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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00