InfoQ

Google Adopts Pyrefly for Faster, More Accurate Python Type Checking

6.9内容质量
Google Adopts Pyrefly for Faster, More Accurate Python Type Checking

TL;DR · AI 摘要

Google Adopts Pyrefly for Faster, More Accurate Python Type Checking - InfoQ InfoQ Homepage News Google Adopts Pyrefly f...

核心要点

  • 主题聚焦:Google Adopts Pyrefly for Faster, More Accurate
  • 来源:InfoQ,建议结合原文判断细节。
  • AI 分析暂不可用,本条为保底评分与摘要。
#AI#编程#后端#云计算#安全
打开原文

Google 采用 Pyrefly 实现更快更精准的 Python 类型检查 - InfoQ

InfoQ 首页 News Google 采用 Pyrefly 实现更快更精准的 Python 类型检查

开发

从 Token 到特性:为 AI 辅助工程构建成本归因系统(10 月 29 日网络研讨会)

Google 采用 Pyrefly 实现更快更精准的 Python 类型检查

2026 年 10 月 18 日 2 分钟阅读

作者:

  • Sergio De Simone

#### 关注我们

Youtube

232K 粉丝

Linkedin

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 点赞

Bluesky

收听本文 -

0:00

音频准备就绪

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

  • 阅读列表

谷歌已将其长期使用的 Python 类型检查工具 Pytype 替换为 Pyrefly,这是一个最初由 Meta 开发的开源工具。该决定源于 Pyrefly 的优势,包括更快更精准的类型检查以及更低的基础设施成本。

随着 Python 类型系统快速演进,Pytype 面临根本性挑战。由于它通过分析编译后的字节码而非源代码 AST 运行,要跟上现代类型 PEP 的发展变得越来越困难,因为 Python 版本更新导致字节码稳定性下降。

根据谷歌的内部基准测试,Pyrefly 的速度大约是 Pytype 的 10 倍,将增量重建延迟降低高达 98%,并使 Python 类型检查的峰值计算成本降低超过 80%。谷歌还报告称,在干净构建的关键路径上,类型检查时间减少了 90-99%,显著“消除了长期存在的开发瓶颈”。

谷歌指出,Pyrefly 的关键优势之一是其对 Python 类型规范的高度符合性,通过符合性套件中约 97% 的测试。Pyrefly 也受到社区的积极支持,这有助于其跟上新语法的发展,其诊断功能提供更实用的反馈,包括内联代码注释,可定位错误的根本原因,并在某些情况下建议修复方案。

社区对谷歌的公告表现出浓厚兴趣。虽然大多数评论者同意 Pytype 的表现不如 Pyrefly,但其他人则就 Pyrefly 与 Ty 和 Mypy 的相对优势展开讨论。Gushys 指出:

Pyrefly 成熟度更高。它已经超越 1.0 版本,性能速度与 Ty 相当,是一款经过验证的工具。Ty 目前尚未达到这一水平。

WindHawkeye 观察到“在大规模设置中,Mypy 的速度比人们想象的要快得多。它仍然拥有最快的增量类型检查”,对此 BeamMeUpBiscotti 回应称:

Mypy 2.0 预计在冷检查方面,大型项目的速度将提升至原来的 5 倍,但新一代类型检查器的速度甚至可能比这快一个数量级。

在 LinkedIn 上评论该公告的 Python 开发者 Amirrea Azadmher 提出了不同观点,他认为类型检查器的价值不仅在于节省 CI 流水线中的 30 秒,更在于它如何改善开发过程中的编辑-检查循环。他还指出:

如果你现在正在评估 Pyright、Pyrefly 和 mypy,不要轻信别人的单体仓库数据。在你自己的代码库中测量冷启动和热启动时间,并将诊断质量与吞吐量进行对比——一个快速但充斥噪音的检查器,实际上比一个较慢但能精准定位真实问题的检查器成本更高。

Meta 去年开源了 Pyrefly。Pyrefly 专为高性能设计,并使用 Rust 实现以最大化效率。据 Meta 称,它可以在大型代码库中每秒检查 180 万行代码,使得能够在每次按键时执行类型检查。

作者部分的主要容器

关于作者

部分标题

每位作者的主要容器

#### Sergio De Simone

显示更多

显示更少

#### 本内容属于云主题

##### 相关主题:

  • 开发
  • 云
  • 静态分析
  • 系统编程
  • Google
  • Python
  • 相关编辑
  • 相关赞助商
  • 相关赞助商 2026 年 10 月 29 日,东部时间上午 1 点 From Tokens to Features: Architecting Cost Attribution for AI-Assisted Engineering 由 Martin Reynolds(Harness 字段首席技术官)和 Barani Mohandoss(Trimble 云治理、FinOps 与 E-工具总监)呈现

InfoQ 新闻通讯

每周内容摘要每 Tuesday 发送。加入超过 250,000 名高级开发者的社区。查看示例

我们保护您的隐私。 /think