Pex工具v2.36.0发布:新增Android平台支持
Pex是一个强大的Python可执行文件打包工具,它能够将Python代码及其依赖项打包成一个独立的可执行文件,方便部署和分发。Pex的核心优势在于它能够创建轻量级的、自包含的Python环境,无需预先安装依赖项即可运行Python应用程序。
最新发布的Pex 2.36.0版本带来了对Android平台的重要支持,这是Python生态系统中一个值得关注的进步。让我们深入了解这一版本的技术细节和意义。
Android平台支持详解
Pex 2.36.0版本的核心改进是增加了对Android平台的支持。这一功能建立在Pex 2.34.0版本中Pip 25.1升级的基础上,该升级已经为解析Android平台特定wheel文件提供了支持。
在技术实现上,Pex团队进行了以下关键工作:
-
vendored packaging升级至25.0:Pex内部使用的packaging库升级到了25.0版本,这一升级使得Pex能够正确处理Android平台特定的wheel文件。
-
双重支持机制:
- 在打包阶段:Pex现在能够识别并正确处理Android平台特定的wheel文件
- 在运行阶段:从PEX文件启动时,也能正确处理这些Android特定的依赖
技术背景与意义
Android平台上的Python开发一直面临一些独特的挑战。由于Android使用不同于传统Linux的系统架构和库环境,许多Python包的标准二进制分发版(wheel)无法直接在Android上运行。
Pex的这一改进意味着开发者现在可以:
- 为Android设备创建专门的Python执行环境
- 打包包含Android平台特定依赖的应用程序
- 更轻松地在Android设备上部署Python应用
这对于希望在Android设备上运行Python代码的开发者来说是一个重大利好,特别是在物联网(IoT)、边缘计算和教育应用等领域。
版本兼容性说明
值得注意的是,这一版本的packaging升级主要针对Python 3.8及以上版本。使用较旧Python版本的开发者可能需要考虑升级他们的Python环境以充分利用这些新特性。
多平台支持
除了新增的Android支持外,Pex 2.36.0继续提供对多种平台的支持,包括:
- Linux (x86_64, aarch64, armv7l)
- macOS (x86_64, aarch64)
- 通用Python环境
这种广泛的多平台支持使得Pex成为跨平台Python应用分发的有力工具。
总结
Pex 2.36.0的发布标志着Python生态系统在移动平台支持方面又向前迈进了一步。通过提供对Android平台的完整支持,Pex进一步巩固了其作为Python应用打包和分发首选工具的地位。对于需要在多样化环境中部署Python应用的开发者来说,这一版本无疑提供了更多可能性和便利。
随着Python在嵌入式系统和移动设备上的应用越来越广泛,我们可以预见Pex这类工具将在未来的Python生态系统中扮演更加重要的角色。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00