coverage.py项目在Python 3.13无GIL模式下的线程安全适配
在Python 3.13版本中引入了一个重要的新特性——"free-threaded"(无GIL)模式,这使得Python可以真正实现多线程并行执行。这一变化对Python生态系统的扩展模块提出了新的要求,特别是那些包含C扩展的模块需要明确声明其线程安全性。
近期,在joblib项目测试过程中发现,当使用coverage.py进行测试覆盖率统计时,Python 3.13会发出警告提示:"The global interpreter lock (GIL) has been enabled to load module 'coverage.tracer'"。这个警告表明coverage.tracer模块尚未声明其是否可以在无GIL环境下安全运行。
coverage.tracer是coverage.py项目的核心组件之一,负责在代码执行过程中跟踪和记录覆盖信息。作为一个性能敏感的模块,它部分采用了C扩展实现以获得更好的执行效率。在Python 3.13的无GIL模式下,任何包含C扩展的模块都需要通过Py_mod_gil_not_used标志明确声明其线程安全性,否则解释器会强制启用GIL来加载该模块。
项目维护者nedbat迅速响应了这个问题,在最新发布的coverage 7.5.4版本中为模块添加了适当的线程安全声明。这一改动确保了coverage.py可以在Python 3.13的无GIL模式下正常工作,同时消除了相关的运行时警告。
对于科学计算领域的开发者而言,这一改进尤为重要。像joblib、scikit-learn这样的项目经常需要处理计算密集型任务,Python 3.13的无GIL模式为它们提供了真正的多线程并行能力。coverage.py作为这些项目测试流程中的关键工具,其与无GIL模式的兼容性确保了整个测试流程可以充分利用新版本Python的性能优势。
目前,科学Python生态系统正在进行全面的无GIL兼容性评估和适配工作。coverage.py的及时更新为其他项目提供了一个良好的范例,展示了如何正确处理C扩展模块在新Python版本中的线程安全问题。开发者现在可以放心地在Python 3.13的无GIL环境下使用最新版的coverage.py进行测试覆盖率统计,而无需担心兼容性问题或性能损失。
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