PyO3 v0.25.0发布:支持Python 3.14与类型系统增强
PyO3是Rust生态中最重要的Python绑定库之一,它允许开发者用Rust编写Python扩展模块,或将Python解释器嵌入Rust应用程序。近日发布的PyO3 v0.25.0版本带来了多项重要更新,包括对即将发布的Python 3.14的支持、类型系统增强以及多项功能改进。
核心更新内容
Python 3.14兼容性
v0.25.0版本最显著的更新是增加了对Python 3.14 beta版本的支持。虽然Python 3.14尚未正式发布,但PyO3团队已提前做好兼容性准备。需要注意的是,在Python 3.14正式发布前,其API仍可能有变动,PyO3团队将持续关注并做相应调整。
新类型转换支持
此版本新增了对几个流行Rust库的类型转换支持:
- bigdecimal:支持高精度十进制数的转换
- ordered_float:支持有序浮点数的转换
- time:支持时间类型的转换
这些转换功能通过可选依赖实现,开发者可以根据需要选择性地引入这些依赖项。例如,要使用bigdecimal的转换功能,只需在Cargo.toml中添加相应的特性标记即可。
实验性类型检查功能增强
experimental-inspect特性现在能够自动生成类型存根(stubs)。虽然当前生成的存根还比较基础,缺少丰富的信息,但这为未来的静态类型检查奠定了基础。这一功能的完善将需要与setuptools-rust和maturin等工具的配合更新。
#[pyclass]宏的扩展
#[pyclass]宏新增了两个重要选项:
- generic:允许创建泛型Python类
- immutable_type:创建不可变的Python类型
这些选项为开发者提供了更精细的控制能力,可以更好地定义Python类型在运行时的行为特征。
API清理与优化
此版本移除了AsPyPointer trait,因为PyO3的智能指针类型(如Py<T>、Bound<T>和Borrowed<T>)已经提供了更优秀的API来覆盖这一功能。同时,对pyo3-ffi进行了大量清理工作,移除了许多CPython内部实现的私有定义,提高了代码的稳定性和可维护性。
技术细节深入
泛型Python类的实现
新的#[pyclass(generic)]特性允许开发者创建泛型Python类。这在需要创建可重用组件时特别有用。例如,可以定义一个泛型容器类,然后在Python端根据需要使用不同的具体类型。
不可变类型支持
#[pyclass(immutable_type)]创建的Python类型在实例化后将无法修改其属性。这种不可变性在某些场景下非常有用,特别是在多线程环境中或需要确保数据一致性的情况下。
类型存根生成的潜力
虽然当前的类型存根生成功能还比较基础,但它为未来的开发方向指明了道路。随着功能的不断完善,PyO3有望提供更完整的类型系统支持,使Rust编写的Python扩展能够更好地与Python的类型检查工具(如mypy)集成。
升级建议
对于现有项目,升级到v0.25.0需要注意以下几点:
- 移除所有对
AsPyPointertrait的使用,改用PyO3提供的智能指针类型 - 如果项目依赖
pyo3-ffi中的私有API,需要寻找替代方案 - 对于需要新类型转换功能的项目,添加相应的可选依赖
PyO3团队提供了详细的迁移指南,帮助开发者顺利完成版本升级。
总结
PyO3 v0.25.0的发布标志着这个Rust-Python互操作库的持续成熟。通过支持最新的Python版本、增强类型系统功能以及提供更灵活的类定义选项,PyO3进一步巩固了其在Rust生态中的重要地位。特别是对Python 3.14的前瞻性支持,展现了项目团队对Python生态发展的积极响应。随着实验性功能的不断完善,PyO3有望为Rust和Python的互操作带来更多可能性。
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03