71x
3.12 8.01 8.54 0.78x
3.13 8.26 8.24 0.79x
3.14 6.59 6.39 --
Pypy 3.11 1.39 1.24 4.93x
Node 24 1.38 1.28 4.88x
Rust 1.90 0.08 0.10 69.82x

最右侧一列是相较于3.14的速度倍率，低于1说明比3.14慢，高于1则更快。这一倍率取Linux和macOS结果的平均值。

有时用图表也许更直观，下图展示上述数据：

图片 1: fibo 单线程

这些结果说明了什么？我们可以看到，3.14相比3.13速度提升明显——提升约27%，换句话说，3.13的速度约为3.14的79%。此外，3.11是Python正式迈入“不是那么慢”的分水岭。

还有一点让我震惊的是Pypy。这个测试中Pypy略快于Node.js，且几乎比3.14快5倍。令人印象深刻，尽管与Rust相比还差不少，Rust如预期那样“碾压众生”。

JIT与自由线程变体

从Python 3.13开始，CPython有三种模式：标准版、自由线程（FT）、即时编译（JIT）。自由线程移除了全局解释器锁（GIL），理论上能大幅提升多线程程序，JIT则是在运行时将部分代码编译为本地代码以加速执行。

我上面的3.13与3.14数据均为标准解释器，但我也测试了其他两种。下表为这三种模式的比较：

fibo 单线程 Linux macOS 对比3.14
3.13 8.26 8.24 0.79x
3.13 JIT 8.26 8.28 0.78x
3.13 FT 12.40 12.40 0.52x
3.14 6.59 6.39 --
3.14 JIT 6.59 6.37 1.00x
3.14 FT 7.05 7.27 0.91x

图片 2: fibo 单线程 - 三种解释器

令人略感失望的是，在本测试中，JIT解释器几乎没带来明显提升。我反复确认使用了带JIT特性的正确版本。我不太了解新JIT的细节，不排除它难以优化这种递归较重的函数。

自由线程的情况，同去年一样，单线程下表现偏慢。这次3.14中自由线程版仍稍慢于标准版，但差距仅为标准版的91%。

基准测试2：单线程冒泡排序

下面是对10000个随机数做冒泡排序的单线程测试结果：

bubble 单线程 Linux macOS 对比3.14
3.9 3.77 3.29 0.60x
3.10 4.01 3.38 0.57x
3.11 2.48 2.15 0.91x
3.12 2.69 2.46 0.82x
3.13 2.82 2.61 0.78x
3.14 2.18 2.05 --
Pypy 3.11 0.10 0.14 18.14x
Node 24 0.43 0.21 6.64x
Rust 1.90 0.04 0.07 36.15x

图片 3: bubble 单线程

这次测试显示，我的Mac运行比Linux略快，但各版本之间比例基本一致。差异主要反映在不同电脑上，而Python自身提升幅度如出一辙。

3.14依然是CPython里最快的，但提升幅度比Fibonacci测试略小，3.11为3.14的91%。有趣的是，3.12与3.13反而比3.11慢，这也是去年就注意到的。

Pypy本次快18倍，甚至比Node快3倍。我真的很想深入研究Pypy的表现，实在令人惊艳。

JIT与自由线程变体

再来看看3.13和3.14专用解释器下冒泡排序的数据：

bubble 单线程 Linux macOS 对比3.14
3.13 2.82 2.61 0.78x
3.13 JIT 2.59 2.44 0.84x
3.13 FT 4.13 3.75 0.54x
3.14 2.18 2.05 --
3.14 JIT 2.03 2.32 0.97x
3.14 FT 2.66 2.28 0.86x

图片 4: bubble 单线程 - 三种解释器

JIT模式在Linux下略快，Mac下在3.13版本有提升，但3.14却略慢。整体速度差异很小，说明JIT还有很大的进步空间。我的代码似乎难以在JIT编译下获得显著收益。

自由线程模式也慢于标准版，但在3.14里已经比3.13进步了，与前面的Fibonacci测试保持一致。目前来看，常规场景下还不适合直接用自由线程，除非你在意GIL，且是极度多线程CPU密集型任务。

基准测试3：多线程Fibonacci

今年我引入了多线程版本（主要是给自由线程解释器一个发挥空间）。

多线程Fibonacci的做法是启动4个线程，各自独立计算第40个斐波那契数。两台笔记本都有4核以上，可以充分并行。计时时间从第一个线程启动到全部线程结束。

下表是标准解释器下用4线程运行_fibo.py_的结果：

fibo 4线程 Linux macOS 对比3.14
3.9 67.87 57.51 0.46x
3.10 72.42 61.57 0.43x
3.11 45.83 36.98 0.70x
3.12 36.22 34.13 0.82x
3.13 37.20 33.53 0.81x
3.14 32.60 24.96 --
Pypy 3.11 7.49 6.84 4.02x

图片 5: fibo 4线程

由于此测试更关注Python的GIL，所以没有运行Node或Rust。

当然，这些结果并没带来太多新信息。整体上Mac还是比Linux快，各版本与单线程基本线性增加：比如单线程Fibonacci约7秒，此处Mac为25秒，Linux为32秒，大致就是4倍时间。这很合理，因为GIL限制了Python代码的并行。

再来看3.13和3.14各解释器详细结果：

fibo 4线程 Linux macOS 对比3.14
3.13 37.20 33.53 0.81x
3.13 JIT 37.48 33.36 0.81x
3.13 FT 21.14 15.47 1.57x
3.14 32.60 24.96 --
3.14 JIT 32.58 24.90 1.00x
3.14 FT 10.80 7.81 3.09x

图片 6: fibo 4线程 - 三种解释器

这就令人兴奋了！

如预期，JIT模式没明显提升，可以无视。自由线程却充分展示了去除GIL后对多线程CPU密集任务的强大提升。

在3.13里，FT模式比标准版提升约2.2倍，在3.14里提升到3.1倍。这太令人振奋了！

基准测试4：多线程冒泡排序

最后来看4线程下的冒泡排序。每个线程分别排序一万个随机数，数组内容相同但互不干扰。

先看标准解释器结果：

bubble 4线程 Linux macOS 对比3.14
3.9 16.14 12.58 0.66x
3.10 16.12 12.95 0.65x
3.11 11.43 7.89 0.97x
3.12 11.39 9.01 0.92x
3.13 11.54 9.78 0.88x
3.14 10.55 8.27 --
Pypy 3.11 0.54 0.59 16.65x

图片 7: bubble 4线程

无需多说，单线程测试大约2秒，4线程大致是10秒（Linux）和8秒（Mac）。有趣的是Linux略高于4倍，说明这台电脑的性能瓶颈更明显。

再来看3.13/3.14新解释器下的表现：

bubble 4线程 Linux macOS 对比3.14
3.13 11.54 9.78 0.88x
3.13 JIT 10.90 9.19 0.94x
3.13 FT 9.83 5.05 1.17x
3.14 10.55 8.27 --
3.14 JIT 10.03 9.26 0.98x
3.14 FT 6.23 3.02 2.03x

图片 8: bubble 4线程 - 三种解释器

这里再次证明自由线程的价值。Mac上的FT模式表现比Linux更突出，平均来看3.14 FT比标准版快约2倍。如果你的多线程程序极度依赖CPU，FT解释器值得考虑。

而JIT在Mac下反而比标准还慢，这与之前单线程测试一致。我猜并不是偶然。但反正这些细微差异并不大，更期待JIT未来持续优化。

结论

希望你觉得我的基准测试有趣。总结如下：

  • CPython 3.14可以说是目前所有CPython中最快的；
  • 如果暂时无法升级到3.14，至少用3.11及以上吧，因为3.11之后提升巨大；
  • 3.14的JIT解释器暂时看不出太大加速效果，至少对我的测试脚本如此；
  • 3.14自由线程解释器在多线程CPU密集场景比标准解释器快，值得一试。但其它常规工作负载我不推荐使用，因为非GIL瓶颈场景下还是慢一些；
  • Pypy真的非常快！

你测试过Python 3.14的性能吗？欢迎留言分享你的结果。

感谢浏览我的博客！如果本篇对你有帮助，欢迎通过Buy me a coffee请我喝一杯咖啡支持我。谢谢！

posted @ 2025-10-15 15:29  ffl  阅读(158)  评论(0)    收藏  举报