python 3.11 性能提升非固定百分比，取决于代码模式：纯数值循环或属性密集访问可提速40%–75%，但动态类型、频繁exec或类型突变可能降速；官方1.25x平均值源于标准基准测试，真实项目受干扰因素影响显著。
Python 3.11 的性能提升不是“固定百分比”，而是高度依赖代码模式：纯数值循环或属性密集访问能稳拿 40%–75% 加速，但混用动态类型、频繁 exec 或热路径中类型突变的代码，可能不升反降，甚至触发去特化开销。
为什么你的 benchmark 跑不出官方说的 1.25x？
官方平均 1.25x（即 25% 提升）来自标准 benchmark suite，覆盖大量属性访问、函数调用和整数运算场景。但真实项目往往包含干扰因素：
-
LOAD_ATTR特化只对稳定结构生效——如果对象属性在运行时被setattr动态增删，缓存失效，回退到通用路径 -
BINARY_ADD特化需连续多次同类型操作——若循环里穿插str + int或None + int，会清空特化状态并去优化 - 小函数调用（如
lambda x: x+1）受益明显；但带**kwargs或try/except的函数，异常处理路径未被充分特化 - 启动时间快了 40%，但如果你的脚本执行不到 100ms，这个优势几乎不可测
哪些字节码真正被特化了？
CPython 3.11 并非全量特化，而是聚焦高频、低开销、类型可预测的指令。以下是最关键的几类：
-
BINARY_ADD_INT：仅当左右操作数连续 3 次均为int时激活，跳过类型分派和对象创建 -
LOAD_ATTR_INSTANCE_VALUE：针对经典类实例（非__slots__且无描述符）的属性直取，绕过__getattribute__查找链 -
COMPARE_OP_EQ_INT：整数相等比较，内联为 CPU 原生cmp指令，不构造bool对象 -
CALL_FUNCTION_EXACT_ARGS：仅限位置参数、无*args/**kwargs、且参数个数与函数签名严格匹配的调用
注意：CALL_METHOD 和 LOAD_METHOD 虽有增强，但尚未完全特化——它们仍依赖内联缓存，而非生成专用指令。
内存布局优化实际影响在哪？
3.11 对对象内存布局的调整是静默但关键的：它没改 PyObject 头部，而是压缩了常用内置类型的内部字段，并对齐了字段偏移。效果体现在两处：
- 小整数（
PyLongObject）在 3.11 中减少 8 字节内存占用，对百万级int列表，GC 压力下降约 12% -
dict的哈希表桶（entry）结构重排，使dict.get()在缓存命中时少一次指针解引用——实测在热点 key 查找中延迟降低 3–5ns - 但该优化对用户代码无感知：你无法通过
sys.getsizeof()精确测出差异，因为__sizeof__方法本身未同步更新
真正容易被忽略的是“特化冷启动”：首次执行某段循环时，解释器要跑完监控 → 特化 → 验证 → 生效四步，前 10–20 次迭代反而比 3.10 慢；只有持续运行才体现出加速。别用单次 timeit.timeit(..., number=1) 测 3.11 性能。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
