Python软件基金会(PSF)与工具供应商JetBrains联合发布了第八届Python开发者调查报告,吸引了超过3万名开发者参与,创下历史新高。
调查于2024年底进行,下载的原始数据显示约有2.9万份回复,差异可能来自PSF过滤垃圾信息和未成年人回复。72%的受访者在工作中使用Python,其余为教育或爱好开发者。
调查显示Python受欢迎程度强劲增长的明显迹象,这与最新Stack Overflow调查显示的7%使用增长相符。50%的受访者专业编程经验不足两年,39%在过去两年内开始使用Python,表明有许多新的Python开发者加入。
PSF会员Michael Kennedy观察到,只有15%的开发者使用最新的通用版本3.13。他声称,如果所有人都升级,可能节省数百万美元的云使用费用,并因效率提升而对环境有益。此外,由于大多数开发者使用容器(53%)或无服务器(28%),升级应该很容易。
然而,开发者们表示不升级的原因包括:当前版本满足所有需求(53%)、兼容性问题(27%)或缺乏时间(25%)。
实际上,Python开发者升级相对较快。使用最广泛的版本是3.12(35%),于2023年底首次发布,其次是3.11(21%)。这与去年的模式相似,当时版本3.11和3.10最常用。
**Web开发占Python使用的重要份额,略落后于数据科学**
Python在Web开发中的使用(46%)几乎与数据分析(48%)持平,两者较前一年略有上升。如果加上机器学习(41%)和数据工程(31%)等其他数据科学用途,数据科学领域可能仍占主导地位。
深入分析,Django(35%)和Flask(34%)在Web框架中几乎并列,而FastAPI(38%)从上次调查的29%急剧上升。作为API框架,FastAPI不能与其他两个领先者直接比较,但其增长值得关注。
另一个快速增长的工具是uv,这是一个基于Rust的工具,定位为pip包管理器的替代品。uv项目声称比pip快10到100倍,功能更全面,使用率已跃升至11%。
在工具方面,赞助商JetBrains的坏消息是,微软的Visual Studio Code(48%)相对于该公司自己的IDE PyCharm(25%)进一步扩大了受欢迎程度的领先优势。上次调查时,比例分别为41%和31%。
尽管Python使用量激增,PSF本月早些时候报告称,由于资金不足,已暂停其资助计划。这主要由于PyCon US活动运营成本上升以及基金会成本增加。2024年年报显示,虽然收入从2023年到2024年略有上升,但支出增加更多,导致净收入为负146.2万美元(2023年为负22.5万美元)。
PSF以多种方式支持Python,包括托管PyPI包存储库、分发Python、举办活动和雇用CPython开发者。
解决方案是什么?社区沟通经理Marie Nordin表示:"PSF需要更多基于Python构建并从中获得收入的企业提供支持和资源。"
Q&A
Q1:Python软件基金会为什么暂停资助计划?
A:PSF因为资金不足暂停了资助计划,主要原因是PyCon US活动运营成本上升以及基金会整体成本增加。2024年净收入为负146.2万美元,相比2023年的负22.5万美元情况进一步恶化。
Q2:为什么只有15%的开发者使用Python最新版本3.13?
A:开发者不升级的主要原因包括:当前版本满足所有需求(53%)、兼容性问题(27%)或缺乏时间(25%)。尽管升级可能节省云使用费用并提高效率,但开发者更倾向于使用稳定的旧版本。
Q3:FastAPI为什么增长这么快?
A:FastAPI作为API框架,使用率从上次调查的29%急剧上升至38%。虽然不能与Django和Flask直接比较,但其快速增长反映了现代API开发需求的增加和FastAPI技术优势的认可。
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。