

Python 现在可以运行 Mojo 了？一文读懂这场编程界新变革

码途钥匙

2025-06-28

导读：近期，一个重磅消息在开发者社区掀起波

   近期，一个重磅消息在开发者社区掀起波澜：Python 如今能够运行 Mojo 代码了。这一突破看似简单，实则可能重塑 Python 生态乃至整个编程领域的格局。
  

   
          Mojo：被寄予厚望的 “Python 进阶者”

   Mojo 自诞生起，便自带光环，因其 “比 Python 快 90000 倍” 的宣传语而备受瞩目，甚至被视为 “可能彻底改变 Python 命运” 的新语言。它由 ChrisLattner 团队推出，ChrisLattner 何许人也？他可是 LLVM 项目的创始人，Swift 编程语言的缔造者，在编程语言领域拥有深厚造诣与广泛影响力 。
  

   Mojo 旨在成为 Python 的超集，汲取众多酷炫语言、编译器和技术的精华，为 Python 向前发展注入强大动力。用 ChrisLattner 的话说，“它是 Python 家族的一员，让 Python 向前迈进了一大步。赋予 Python 程序员超能力，使他们无需转用 C++，就能探索并征服新领域” 。
  

   
          Python 调用 Mojo：简单几步，开启性能飞跃

   据开发者 Vincent D. Warmerdam 的实测，Python 调用 Mojo 现已变得相当便捷。具体操作如下：
  

   首先，使用 uv 进行安装，在命令行中输入：
  

   
    uv pip install modular --index-url https://dl.modular.com/public/nightly/python/simple/

   随后，创建一个 .mojo 文件，例如导出一个计算阶乘的函数 factorial()，文件内容如下：
  

from python import python objectfrom python.bindings import python module builderimport mathfrom os import abort@exportfn pyinit_mojo_module() -> python object:try:var m = python module builder("mojo_module")m.def_function(factorial)("factorial", docstring="compute n!")return m.finalize()except e:return abort(python object)(string("error creating python mojo module : ", e))fn factorial(py_obj: python object) raises -> python object:var n = int(py_obj)var result = 1for i in range(1, n + 1):result *= ireturn result

   如此一来，便可以在 Python 中加载该 .mojo 文件，代码如下：
  

import max.mojo.importerimport osimport sysimport timeimport mathsys.path.insert(0, "")import mojo_modulestart = time.time()print(mojo_module.factorial(10))end = time.time()print(f"time taken : {end - start} seconds for mojo")start = time.time()print(math.factorial(10))end = time.time()print(f"time taken : {end - start} seconds for python")

   运行上述代码后，输出结果显示，对于计算 factorial(10) 这样的轻量级任务，Mojo 与 Python 本身的速度相差不大。然而，当输入扩展到 factorial(100) 时，问题出现了，Mojo 返回的结果竟然是错误的（输出为 0），而 Python 得出的结果则准确无误。
  

   
          性能实测：Mojo 优势初显

   Vincent 还进行了另一个示例测试，选用了一个朴素的质数计数程序。通过 Python 原生实现、NumPy 实现以及 Mojo 实现的对比，结果令人眼前一亮。
  

   当计算 n = 20000 以内的质数数量时：
  

Python 原生实现耗时约 0.45 秒；
NumPy 实现耗时约 0.26 秒；

Mojo 实现仅耗时 0.01 秒。

   虽然该测试所采用的并非最优算法，但结果仍极具参考价值。在这种纯 CPU 密集型的计算任务中，Mojo 的性能提升十分显著，与 NumPy 相比，也展现出数量级上的优势 。
  

   
          Mojo 的特性与潜力：性能与易用性兼得

   从语法风格来看，Mojo 延续了 Python 的简洁性，让 Python 开发者能够轻松上手。同时，它又具备编译语言的性能与类型系统，有望在需要高性能计算的场景中大展身手，如人工智能、大数据处理、科学计算等领域。
  

   Mojo 还能够与 Python 生态系统深度融合，实现与任意 Python 代码的无缝集成。这意味着开发者无需重写整个项目，只需将性能瓶颈部分用 Mojo 实现，就能为项目带来显著的性能提升，极大地降低了迁移成本 。
  

   
          前路漫漫：Mojo 的现状与未来

   需要注意的是，Mojo 当前仍处于早期阶段。其文档覆盖不够全面，标准库功能有限，整套开发体验也尚未稳定。这表明它距离 “生产可用” 还有一段距离 。
  

   不过，从 Modular（Mojo 的开发公司）的一系列动作中可以看出，团队正积极为 Python 社区打造 “融合路径”，致力于围绕 Python 生态做加速和增强，而非简单地 “替代 Python”。这种 “拥抱兼容” 的态度，或许能让 Mojo 更顺利地被 Python 社区接纳 。
  

   就像 Vincent 评价的那样，“现在还不能称得上‘生产可用’，但我已经更有信心了 —— 梦想确实正在靠近。” 随着技术的不断迭代，Mojo 能否兑现其强大性能的承诺，为 Python 开发者带来全新的高效开发体验？让我们拭目以待 。
  

【声明】内容源于网络

码途钥匙

欢迎来到 Python 学习乐园！这里充满活力，分享前沿实用知识技术。新手或开发者，都能找到价值。一起在这个平台，以 Python 为引，开启成长之旅，探索代码世界，共同进步。携手 Python，共赴精彩未来，快来加入我们吧！

内容 992

粉丝 0

码途钥匙欢迎来到 Python 学习乐园！这里充满活力，分享前沿实用知识技术。新手或开发者，都能找到价值。一起在这个平台，以 Python 为引，开启成长之旅，探索代码世界，共同进步。携手 Python，共赴精彩未来，快来加入我们吧！

总阅读181

粉丝0

内容992