Zusammenfassung

• Python 3.14.0A6 fiel am 3/14 (PI -Tag) mit einer Reihe neuer Funktionen ab und markierte die letzte Strecke vor der Beta -Part.
• Die aufgeschobene Bewertung von Annotationen (PEP 649) ist zurück, um kreisförmige Importkopfschmerzen zu beseitigen und die Eingabe zu vernichten.
• Die Construct-Konfiguration von Python erhält einen großen Glanz über PEP 741, um eingebettete Setups zu optimieren und die globalen Nebenwirkungen zu verringern.
• Bye-bye PGP, Hallo Sigstore-Pythons Umfang moderne Sicherheit für die Veröffentlichung mit Pep 761.
• Velocity-Boosts, UUID-Upgrades, polierte Fehlermeldungen und ein experimentelles Hochleistungs-Interpreter zeigen Python 3.14.

14. März 2025 gab uns mehr als nur eine Ausrede, sich in Kuchen zu gönnen und π zu feiern – es servierte auch Python 3.14.0a6, die Vorletzte Alpha -Veröffentlichung der bevorstehenden Python 3.14 -Serie. Ja, Sie haben das richtig gelesen: 3.14 fiel fallen An 3/14. Zufall? Nein. Absichtliche Ausrichtung? Absolut. Mal sehen, was in diesem Python 3.14 -Replace neu ist, was sich ändert und was Entwickler im Auge behalten müssen, wenn wir der Beta näher kommen.

Was ist eine Python 3.14 Alpha -Veröffentlichung?

Wenn Sie Pythons Entwicklungszyklus nicht religiös folgen (was, honest), finden Sie hier eine kurze Auffrischung.

Pythons Veröffentlichungsprozess umfasst:

1. Alpha veröffentlicht – wo das wahre Gebäude und das Brechen passieren. Neue Funktionen werden hinzugefügt, geändert oder sogar verschrottet.
2. Beta -Veröffentlichungen – Lockdown beginnt. Keine neuen Funktionen mehr, nur testen und polieren.
3. Kandidaten veröffentlichen – Nur Fehler -Bashing. Dies sind die letzten Kleiderproben.
4. Endgültige Veröffentlichung – Die stabile Model ist für die Produktion bereit.

Wir sind derzeit bei Alpha 6 von 7, wobei Beta 1 für den 6. Mai 2025 geplant ist. Additionally ja, das ist immer noch sehr viel Eine Vorschau, nicht produktionsbereit-aber es ist eine Goldmine für Entwickler und Betrachter, die der Kurve voraus sein wollen.

Schlagzeilenfunktionen in Python 3.14 Replace (bisher)

Hier finden Sie eine Aufschlüsselung der wichtigsten neuen Funktionen und Verbesserungen, die derzeit in Python 3.14.0A6 eingebunden sind. Denken Sie daran, dass sich die Dinge vor der Beta noch ändern könnten:

PEP 649 – aufgeschobene Bewertung von Anmerkungen (Take 2)

Dies ist für alle tippenden Nerds da draußen.

Pythons Typ -Anmerkungen sind sehr nützlich, aber bisher wurden sie sofort zur Laufzeit bewertet. Das ist nicht großartig, wenn Ihre Anmerkungen noch nicht definiert sind (denken Sie an: Rundleiter oder Weiterleitungsdeklarationen).

PEP 649 schlägt eine Lösung vor: Bewerten Sie die Annotationen träge, nur wenn sie benötigt werden – und tun Sie es über eine Funktion (tun Sie es über eine Funktion (__annotations__ wird eine Funktion anstelle eines Diktats).

Das heisst:

• Konsequenteres Verhalten
• Weniger Problemumgehungen mögen from __future__ import annotations
• Bessere Kompatibilität mit Instruments wie MyPy und Pyright

Warum solltest du dich interessieren?
Wenn Sie APIs, Datenmodelle oder Frameworks erstellen, die stark auf Selbstbeobachtung oder dynamische Tippen angewiesen sind, ist dieser PEP ein Recreation-Changer. Es ist auch langfristig sauberer und saner.

Lesen Sie hier mehr darüber: PEP 649: Aufgeschobene Bewertung von Anmerkungen

PEP 741 – Neue Python -Konfiguration C API

Der Initialisierungsprozess von Python (insbesondere beim Einbetten in andere Programme oder Umgebungen) conflict schon immer ein bisschen… klebrig. PEP 741 führt eine neue Python -Konfiguration C API vor, die einfacher, sicherer und konsistenter ist.

Was wird verbessert:

• Reinigungsmittel für eingebettete Python
• Weniger globale Nebenwirkungen
• Robustere Initialisierung

Für wen ist das?
Werkzeugautoren, Pluginentwickler, Leute, die Python in Spiele oder andere native Apps einbetten.

Lesen Sie hier mehr darüber: PEP 741 – Neue Python -Konfiguration C API

PEP 761 – Keine PGP -Signaturen mehr für Veröffentlichungen (Hallo Sigstore!)

Traditionell Pythons Veröffentlichungsartefakte (wie .tar.gz Und .whl Dateien) wurden unterschrieben mit PGP. Das ist jetzt raus. Stattdessen wird Python verwenden Sigstoreein modernes, transparentes und sicheres Unterschriftensystem, das in der Open-Supply-Welt an Dynamik gewinnt.

Warum der Schalter?

• PGP hat eine steile Lernkurve und eine schlechte UX.
• Sigstore ist für die moderne Lieferkette gebaut.
• Die Überprüfung ist einfacher und automatischer.

Was bedeutet das für Sie? Wenn Sie die Downloads manuell überprüfen, möchten Sie sich mit Sigstore -Instruments vertraut machen. Für die meisten Menschen mögen Instruments wie pip wird dies in Zukunft clear bewältigen.

Lesen Sie hier mehr darüber: PEP 761: Absetzen von PGP -Unterschriften

Experimenteller Hochleistungs-Dolmetscher

Pythons Geschwindigkeit conflict lange Zeit die Achilles -Ferse – aber 3,14 schießen einen weiteren Schwung, um die Dinge zu beschleunigen. Es gibt jetzt einen experimentellen Dolmetscher, wenn es aus Quelle mit bestimmten neueren Compilern erstellt wurde. Obwohl es standardmäßig nicht eingestellt ist, bringt es angeblich erhebliche Leistungssteigerungen mit.

Der Haken?

• Sie müssen selbst Python bauen.
• Es ist angelehnt.
• Es sind frühe Tage, additionally erwarten Sie Macken.

Trotzdem könnte dies ein sein groß Deal in zukünftigen Veröffentlichungen, wenn es stabil und produktionsbereit wird.

UUID -Modul erhält Versionen 6–8 plus 40% Beschleunigung

Uuids sind überall – Datenbanken, APIs, Ereignisverfolgung – und Python’s uuid Das Modul hat gerade einen Leuchten bekommen:

• Unterstützt jetzt UUID -Versionen 6, 7 und 8
• Die Erzeugung von UUID -Versionen 3, 4, 5 und 8 ist bis zu 40% schneller

Dies ist besonders schön für Leute, die mit hohem Durchsatz arbeiten oder mehr Zeitstempel-freundliche UUIDs benötigen (wenn Sie sich ansehen, UUIDV7-Followers).

Lesen Sie hier mehr darüber: UUID -Modul

Abschreibungen und Umbauten

Jede neue Python -Veröffentlichung bringt eine kleine Frühlingsreinigung mit sich. In 3.14 umfassen die Hauptkategorien:

C API -Abschreibungen

Einige veraltete oder unsichere C -API -Funktionen werden veraltet oder entfernt. Wenn Sie C -Erweiterungen beibehalten, ist jetzt die Zeit, sie zu testen und zu aktualisieren.

Lesen Sie hier mehr darüber: Abschreibungen

Entfernungen auf Python-Ebene

Während Particulars immer noch eindringen, erwarten Sie, dass alte veraltete Module, Funktionen oder Verhaltensweisen reinigen. Wenn Ihr Code immer noch wirft DeprecationWarningsDies könnten zu Fehlern in 3.14 werden.

Lesen Sie hier mehr darüber: Entfernungen

Bessere Fehlermeldungen

Dieser macht keine Schlagzeilen, aber es sollen. Fehlermeldungen in Python 3.14 erhalten einen weiteren polnischen Cross – mehr Klarheit, bessere Kontext und hilfreiche Vorschläge.

Beispiele sind:

• Spezifischer SyntaxError Hinweise
• Freundlichere Tracebacks für häufige Fehler
• Bessere Erklärungen für allgemeine Import- oder Schreibfehler

Lebensqualität, die Anfänger und Profis gleichermaßen helfen.

Lesen Sie hier mehr darüber: Verbesserte Fehlermeldungen

Timeline veröffentlicht: Was kommt als nächstes?

Hier ist ein kurzer Schnappschuss des Veröffentlichungsplans:

Meilenstein	Datum
Alpha 6 (du bist hier)	14. März 2025
Alpha 7 (endgültiges Alpha)	8. April 2025
Beta 1 (Function Freeze)	6. Mai 2025
Launch -Kandidat 1	22. Juli 2025
Endgültige Veröffentlichung (3.14.0)	TBA (Q3 2025)

Wenn Sie testen oder beitragen möchten, ist jetzt der perfekte Zeitpunkt, um vor dem Einfrieren zu springen.

Sollten Sie es versuchen?

Ja – wenn Sie:

• Ein Bibliotheksbetrieb
• Ein Rahmenautor
• Ein neugieriger Entwickler, der mit neuen Spielzeugen spielen möchte
• Jemand, der einfach gerne am Blutungskante lebt

Nein – wenn Sie:

• Gebäudebehandlungsproduktions -Apps
• Die vollständige Kompatibilität rückwärts zu wollen
• Nicht bereit, Breaking -Veränderungen zu bewältigen

Um es auszuprobieren, schnappen Sie sich die Quelle oder verwenden Sie:

conda create -n test-env python=3.14 -y
conda activate test-env

Dann fangen Sie an zu experimentieren!

Zum Beispiel:

Erstellen wir in der virtuellen Umgebung ein Python -Skript:

contact weather_reporter.py

Fügen Sie diesen Code hinzu, um Weather_Reporter.py zu berühren

import datetime

def get_mock_weather():
    # Mock climate information - this might be from an API
    return {
        "location": "Tokyo",
        "temperature_c": 22,
        "situation": "Partly Cloudy"
    }

def report_weather():
    climate = get_mock_weather()
    print(f"({datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')})")
    print(f"Climate Report for {climate('location')}")
    print(f"Temperature: {climate('temperature_c')}°C")
    print(f"Situation: {climate('situation')}")

if __name__ == "__main__":
    report_weather()

In die Umgebung laufen

python weather_reporter.py

Hinweis: Zum Herunterladen und Installieren von Python 3.14.0A7 (die endgültige Alpha -Veröffentlichung von Python 3.14) auf Ubuntu müssen Sie sie aus Quelle erstellen, da dies eine frühe Entwicklervorschau ist und noch nicht über Standardpaketmanager wie APT oder Conda verfügbar ist.

Überprüfen Sie die Dateien hier:

Bonus: Python, Pi Day und Einsteins Geburtstag?

Python 3.14 fiel am 14. März ab. Das ist PI -Tag (3.14 = π), der internationale Tag der Mathematik, Und Albert Einsteins Geburtstag. Wie cool ist das?

Die erste PI -Tagestration stammt aus dem Jahr 1988, das von Physiker Larry Shaw im San Francisco Exploratorium begonnen wurde. Es ist ein Tag für:

• Kuchen essen
• Ziffern von π rezitieren
• Mathematik und Naturwissenschaften feiern

Additionally mach weiter: Installieren Sie das Replace von Python 3.14, rezitieren Sie ein paar Ziffern π und rösten Sie vielleicht sogar ein Stück Kuchen auf Herrn Einstein.

Abschluss

Das Python 3.14 -Replace bringt viel auf den Tisch – von aufgeschobenen Anmerkungen bis hin zu UUID -Upgrades, modernen Signierwerkzeugen und einem Blick auf die Leistungssteigerungen. Es ist nicht ganz bereit für die Hauptsendezeit, aber es ist ein saftiger Blick auf den Python ist mit dem Kopf – und es wird eine Veröffentlichung, die es wert ist, genau zu beobachten. Drehen Sie additionally ein Gebiet, probieren Sie das Alpha und geben Sie den Entwicklern Suggestions. Auf diese Weise wird eine großartige Software program gemacht: Zusammen, Slice by Slice.

Hallo, ich bin Pankaj Singh Negi – Senior Content material Editor | Leidenschaftlich über das Geschichtenerzählen und das Erstellen überzeugender Erzählungen, die Ideen in einen wirkungsvollen Inhalt verwandeln. Ich liebe es, über die Technologie zu lesen, die unseren Lebensstil revolutioniert.

Im Februar 2024 schloss Reddit mit Google einen Vertrag über 60 Millionen US -Greenback ab, damit der Suchgigant Daten auf der Plattform verwenden kann, um seine Modelle für künstliche Intelligenz zu schulen. Insbesondere in den Diskussionen waren Reddit -Benutzer, deren Daten verkauft wurden.

Der Deal spiegelte die Realität des modernen Internets wider: Large Tech -Unternehmen besitzen praktisch alle unsere On-line -Daten und können entscheiden, was mit diesen Daten zu tun ist. Es ist nicht überraschend, dass viele Plattformen ihre Daten monetarisieren, und der am schnellsten wachsende Weg, um sie zu erreichen, besteht heute darin, sie an KI-Unternehmen zu verkaufen, die selbst huge Technologieunternehmen verwenden, die die Daten verwenden, um immer leistungsstärkere Modelle zu schulen.

Die dezentrale Plattform Vana, die als Klassenprojekt am MIT begann, hat die Aufgabe, den Benutzern Strom zurückzugeben. Das Unternehmen hat ein vollständig benutzerbezogenes Netzwerk erstellt, in dem Einzelpersonen ihre Daten hochladen und wie sie verwendet werden. KI -Entwickler können Benutzer Ideen für neue Modelle aufnehmen, und wenn die Benutzer sich einig sind, ihre Daten für das Coaching beizutragen, erhalten sie ein proportionales Eigentum an den Modellen.

Die Idee ist, jedem einen Anteil an den KI -Systemen zu geben, die unsere Gesellschaft zunehmend prägen und gleichzeitig neue Datenpools freischalten, um die Technologie voranzutreiben.

„Diese Daten sind erforderlich, um bessere KI-Systeme zu schaffen“, sagt Anna Kazlauskas ’19, Mitbegründerin von Vana. „Wir haben ein dezentrales System erstellt, um bessere Daten zu erhalten – die heute in großen Technologieunternehmen befindet, und gleichzeitig die Benutzer letztendlich das Eigentum behalten lassen.“

Von der Wirtschaft bis zur Blockchain

Viele Schüler haben Bilder von Popstars oder Athleten an ihren Schlafzimmerwänden. Kazlauskas hatte ein Bild der ehemaligen US -Finanzministerin Janet Yellen.

Kazlauskas kam zu MIT sicher, dass sie Ökonom werden würde, aber sie warfare eine von fünf Studenten, die 2015 dem MIT Bitcoin Membership beigetreten waren, und diese Erfahrung führte sie in die Welt der Blockchains und der Kryptowährung.

Aus ihrem Schlafsaal im MacGregor Home begann sie, das Kryptowährungs -Ethereum zu beruhigen. Sie suchte sogar gelegentlich Campus -Müllcontainer auf der Suche nach weggeworfenen Computerchips.

„Es hat mich für alles um Informatik und Networking interessiert“, sagt Kazlauskas. „Aus Blockchain -Sicht, verteilten Systemen und der Artwork und Weise, wie sie die wirtschaftliche Macht auf Einzelpersonen sowie künstliche Intelligenz und Ökonometrie verlagern können.“

Kazlauskas traf Artwork Abal, der damals die Harvard College besuchte, in den ehemaligen Ventures der Medienlaborklasse, und das Paar beschloss, an neuen Wegen zu arbeiten, um Daten zu erhalten, um KI -Systeme zu schulen.

„Unsere Frage warfare: Wie könnten Sie eine große Anzahl von Personen haben, die zu diesen KI -Systemen beitragen, die eher ein verteiltes Netzwerk verwenden?“ Kazlauskas erinnert sich.

Kazlauskas und Abal versuchten, den Establishment anzugehen, bei dem die meisten Modelle durch Scraping öffentlicher Daten im Web geschult werden. Große Technologieunternehmen kaufen häufig auch große Datensätze von anderen Unternehmen.

Der Ansatz der Gründer entwickelte sich im Laufe der Jahre und wurde nach dem Abschluss von der Erfahrung von Kazlauskas von der Monetary Blockchain Firm Celo informiert. Aber Kazlauskas schreibt ihre Zeit am MIT zu, ihr zu helfen, über diese Probleme nachzudenken, und der Ausbilder für aufstrebende Ventures, Ramesh Raskar, hilft Vana noch heute über AI -Forschungsfragen.

„Es warfare großartig, eine offene Gelegenheit zu haben, nur zu bauen, zu hacken und zu erkunden“, sagt Kazlauskas. „Ich denke, dass das Ethos am MIT wirklich wichtig ist. Es geht nur darum, Dinge zu bauen, zu sehen, was funktioniert, und weiterhin iterieren.“

Heute nutzt Vana ein wenig bekanntes Gesetz, das es Benutzern der meisten großen Tech-Plattformen ermöglicht, ihre Daten direkt zu exportieren. Benutzer können diese Informationen in verschlüsselte digitale Brieftaschen in Vana hochladen und sie ausschüttet, um Modelle zu trainieren, sobald sie für richtig halten.

KI-Ingenieure können Ideen für neue Open-Supply-Modelle vorschlagen, und die Menschen können ihre Daten bündeln, um das Modell zu trainieren. In der Blockchain -Welt werden die Datenpools als Daten DAOS bezeichnet, was für die dezentrale autonome Organisation steht. Daten können auch verwendet werden, um personalisierte KI -Modelle und Agenten zu erstellen.

In Vana werden Daten so verwendet, dass die Privatsphäre der Benutzer beibehält, da das System keine identifizierbaren Informationen aufdeckt. Sobald das Modell erstellt wurde, behalten die Benutzer das Eigentum bei, damit jedes Mal, wenn es verwendet wird, proportional belohnt werden, basierend darauf, wie viel ihre Daten dazu beigetragen haben, sie zu trainieren.

„Aus Sicht eines Entwicklers können Sie diese hyperpersonalisierten Gesundheitsanwendungen nun aufbauen, die genau berücksichtigen, was Sie gegessen haben, wie Sie geschlafen haben, wie Sie trainieren“, sagt Kazlauskas. „Diese Anwendungen sind heute aufgrund dieser ummauerten Gärten der großen Technologieunternehmen nicht möglich.“

Crowdsourced, benutzerbesitzende KI

Im vergangenen Jahr schlug ein Maschinenlerningenieur vor, Vana-Benutzerdaten zu trainieren, um ein KI-Modell zu trainieren, das Reddit-Posts generieren könnte. Mehr als 140.000 Vana -Benutzer haben ihre Reddit -Daten beigetragen, die Beiträge, Kommentare, Nachrichten und mehr enthielten. Die Benutzer entschieden sich für die Begriffe, in denen das Modell verwendet werden konnte, und behielten nach seiner Erstellung das Eigentum des Modells bei.

Vana hat ähnliche Initiativen mit benutzerfreundlichen Daten aus der Social-Media-Plattform X ermöglicht. Schlafdaten aus Quellen wie Oura -Ringen; und mehr. Es gibt auch Kooperationen, die Datenpools kombinieren, um breitere KI -Anwendungen zu erstellen.

„Nehmen wir an, Benutzer haben Spotify -Daten, Reddit -Daten und Modedaten.“ Kazlauskas erklärt. „Normalerweise arbeitet Spotify nicht mit solchen Unternehmensarten zusammen, und es gibt tatsächlich Regulierung dagegen. Benutzer können dies jedoch tun, wenn sie Zugriff gewähren. Daher können diese plattformübergreifenden Datensätze verwendet werden, um wirklich leistungsstarke Modelle zu erstellen.“

Vana hat über 1 Million Benutzer und über 20 DAOs Stay -Daten. Mehr als 300 zusätzliche Datenpools wurden von Benutzern im Vana -System vorgeschlagen, und Kazlauskas sagt, dass viele in diesem Jahr in die Produktion gehen werden.

„Ich denke, es gibt viel Versprechen in verallgemeinerten KI -Modellen, personalisierten Medizin und neuen Verbraucheranwendungen, da es schwierig ist, all diese Daten zu kombinieren oder überhaupt darauf zugreifen zu können“, sagt Kazlauskas.

Die Datenpools ermöglichen es Gruppen von Benutzern, etwas zu erreichen, mit dem auch die leistungsstärksten Technologieunternehmen heute zu kämpfen haben.

„Heute haben Large Tech -Unternehmen diesen Datengräben erstellt, sodass die besten Datensätze für niemanden verfügbar sind“, sagt Kazlauskas. „Es ist ein kollektives Aktionsproblem, bei dem meine Daten selbst nicht so wertvoll sind, aber ein Datenpool mit Zehntausenden oder Millionen von Menschen ist wirklich wertvoll. Vana lässt diese Swimming pools aufgebaut. Es ist eine Win-Win-Scenario: Nutzer können von dem Aufstieg der KI-Aufstiegsaufkommen profitieren, weil sie das Fashions besitzen. Dann landen Sie nicht in Szenario.