Altair 5.5.0 版本将全面支持 Python 3.13
在 Python 数据可视化领域,Altair 作为一个基于 Vega-Lite 的声明式可视化库,因其优雅简洁的 API 设计而广受欢迎。然而,随着 Python 3.13 的发布临近,用户在使用最新 Python 版本时遇到了兼容性问题。
问题背景
当用户在 Python 3.13 rc2 环境下尝试导入 Altair 5.4.1 时,会遇到类型错误。具体表现为 _TypedDictMeta.__new__() 方法不接受 closed 关键字参数。这一错误源于 Python 3.13 对类型系统的重要变更。
技术分析
该问题的核心在于 Python 3.13 实现了 PEP 728,对 TypedDict 的行为进行了修改。在旧版本中,TypedDict 支持 closed 参数来控制是否允许额外字段,但在 Python 3.13 中这一参数已被移除。
Altair 代码库中使用了 _ConditionClosed 这个 TypedDict 子类,并显式设置了 closed=True 参数。这种用法在新的 Python 版本中不再被支持,导致了导入错误。
解决方案
Altair 开发团队已经通过两个重要变更解决了这个问题:
- 移除了对
closed参数的使用,改为更兼容的写法 - 添加了专门的代码分支来处理 PEP 728 带来的变化
这些修改已经合并到主分支,并将在即将发布的 Altair 5.5.0 版本中提供给用户。
影响范围
需要注意的是,虽然 Altair 本身已经准备好支持 Python 3.13,但由于上游依赖的限制,完整的 Python 3.13 支持还需要等待相关生态系统的更新。
结论
对于计划迁移到 Python 3.13 的数据科学家和开发者来说,Altair 5.5.0 将是一个重要的升级版本。开发团队建议用户在正式发布后及时更新,以获得最佳的兼容性和性能体验。
这一案例也提醒我们,在大型 Python 生态系统中,保持依赖关系的最新状态对于确保项目长期健康至关重要。Altair 团队对 Python 新特性的快速响应,展现了项目维护者对用户体验的重视。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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