Python 3.15 JIT 升级了:实测 5-12% 提速,但还是不够打.
- 2026-09-09 18:22:23
Python 3.15.0a7 已于 3 月 10 日发布，JIT 属于实验特性，但主线持续迭代。3 月 11 日和 3 月 17 日的基准跑分显示性能稳步上升，目前已支持更多字节码和控制流，比3.14覆盖面大得多。
一、Python 3.15 的JIT
3 月 17 日 Ken Jin 发文《Python 3.15’s JIT is now back ontrack》，之前 Faster CPython 项目赞助断了，大家以为 JIT 要凉，结果社区自己接手，把追踪前端重写、支持更多字节码和控制流、优化寄存器分配和常量传播，在短短几个月的时间内，产品的性能实现了从“几乎无用”到“基本可用”的显著提升。
这是标准 Python（python.org 下载的那个）内置的 JIT 不需要换解释器，不改代码就能用 当前（2026 年 3 月）3.15 alpha 阶段，热点代码平均提速 5-12%，某些循环能到 50-100% 实现方式是“copy-and-patch”：提前准备好微操作的机器码模板，运行时拷贝 + 打补丁，成本比传统 LLVM 式 JIT 低很多 缺点：还是实验特性，冷代码可能略慢，有 warmup 时间，需要自己编译开启
2、有多快？
来自 doesjitgobrrr.com 和 Ken Jin（核心贡献者）的博客，pyperformance 基准几何平均：
x86-64 Linux：比标准解释器快 5–6%
AArch64 macOS（Apple Silicon）：比尾调用解释器快 11–12%
单个测试范围很大：
最差：慢 20% 左右（冷代码、很少执行的部分）
最好：快 100%+（热点循环、数值计算、对象操作密集）
二、保持期待
如果期待 Python 3.15 的 JIT 能在算力上硬刚 C++ 或 Rust，那是完全不现实的。
综合起来，现在提升速度如隔靴搔痒，对比 3.11 动辄 30% 的提升，这个数据确实不够看。对于计算密集型任务，乖乖去用 NumPy 或 Rust 扩展依然是唯一的正解。
Python 3.15 JIT 更像是“给纯 Python 代码续命”的工具，让你不用马上重写也能跑得快一点，而不是“革命性替代”。
2026年3月编程语言排行：Python份额21.25%再创新低，C逆转C++，R与Perl双双崛起
Pandas 3.0 内存优化后，能打得过 Polars 和 DuckDB 吗？
