Pydantic中create_model与computed_field的兼容性问题解析
在Pydantic 2.11版本更新后,开发者们发现了一个关于create_model方法与computed_field装饰器配合使用的兼容性问题。这个问题最初是在tortoise-orm项目的issue中发现的,但实际上是Pydantic核心功能的一个边界情况。
问题现象
当开发者尝试使用create_model动态创建模型,并将computed_field装饰器的结果作为字段定义传入时,在Pydantic 2.11及以上版本中会抛出AttributeError: 'property' object has no attribute '__mro__'异常。而在2.11之前的版本中,这种用法却能正常工作。
典型的错误使用示例如下:
from pydantic import BaseModel, computed_field, create_model
def area(self) -> float:
    return self.length**2
Square = create_model(
    "Square",
    __base__=BaseModel,
    length=(float, "length"),
    area=computed_field(area),
)
技术背景
computed_field是Pydantic V2引入的一个强大功能,它允许开发者定义在模型验证或序列化时动态计算的字段。而create_model则是Pydantic提供的动态模型创建工具,可以在运行时根据参数生成新的模型类。
在Pydantic 2.11版本中,核心团队进行了一次重要的重构,目的是为了支持更多使用场景,特别是与私有属性的配合使用。这次重构无意中改变了create_model处理计算字段的内部逻辑。
问题本质
实际上,将computed_field直接作为字段定义传入create_model的做法,在早期版本中能够工作纯属巧合,并非设计上的有意支持。Pydantic官方文档中从未明确记载过这种用法。
2.11版本的重构使得内部类型检查更加严格,暴露了这种用法的不规范性。计算字段本质上是一个property对象,而create_model的字段处理逻辑期望接收的是类型注解或FieldInfo对象。
解决方案
对于需要临时解决此问题的开发者,可以采用以下替代方案:
- 继承方式:先创建基础模型,再通过继承添加计算字段
 - 后添加字段:创建模型后,通过修改
__annotations__和添加property来模拟计算字段 
Pydantic核心团队已经认识到这个使用场景的合理性,并计划在2.12版本中正式支持这种用法。在此之前,开发者需要注意避免直接将computed_field结果传入create_model。
最佳实践建议
对于动态模型创建场景,建议开发者:
- 优先考虑使用标准的类定义方式,而非
create_model - 如果必须使用
create_model,可以先创建基础模型,再通过mixin或装饰器添加计算字段 - 关注Pydantic的版本更新日志,特别是2.12版本对此功能的官方支持
 
这个案例也提醒我们,在依赖未明确文档化的行为时,需要做好版本兼容性测试,或者准备好替代方案。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00