Python 3.15 即将发布,多项底层优化,让你的代码 “跑得更快,更安全”

2026 年秋天，Python 3.15 就要正式和大家见面了。眼下 RC1 已经放出，距离稳定版只差最后一步。这次升级不怎么改变你写业务逻辑代码的方式，却在启动速度、运行效率、数据安全和排错体验上，悄悄做了一堆“底层功夫”。

简单说：同样的代码，有机会跑得更快；一些以前容易踩的坑，现在能够尽量避免了。今天锋哥来好好聊聊Python这次更新。

目录

• 这次升级，到底值不值得等？

• 启动更快：lazy import 终于转正

• 运行更快：JIT 又加了一档油

• 数据更稳：frozendict 和 sentinel

• 排查更轻松：Tachyon 采样分析器

• 编码和报错，也比以前更省心

这次升级，到底值不值得等？

Python 这几年一直在做两件事：一是让解释器自己变快，二是把“默认行为”改得更不容易出错。3.15 把这两条线都往前推了一步。

官方给出的数字很实在：升级后的 JIT，在 x86-64 Linux 上比标准解释器平均快大约 8%～9%；在苹果芯片上，还能再明显一点。对大多数业务代码来说，这不是“重写一遍就能快十倍”那种神话，而是你什么都不用改，升级完就能白嫖一点性能。

更香的是启动。很多项目一打开，就要把一堆库全部 import 进来，哪怕这次运行根本用不上。3.15 的懒加载导入，就是专门治这个毛病的。

启动更快：lazy import 终于转正

以前想让程序快点起来，大家常用的办法是：把 import 塞进函数里。能用，但文件顶部一下子空了，读代码的人还得满世界找“这个模块到底从哪来的”。

3.15 加了一个很顺口的写法：在 import 前面加 lazy。声明还是写在文件最上面，真正加载却拖到第一次用的时候。

# 启动时只登记名字，不立刻读盘、不立刻执行模块顶层代码lazy import jsonlazy from pathlib import Pathprint("程序已经起来了")  # 到这里，json 和 pathlib 都还没真正加载data = json.loads('{"ok": true}')  # 第一次用 json，这时才加载p = Path(".")                      # 第一次用 Path，这时才加载print(data, p)

不想改代码也行。启动时加上 -X lazy_imports=all，或者设置环境变量 PYTHON_LAZY_IMPORTS=all，现有项目也能整包变懒。

整个过程可以理解成下面这样：

有两点要注意：lazy 只能写在模块顶层，函数里、try/except 里都不行；import * 也不支持懒加载。另外，如果模块根本不存在，报错会延迟到第一次使用时才出现。这不是坏事，但调试时心里要有数。

运行更快：JIT 又加了一档油

3.14 里的 JIT 还比较“实验”。到了 3.15，它换了新的 tracing 前端，开始按真实执行路径来记录，而不是靠猜；寄存器分配、机器码生成、原地数值运算也都补了一轮。循环多、计算密的代码，更容易吃到红利。

想试的话，用官方带 JIT 的构建，然后打开开关：

import osimport time# 命令行更常见的写法：#   set PYTHON_JIT=1#   python demo.pydef hot_loop(n: int) -> float:    total = 0.0    x = 1.0    for _ in range(n):        x = x * 1.000001 + 0.0001        total += x    return totalstart = time.perf_counter()print(hot_loop(5_000_000))print(f"耗时：{time.perf_counter() - start:.3f} 秒")print("JIT 开关：", os.getenv("PYTHON_JIT", "未设置"))

别指望每一段代码都能自动快一倍。官方基准里，有的场景会快很多，也有个别情况几乎没变化。更稳妥的心态是：先升级、再对热点路径测一把，有提升就留下，没提升也不亏。

Windows 官方 64 位包这次默认用上了尾调用解释器；macOS 官方安装包也默认带上了无 GIL（free-threaded）支持。底层并行这条路，3.15 也没有停。

数据更稳：frozendict 和 sentinel

“更快”之外，3.15 在数据安全上也补了两块大家喊了很久的拼图。

第一块是内置的 frozendict。它创建之后就不能改，键和值都可哈希时，整个字典也能拿去当别的字典的键。配置、缓存键、共享常量，终于不用再自己封装一层“假只读”了。

# 配置一旦定下来，谁都改不了config = frozendict(host="127.0.0.1", port=8080, debug=False)# 下面这行会直接报错，而不是悄悄改掉共享配置# config["port"] = 9000# 只要内容一样，顺序不同也算相等，而且可以哈希cache = {    frozendict(user="alice", role="admin"): "ok",}print(config["host"])print(cache[frozendict(role="admin", user="alice")])

第二块是内置的 sentinel。以前我们写“缺省值”时，常用 None，结果函数合法返回值也可能是 None，调用方分不清“没传”还是“传了空”。现在可以做一个真正独一无二的哨兵：

MISSING = sentinel("MISSING")def get_setting(data: dict, key: str, default=MISSING):    if key not in data:        if default is MISSING:            raise KeyError(f"缺少配置项：{key}")        return default    return data[key]settings = {"theme": "dark"}print(get_setting(settings, "theme"))print(get_setting(settings, "lang", default="zh-CN"))# get_setting(settings, "timeout")  # 明确告诉你：这项根本没给

小改动，但写库的人会很感激：边界情况终于能说清楚了。

排查更轻松：Tachyon 采样分析器

线上程序变慢，最怕两件事：一是加日志要重启，二是一开 profile，程序自己先慢成PPT。3.15 把分析工具收进了新的 profiling 包，其中最亮眼的是采样分析器 Tachyon。

它可以按 PID 挂到正在跑的进程上，几乎不打断业务，采样频率最高能到 100 万次/秒。想看 CPU 热点、想看谁一直占着 GIL、想给异步任务画火焰图，都能直接上手。

先写一个会吃 CPU 的小脚本，比如 app.py：

def slow_sum(n: int) -> int:    total = 0    for i in range(n):        total += i * i    return totalif __name__ == "__main__":    print(slow_sum(8_000_000))

然后用 Tachyon 去“听诊”。本地复现、线上挂进程，两条命令就够：

# 从启动开始采样，并生成可在浏览器打开的火焰图python -m profiling.sampling run --mode cpu --flamegraph -o profile.html app.py# 挂到已经在跑的进程上，弹出类似 top 的实时界面python -m profiling.sampling attach --live 12345

cProfile 还在，只是换了个更整齐的家：profiling.tracing。老代码不用急着改。真要说体验升级，Tachyon 更像给生产环境准备的“听诊器”——先看清哪一段在烧时间，再决定动哪一块。

编码和报错，也比以前更省心

从 3.15 开始，Python 默认按 UTF-8 读写文件，不再跟着操作系统区域设置走。Windows 上打开一份带中文的文本，少了很多“我本地好好的，服务器一跑就乱码”的故事。

# 不再依赖系统默认编码，中文、emoji 都按 UTF-8 处理with open("hello.txt", "w") as f:    f.write("你好，Python 3.15 🚀")with open("hello.txt") as f:    print(f.read())

如果你必须保留旧行为，可以设 PYTHONUTF8=0，或者启动时加 -X utf8=0。新项目建议还是显式写 encoding="utf-8"，新旧版本都能躺平。

报错信息也更像“会说话的同事”了。从别的语言转过来的人，以前写 [1, 2, 3].push(4)，只会被一句 AttributeError 噎住。现在它会直接提醒你：是不是想用 append？

推导式也更顺手了。嵌套列表想拍平，不用再写两层 for：

groups = [[1, 2], [3, 4], [5]]flat = [*xs for xs in groups]   # [1, 2, 3, 4, 5]dicts = [{"a": 1}, {"b": 2}, {"a": 3}]merged = {**d for d in dicts}   # {"a": 3, "b": 2}，后面的覆盖前面的

这些都不是什么“新语法炫技”，就是日常写着写着，会少骂两句的那种改进。