cibuildwheel v3.0.0rc3 发布:跨平台Python轮子构建工具的重大更新
cibuildwheel是一个用于在CI环境中自动构建跨平台Python轮子(wheel)的工具,它简化了为不同操作系统和Python版本构建二进制分发包的过程。最新发布的v3.0.0rc3版本带来了多项重要更新和改进,标志着该项目进入了一个新的发展阶段。
核心功能改进
平台支持扩展
本次更新最引人注目的特性是新增了对iOS平台的支持。开发者现在可以在Mac设备上配置iOS工具链,通过设置platform选项为"ios"来构建适用于iOS的Python轮子。这一扩展使得Python生态向移动端开发又迈进了一步。
同时,项目添加了对GraalPy解释器的支持。GraalPy是基于GraalVM的Python实现,通过enable选项可以启用这一功能,为需要高性能或与Java生态集成的项目提供了新的可能性。
Python版本支持
cibuildwheel v3.0.0rc3继续保持对最新Python版本的前沿支持,包括CPython 3.14(目前处于beta阶段)。需要注意的是,由于3.14尚在开发中,其ABI可能会发生变化,因此官方建议在RC1版本发布前不要分发基于3.14构建的轮子。
构建系统优化
默认构建后端从pip wheel改为直接调用build工具,这一变化使得构建日志输出更加清晰可见。开发者可以通过build-frontend选项灵活控制构建方式。同时,构建环境不再预装setuptools和wheel,减少了不必要的依赖。
重要变更与兼容性说明
测试环境调整
测试工作目录行为有所调整:当未设置test-sources选项时,测试将在临时目录中运行(恢复至v2.x的行为)。新增的test-sources选项允许开发者指定需要复制到测试环境的源文件,这对于iOS构建是必需的,同时也提高了其他平台测试的准确性。
选项系统重构
移除了CIBW_PRERELEASE_PYTHONS和CIBW_FREE_THREADED_SUPPORT等旧选项,统一整合到enable选项中。PyPy轮子现在需要显式启用,不再默认构建。这些变化使得配置系统更加统一和清晰。
平台支持调整
项目放弃了对Python 3.6和3.7的支持,运行cibuildwheel的最低Python版本要求提升至3.11。同时,默认的manylinux镜像从manylinux2014升级到manylinux_2_28,反映了基础设施的现代化进程。
开发者实践建议
对于考虑升级到v3.0.0rc3的开发者,建议特别注意以下几点:
- 如果之前使用了beta1或beta2版本,需要检查测试工作目录相关的配置
- GraalPy的标识符格式发生了变化,需要相应更新配置
- 32位Linux构建已从"auto"中移除,如需构建需明确指定"auto32"
- 测试源目录现在默认为project而非package目录
对于移动开发感兴趣的团队可以尝试新的iOS支持功能,而需要高性能Python运行时的项目则可以探索GraalPy集成。随着Python 3.14的临近,开发者也可以开始准备兼容性测试。
cibuildwheel v3.0.0rc3的这些改进不仅扩展了功能边界,还通过配置简化和行为标准化提高了工具的易用性和可靠性,为Python生态的跨平台分发提供了更加强大的支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07