Python 3.15 заметно опережает предыдущую версию в серии тестов производительности.
В некоторых операциях ускорение достигает 140 раз, однако такие результаты связаны с конкретными алгоритмами обработки данных. В среднем по всему набору тестов новый интерпретатор оказался быстрее примерно в 1,45 раза.
Сравнение провели на двух компьютерах с Windows 11. Один — с AMD Ryzen 9 7900, второй — мини-ПК с Intel Core i3-1315U.
Для проверки использовали набор бенчмарков pyperformance 1.14.0 и инструмент измерений pyperf 2.10.0. Тестировали 64-битные сборки Python 3.14.8 и Python 3.15.0.
Читают прямо сейчас:
Что нового в Python 3.14: разбираем главные изменения — что изменилось в предыдущей версии и как 3.15 продолжает эту линию оптимизаций
Роадмап Python-разработчика 2026: что учить от первой строки до сеньора — что означает JIT и ускорение в 3.15 на практике и стоит ли уже обновляться в продакшене
6 проверенных способов для измерения скорости программы на Python — как именно работают инструменты pyperformance и pyperf, которые использовались в сравнении версий
Откуда взялось ускорение в 140 раз
Самый впечатляющий результат показал тест обработки данных в формате Base32. На компьютере с Intel Core i3-1315U он выполнялся примерно в 140 раз быстрее, а на системе с AMD Ryzen 9 7900 — почти в 135 раз.
В тестах Ascii85 и Base85 ускорение составило от 57 до 69 раз.
Причина — изменения в реализации этих операций. В Python 3.15 обработку Base32, Ascii85 и Base85 переписали на C, что позволило значительно сократить время выполнения. Оптимизации затронули и Base64, хотя прирост там оказался скромнее.
Что изменилось в обычных задачах
Рекордные результаты заметно повлияли на общий показатель. Если исключить шесть тестов с наиболее сильным ускорением кодирования, Python 3.15 опережает предшественника примерно в 1,2 раза. Медианное ускорение отдельных тестов составило 18,4% на компьютере с AMD и 16,6% на системе с Intel.
Улучшения заметны и в других задачах. Быстрее работают некоторые операции с асинхронным кодом, JSON, регулярными выражениями, шаблонами и сериализацией данных. Например, группа тестов шаблонизации ускорилась примерно в 1,2 раза на обеих системах.
Однако прогресс оказался неравномерным. Обработка Base16 в Python 3.15 замедлилась примерно на 15–24% в зависимости от теста и компьютера. Отдельные операции с регулярными выражениями также стали медленнее. Запуск интерпретатора почти не изменился.
Стоит ли ждать такого же прироста в приложениях
Нет. Столько резкий рост отражает среднее геометрическое ускорение набора тестов, а не прирост для любого проекта. На реальную производительность повлияют используемые библиотеки, алгоритмы и характер нагрузки.
Тем не менее результаты показывают, что Python 3.15 может заметно ускорить отдельные рабочие сценарии без изменений в коде приложения. Особенно если оно активно использует оптимизированные операции обработки данных.
Скидка на все курсы Практикума
Раз вы дочитали эту новость до конца, с технологиями у вас всё в порядке. А если давно присматривались к разработке, аналитике, нейросетям, тестированию или кибербезопасности, сейчас туда можно зайти дешевле.
Промокод KOD (можно просто нажать) даст скидку на любой платный курс! А если пока не готовы покупать курс, у Практикума есть бесплатные вводные части.
