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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。