Python 今年推出了 3.14 版本，大幅提升了运行速度，加入了自由线程功能，本文记录 python 3.14 和 pypy 的安装配置与使用方法，并记录与 3.10 版本的基础性能比较。
安装
这里使用 Anaconda 安装相关的 Python 环境。
1
| conda create -n py314 python==3.14
|
1
| conda create -n pypy_latest pypy -c https://conda.anaconda.org/conda-forge
|
当前（2025.10）通过命令安装的 pypy python 版本为 3.9
激活环境并执行：
1
2
3
4
| conda activate pypy_latest
pypy -m ensurepip
pypy -mpip install -U pip wheel # to upgrade to the latest versions
pypy -mpip install numpy # for example
|
最新版官方安装：https://pypy.org/download.html
下载后解压，bin 放入系统路径即可使用。
包安装
Pypy
pypy 存在很多python 包冲突，这里记录已知的冲突解决方法
事实上部分版本使用 pip 可以直接安装:
1
| pypy -mpip install opencv-python
|
但是安装好的包在 import 时会报错：
1
| ImportError: ERROR: recursion is detected during loading of "cv2" binary extensions. Check OpenCV installation.
|
有时也报错 circle import
但是通过 conda 的 conda-forge 安装的话会安全很多
安装方法：
1
| conda install -c conda-forge opencv
|
性能比较
使用自己编写的全局路径规划算法作测试程序：
| Python 版本 |
运行时间 |
备注 |
| Python 3.10 |
0.757s |
|
| Python 3.14 |
0.151s |
|
| Pypy 3.9 |
3.023s |
|
- 异常记录：Python 3.14 看上去快了很多，但是事实上 Python 3,14 的很多行为和 3.10 相差很多，甚至不太稳定，当前（2025.10）需要谨慎使用
- Pypy 在非纯 python 的情况下并不具备性能优势
基础性能比较
计算性能
测试代码：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| import time
import numpy as npif __name__ == '__main__':
time_list = list() for i in range(3):
start = time.time() data_num = 3000
sum_value = 0
for i in range(data_num):
for j in range(data_num):
sum_value += (i * j) ** 2 end = time.time()
time_list.append(end - start)
print(f" {i}th result is : {sum_value}, cost time: {end - start}.") print(f" result is : {sum_value}, cost time: {np.mean(time_list)}.")
|
| Python 版本 |
Debugging 运行时间 (s) |
without Debugging 运行时间 (s) |
| Python 3.8 |
2.13 |
1.56 |
| Python 3.10 |
2.47 |
1.83 |
| Python 3.11 |
2.29 |
1.67 |
| Python 3.14 |
0.69 |
0.67 |
| Pypy 3.9 |
0.06 |
0.06 |
结果与 Miguel 的结果一致，在纯 Python 下 3.14 确实快很多，Pypy 更是快到离谱。
参考资料
文章链接：
https://www.zywvvd.com/notes/coding/python/python-version-test-2025/python-version-test-2025/
