setuptools 在 Windows 平台构建自由线程扩展时的 Py_GIL_DISABLED 宏问题解析
在 Python 3.13 的自由线程(free-threaded)版本中,当开发者使用 setuptools 在 Windows 平台构建 C 扩展模块时,可能会遇到一个关键问题:Py_GIL_DISABLED 宏未被正确定义,导致构建的扩展模块在导入时崩溃。
问题背景
Python 3.13 引入了自由线程构建选项,这种构建方式移除了全局解释器锁(GIL)。在 Windows 平台上,自由线程版本使用不同的动态链接库(python313t.dll 而非 python313.dll)。为了确保兼容性,扩展模块在构建时必须定义 Py_GIL_DISABLED 宏,否则会导致运行时错误。
问题表现
当开发者使用自由线程版本的 Python(如通过 python313t)构建和导入扩展模块时,如果没有正确定义 Py_GIL_DISABLED 宏,扩展模块会链接到错误的 DLL(python313.dll 而非 python313t.dll),导致段错误(segmentation fault)。
技术分析
在 Windows 平台上,由于共享相同的头文件目录,pyconfig.h 文件无法自动区分常规构建和自由线程构建。因此,构建系统需要显式地定义 Py_GIL_DISABLED 宏来指示当前正在构建自由线程兼容的扩展。
这个问题在 Unix 类系统上不会出现,因为在这些系统上,自由线程构建会生成不同的 pyconfig.h 文件。但在 Windows 上,由于安装程序的限制,开发者必须手动定义这个宏。
解决方案
setuptools 社区已经意识到这个问题,并提出了解决方案。正确的做法是:
- 检查 sysconfig.get_config_var("Py_GIL_DISABLED") 的值
- 如果返回 True,则在构建扩展时自动添加 -DPy_GIL_DISABLED=1 编译选项
对于使用 setuptools 构建扩展的开发者,目前可以采取以下临时解决方案:
# 在 setup.py 中添加以下代码
import os
import sysconfig
if os.name == 'nt' and sysconfig.get_config_var("Py_GIL_DISABLED"):
macros.append(('Py_GIL_DISABLED', 1))
未来改进
setuptools 计划在未来版本中自动处理这个问题,使得开发者无需手动添加上述代码。这一改进将遵循与 CMake 类似的逻辑:当链接的导入库名称以 "t.lib" 结尾时(如 python313t.lib),自动定义 Py_GIL_DISABLED 宏。
总结
对于在 Windows 平台上使用 Python 3.13 自由线程版本构建 C 扩展的开发者来说,正确处理 Py_GIL_DISABLED 宏是确保扩展模块正常工作的关键。虽然目前需要手动处理,但 setuptools 正在积极改进以提供更好的开发者体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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Python00
HunyuanVideo-1.5暂无简介00
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
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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