網易首頁 > 網易號 > 正文申請入駐

Python 現在可以運行 Mojo 了？

2025-06-24 16:18:58　來源: CSDN

北京舉報

分享至

作者 | Vincent 編譯 | 蘇宓

出品 | CSDN（ID：CSDNnews）

兩年前，Swift 之父、編譯器大神 Chris Lattner 和 Google 前員工 Tim Davis 組隊創立了初創公司 Modular，推出了高性能編程語言 Mojo。憑借“比 Python 快 90000 倍”的驚人宣傳語，Mojo 成為整個開發者社區關注的焦點，被認為是“可能徹底改變 Python 命運”的新語言。

Chris Lattner 曾這樣描述 Mojo：“ 它是 Python 家族的一員，汲取了所有這些酷炫的語言、編譯器和其他技術，讓 Python 向前邁進了一大步。我們認為它增強了 Python 的能力，賦予 Python 程序員超能力，讓熟悉 Python 的人能夠學習新知識，探索并征服新領域，而無需轉用 C++。”

而如今，Chris Lattner 低調放出了一個意味深長的新變化：Python 現在可以直接調用 Mojo 代碼了。

AI 產品爆發，但你的痛點解決了嗎？8.15-16 北京威斯汀·全球產品經理大會 PM-Summit，3000+ AI 產品人社群已就位。
直面 AI 落地難題、拆解頭部案例、對接精準資源！

掃碼登記信息，添加小助手進群，搶占 AI 產品下一波紅利：

進群后，您將有機會得到：
· 最新、最值得關注的 AI 產品資訊及大咖洞見
· 獨家視頻及文章解讀 AGI 時代的產品方法論及實戰經驗
· 不定期贈送 AI 產品干貨資料和秘籍

Mojo 正在被 Python 調用

據開發者 Vincent D. Warmerdam 的實測，Python 調用 Mojo 現在變得非常簡單，詳細步驟如下。

首先，可以直接用 uv 安裝：

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

然后你可以創建一個 .mojo 文件，導出一個計算階乘的函數 factorial()，內容如下：

# mojo_module.mojo
from python import PythonObject
from python.bindings import PythonModuleBuilder
import math
from os import abort
@export
fn PyInit_mojo_module() -> PythonObject:
    try:
        var m = PythonModuleBuilder("mojo_module")
        m.def_function[factorial]("factorial", docstring="Compute n!")
        return m.finalize()
    except e:
        return abort[PythonObject](String("error creating Python Mojo module:", e))
fn factorial(py_obj: PythonObject) raises -> PythonObject:
    var n = Int(py_obj)
    var result = 1
    for i in range(1, n + 1):
        result *= i
    return result

然后你就可以在 Python 中加載它：

# main.py
import max.mojo.importer
import os
import sys
import time 
import math
sys.path.insert(0, "")
import mojo_module
start = 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")

運行結果如下：

3628800
Time taken: 3.0279159545898438e-05 seconds for mojo
3628800
Time taken: 5.0067901611328125e-06 seconds for python

一切運行正常。

問題顯現

不過，在實測時，Vincent 也注意到了一些問題，對于 factorial(10) 這樣的輕量計算，Mojo 與 Python 本身速度相差無幾。但當輸入擴大到 factorial(100) 時，Mojo 返回的結果卻是錯誤的（輸出為 0），而 Python 的結果則是正確的。

0
Time taken: 2.7894973754882812e-05 seconds for mojo
188267717688892609974376770249160085759540364871492425887598231508353156331613598866882932889495923133646405445930057740630161919341380597818883457558547055524326375565007131770880000000000000000000000000000000
Time taken: 9.298324584960938e-06 seconds for python

這可能是 Mojo 側溢出的結果。文檔也提到這整套系統還處于早期階段，說明其數值系統尚不成熟。

另一個例子

考慮到上面的問題可能是溢出引起的，Vincent 又試了一個例子來看看能不能測出加速效果。這次是一個樸素的素數統計實現。Mojo 代碼如下：

from python import PythonObject
from python.bindings import PythonModuleBuilder
import math
from os import abort
@export
fn PyInit_mojo_module() -> PythonObject:
    try:
        var m = PythonModuleBuilder("mojo_module")
        m.def_function[count_primes]("count_primes", docstring="Count primes up to n")
        return m.finalize()
    except e:
        return abort[PythonObject](String("error creating Python Mojo module:", e))
fn count_primes(py_obj: PythonObject) raises -> PythonObject:
    var n = Int(py_obj)
    var count: Int = 0
    for i in range(2, n + 1):
        var is_prime: Bool = True
        for j in range(2, i):
            if i % j == 0:
                is_prime = False
                break
        if is_prime:
            count += 1
    return count

對應的 Python 測試代碼如下，此外 Vincent 還加了一個 NumPy 實現做對比：

import numpy as np
import max.mojo.importer
import os
import sys
import time 
import math
sys.path.insert(0, "")
import mojo_module
def count_primes(n):
    count = 0
    for i in range(2, n + 1):
        is_prime = True
        for j in range(2, i):
            if i % j == 0:
                is_prime = False
                break
        if is_prime:
            count += 1
    return count
def count_primes_numpy(n):
    if n < 2:
        return 0
    candidates = np.arange(2, n + 1)
    is_prime_mask = np.ones(len(candidates), dtype=bool)
    for idx, candidate in enumerate(candidates):
        if candidate == 2:
            continue
        divisors = np.arange(2, candidate)
        has_divisor = np.any(candidate % divisors == 0)
        if has_divisor:
            is_prime_mask[idx] = False
    return np.sum(is_prime_mask)
n = 20_000
start = time.time()
print(count_primes(n))
end = time.time()
print(f"Time taken: {end - start} seconds for python")
start = time.time()
print(count_primes_numpy(n))
end = time.time()
print(f"Time taken: {end - start} seconds for numpy")
start = time.time()
print(mojo_module.count_primes(n))
end = time.time()
print(f"Time taken: {end - start} seconds for mojo")

運行結果如下：

Python 原生實現耗時：約 0.45 秒
NumPy 實現耗時：約 0.26 秒
Mojo 實現耗時：僅 0.01 秒

2262
Time taken: 0.44585609436035156 seconds for python
2262
Time taken: 0.25995898246765137 seconds for numpy
2262
Time taken: 0.011101961135864258 seconds for mojo

盡管這一 benchmark 并非最優算法，但結果仍然具備參考價值：在這種純 CPU 密集型的計算任務中，Mojo 的性能提升確實相當明顯，尤其是與 NumPy 相比也有數量級上的優勢。

整體而言，通過實測，Vincent 發現，Mojo 的語法風格延續了 Python 的簡潔性，同時具備編譯語言的性能與類型系統。

不過，Mojo 當前仍處于早期階段。文檔覆蓋不全、標準庫功能有限、整套開發體驗尚不穩定……這也意味著距離“生產可用”還有距離。

但從 Modular 的近期動作可以看出，該團隊正在有意識地為 Python 社區打造“融合路徑”——不是簡單地“替代 Python”，而是圍繞其生態做加速和增強。這種“擁抱兼容”的姿態或許更務實，也更容易獲得社區的接納。

對此，Vincent 評價道，「現在還不能稱得上“生產可用”，但我已經更有信心了 —— 夢想確實正在靠近。」

原文：https://koaning.io/posts/giving-mojo-a-spin/

2025 全球產品經理大會

8 月 15–16 日

北京·威斯汀酒店

2025 全球產品經理大會將匯聚互聯網大廠、AI 創業公司、ToB/ToC 實戰一線的產品人，圍繞產品設計、用戶體驗、增長運營、智能落地等核心議題，展開 12 大專題分享，洞察趨勢、拆解路徑、對話未來。

特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.