cibuildwheel v3.0.0 beta版本发布:跨平台Python轮子构建工具重大更新
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版本构建轮子的过程,支持Windows、macOS、Linux等多个平台。最新发布的v3.0.0 beta版本带来了多项重要更新和新功能,本文将详细介绍这些变化。
iOS平台支持
v3.0.0 beta版本最引人注目的新特性是增加了对iOS平台的支持。开发者现在可以在Mac设备上使用iOS工具链构建Python轮子。要启用这一功能,只需在配置中将platform选项设置为"ios"即可。
这一功能的加入使得Python生态向移动端扩展又迈进了一步,为开发iOS应用中使用Python模块提供了可能。
GraalPy解释器支持
新版本正式添加了对GraalPy解释器的支持。GraalPy是基于GraalVM的Python实现,它能够与Java和其他GraalVM支持的语言进行互操作。要启用GraalPy支持,开发者需要在配置中使用enable选项明确指定。
CPython 3.14支持
随着Python 3.14进入beta阶段,cibuildwheel也及时跟进,提供了对3.14.0b1版本的支持。需要注意的是,由于CPython在beta阶段ABI可能发生变化,官方建议在RC1版本发布前不要分发这些轮子。
测试环境改进
v3.0.0 beta版本对测试环境进行了多项改进:
-
新增了CIBW_TEST_ENVIRONMENT选项,允许开发者设置测试命令的环境变量。默认情况下,工具会设置PYTHONSAFEPATH=1,防止从本地目录意外导入包,确保测试的是安装的轮子而非源代码树。
-
引入了test-sources选项,可以指定测试源文件。当设置此选项时,工具会将指定的文件和文件夹复制到临时目录中运行测试,这对于iOS构建特别必要,也能避免其他平台上的潜在问题。
-
测试的工作目录行为有所改变。如果未设置test-sources选项,测试将在源代码树中运行,这与之前版本的行为不同。
Pyodide构建改进
对Pyodide构建的支持得到了增强,新增了CIBW_PYODIDE_VERSION选项,允许开发者指定用于构建的Pyodide版本。Pyodide是将Python科学计算栈编译到WebAssembly的项目,这一改进使得在浏览器环境中使用Python更加方便。
其他重要变更
-
增加了dependency-versions的内联语法,使依赖版本管理更加灵活。
-
不再允许使用短名称指定EOL manylinux选项,必须使用完整的OCI URL。
-
构建环境不再预装setuptools和wheel,这有助于减少构建环境的体积和潜在冲突。
-
默认情况下不再构建PyPy轮子,如需构建,需在enable选项中明确指定"pypy"或"pypy-eol"。
-
移除了对Appveyor的官方支持。
文档更新
伴随功能更新,项目文档也进行了重组和大量更新,使开发者能更轻松地找到所需信息。
总结
cibuildwheel v3.0.0 beta版本带来了多项激动人心的新功能,特别是iOS平台支持和GraalPy解释器支持,进一步扩展了Python轮子的构建能力。测试环境的改进使得构建过程更加可靠,而Pyodide支持的增强则为Web应用开发提供了更多可能。
虽然目前仍处于beta阶段,但这些新特性已经展现出cibuildwheel作为Python生态中重要构建工具的持续创新。开发者可以开始试用这些新功能,为即将到来的正式版本做好准备。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00