python 3.11 没有用户可控的“inlined calls”特性，仅在字节码层对极少数内置函数（如len、isinstance）做自动优化，效果微乎其微；真正提升性能需手动内联高频小函数、使用lru_cache或转向numpy/numba。
Python 3.11 的 inlined calls 是什么，它真能帮你省开销？
不能。Python 3.11 没有叫 “Inlined Calls” 的用户可控特性，也没有提供任何 @inline 装饰器、编译指令或运行时开关来手动内联函数。CPython 3.11 引入的是 **字节码层级的内联优化（仅限特定内置函数）**，由解释器在编译阶段自动完成，开发者完全无法干预或触发。
你看到的所谓“inlined calls”描述，通常来自 CPython 的 _PyCode_ConstantKey 优化或对 LOAD_GLOBAL + CALL 序列的微小合并，仅作用于极少数硬编码的内置函数（如 len()、isinstance()、type() 在某些固定参数模式下），且不改变语义、不可观测、不保证稳定。
哪些函数调用在 3.11 中可能被隐式优化？
只有极少数内置函数在满足严格条件时，字节码会略作简化（比如少一条 LOAD_GLOBAL），但效果微乎其微，且完全取决于 CPython 内部实现细节：
-
len()：当参数是局部变量且类型可静态推断为 list/str/tuple 时，可能跳过全局查找 -
isinstance(obj, (int, str))：字面量元组作为第二个参数时，可能复用常量缓存 -
type(obj) is int这类模式：可能被折叠为更紧凑的字节码序列
这些不是“内联”，而是常量传播与操作码合并——不会消除栈帧、不减少对象创建、不绕过 descriptor 查找，更不会影响你写的普通函数。
想减函数调用开销？别碰 3.11 的“inlining”，做这几件事才有效
真实可操作的路径只有三条，且都和“inlining”无关：
- 把高频小函数逻辑直接写进调用处（尤其循环体内），避免
def带来的帧创建+参数绑定开销 - 用
functools.lru_cache(maxsize=128)缓存纯计算结果，而不是反复调用 - 对数值密集型场景，改用
numpy或numba.jit—— 它们才真正做函数内联和机器码生成
例如：def clamp(x, lo, hi): return max(lo, min(x, hi)) 被调用百万次？直接写 max(lo, min(x, hi)) 更快，因为少了函数入口/出口的固定开销（约 30–50ns/次）。
为什么你查到的 benchmark 显示 3.11 某些调用变快了？
那大概率是其他改进带来的副作用，比如：
- 更快的 PEP 654
ExceptionGroup实现，间接降低异常路径的开销 - 新 AST 解析器和字节码生成器减少了编译阶段的临时对象分配
-
dict和list的底层优化让len()、list.append()等看起来“更快”，但不是因为内联
拿 timeit 测 len([1,2,3]) 在 3.10 vs 3.11 的差异，结果波动往往小于测量噪声，更别说归因到“inlining”。
真正影响性能的，永远是你写的逻辑结构、对象生命周期、内存访问模式——不是某个不存在的编译器开关。
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！
