Python continua la sua evoluzione non solo in termini di performance, ma anche di pulizia e coerenza del linguaggio.

Tra le novità più interessanti emerse nelle ultime versioni troviamo due cambiamenti che, pur non facendo rumore come il JIT o il no GIL, raccontano molto bene la direzione che Python sta prendendo.

Da un lato, è stata accettata una proposta (PEP 814) per introdurre finalmente i cosiddetti "frozendict" direttamente nel linguaggio (dalla versione 3.15). Come suggerisce il nome, si tratta di dizionari immutabili, ovvero strutture dati simili ai classici dict ma che, una volta creati, non possono essere modificati. Un concetto già presente in Python con i frozenset, ma che finora mancava per i dizionari. È una funzionalità richiesta da anni, soprattutto in contesti dove l’immutabilità è importante, come nella programmazione funzionale, nella gestione delle configurazioni o come chiavi in strutture dati più complesse.

Dall'altro lato, Python sta portando avanti un lavoro meno visibile ma altrettanto importante: la rimozione delle cosiddette "dead batteries". Con questo termine si indicano moduli della standard library ormai obsoleti, poco utilizzati o mantenuti con difficoltà. Nelle versioni più recenti, in particolare Python 3.14, molti di questi componenti sono stati definitivamente rimossi. Il risultato è una libreria standard più snella, più sicura e più facile da mantenere.

Questi cambiamenti raccontano una direzione chiara: Python non sta solo aggiungendo nuove funzionalità, ma sta anche cercando di diventare un linguaggio più pulito, moderno e coerente.

Meno legacy, più chiarezza, ed è proprio per questo (o anche per questo) che dopo più di 30 anni, Python continua a restare così rilevante.

Hai detto "buono", interessante.

Caro mio, ogni considerazione è del tutto legittima e sacrosanta, ci mancherebbe altro.

Detto questo, il mio unico consiglio, del tutto non richiesto, che mi sento di dare a chiunque nel nostro settore, è di non restare ancorato a posizioni anacronistiche.

Quando arrivano rivoluzioni di questo tipo, il primo istinto è quasi sempre quello di negare, far finta di niente o denigrare, per poi accorgersi che si tratta di strumenti capaci di costruire e non solo di distruggere.

Conviene quindi restare ricettivi e osservare cosa ci riserverà il futuro.

Credo che queste AI, o IA, se vuoi dirla all’italiana, siano qui per restare e per cambiare profondamente il nostro approccio.

Sta poi a noi decidere se usarle per appiattire il pensiero o per amplificarlo.

I miei due centesimi.

Sempre lieto di poter scambiare opinioni.

A presto.

L’apprendimento continuo dovrebbe essere alla base del pensiero di ogni informatico, sia per professione che per diletto.

Oggi, ancora più di ieri, fermarsi alle proprie conoscenze (al proprio “orticello”) e non voler approfondire lo sconfinato mondo che ci circonda è quasi delittuoso; anzi, dal punto di vista lavorativo, è anche piuttosto pericoloso.

“Chi si ferma è perduto” direi che calza a pennello per qualsiasi ruolo nel meraviglioso mondo dell’IT. Se poi lo fai per rifiuto verso questa o quella tecnologia… Houston, abbiamo un problema, e anche bello grosso.

Oggi è l’AI, ieri era il web 2.0, il giorno prima l'accesso/scoperta di internet e quello prima ancora il passaggio dai calcolatori giganti ai personal computer. Insomma, ogni periodo porta con sé una dose di cambiamento e ricerca, e il nostro compito è quello di restare aperti, continuando ad apprendere.

Almeno fino al giorno in cui chiuderemo gli occhi per l’ultima volta, a quel punto saremo esentati.

Per anni Python si è portato dietro una fama difficile da scrollarsi di dosso: potente, versatile, ma non esattamente il linguaggio più veloce del mondo. Negli ultimi anni però qualcosa è cambiato. E non poco.

Dalla versione 3.11 in poi, Python ha iniziato a ricevere miglioramenti significativi in termini di performance, grazie a una serie di ottimizzazioni dell’interprete che stanno rendendo il linguaggio sempre più competitivo anche in scenari dove prima non era la scelta ideale.

Secondo i dati ufficiali del team Python, Python 3.11 ha introdotto miglioramenti medi intorno al 10-60% rispetto alla versione 3.10, grazie a un nuovo interprete più efficiente e a tecniche come l’adaptive specializing interpreter.

Le versioni successive, come 3.12, 3.13 e 3.14, hanno continuato su questa strada, lavorando su:

- ottimizzazione dell’esecuzione del bytecode
- miglior gestione della memoria
- riduzione dell’overhead nelle chiamate di funzione
- miglioramenti nelle strutture dati interne

In molti casi reali, questi interventi si traducono in applicazioni sensibilmente più rapide, senza richiedere modifiche al codice esistente.

Ma le novità più interessanti riguardano due cambiamenti strutturali molto importanti.

Il primo è il superamento del Global Interpreter Lock (GIL).

Con Python 3.13 è stato introdotto ufficialmente il supporto al cosiddetto “free-threading”, ovvero una modalità opzionale dell’interprete che permette di eseguire codice Python senza il GIL.

Questo non significa che il GIL sia sparito: la modalità tradizionale resta quella predefinita, soprattutto per garantire compatibilità con l’ecosistema esistente.

Tuttavia, il fatto che il supporto sia ora parte ufficiale del linguaggio segna un passaggio storico: Python può finalmente evolvere verso un vero parallelismo multi-thread anche nelle applicazioni CPU-bound.

Il secondo elemento chiave è l’introduzione iniziale di un JIT compiler (Just-In-Time).

Sempre a partire da Python 3.13, sono state introdotte le basi per un sistema di compilazione JIT che permette di ottimizzare dinamicamente l’esecuzione del codice.

Il JIT è una tecnologia già utilizzata in linguaggi come Java e JavaScript, e consente di tradurre parti di codice in forma più efficiente durante l’esecuzione, migliorando le performance senza interventi manuali da parte dello sviluppatore.

Anche in questo caso siamo nelle prime fasi, ma il potenziale è enorme: combinato con le altre ottimizzazioni, il JIT rappresenta uno dei tasselli fondamentali per rendere Python sempre più competitivo anche in termini di velocità pura.

In altre parole, Python non sta solo diventando più veloce, sta cambiando profondamente il modo in cui viene eseguito. E, fatemelo scrivere con un po' di orgoglio, per una volta, migliorare le performance non significa scrivere codice più complesso.

Significa semplicemente aggiornare Python.

Eeeeeh, sei una colonna portante del forum, altroché mezza tacca.

Un caro saluto.

Nel mondo dello sviluppo software esistono centinaia di linguaggi di programmazione. Alcuni sono velocissimi, altri estremamente rigorosi, altri ancora molto specializzati.

Eppure, quando si parla di popolarità tra gli sviluppatori, uno dei nomi che torna più spesso è sempre lo stesso: Python.

Negli ultimi anni Python è diventato uno dei linguaggi più utilizzati al mondo, presente praticamente in ogni ambito: sviluppo web, automazione, data science, intelligenza artificiale, scripting di sistema e molto altro.

Ma perché piace così tanto agli sviluppatori? Partiamo dalla cosa più evidente: una sintassi semplice e leggibile. Il linguaggio è stato progettato con un obiettivo molto chiaro: rendere il codice il più leggibile possibile. In Python spesso il codice assomiglia quasi a una frase scritta in inglese. Questo lo rende più facile da capire non solo per chi lo ha scritto, ma anche per chi dovrà leggerlo mesi o anni dopo. Questa filosofia è riassunta perfettamente nello Zen of Python, una raccolta di principi che guidano la progettazione del linguaggio.

Tra le cose dello zen notabili:
Simple is better than complex.
Readability counts.

Ma poi si continua con un altro punto fondamentale: impararlo è sorprendentemente facile. Python è spesso uno dei primi linguaggi che vengono insegnati a chi si avvicina alla programmazione. Questo non significa che sia un linguaggio "semplice" nel senso limitante del termine, ma significa piuttosto che riduce al minimo la complessità inutile. Molte operazioni comuni possono essere scritte in poche righe di codice, senza una quantità eccessiva di sintassi o configurazioni ed è per questo che Python è utilizzato sia da chi muove i primi passi nella programmazione sia da sviluppatori con molti anni di esperienza.

Ora calo l'asso: un ecosistema enorme. Un altro motivo fondamentale del successo di Python è il suo ecosistema. Grazie al Python Package Index (PyPI), gli sviluppatori hanno accesso a centinaia di migliaia di mlioni di miliardi di librerie pronte all’uso. Questo significa che spesso è possibile:
-- evitare di reinventare la ruota
-- integrare funzionalità complesse in poco tempo
-- costruire prototipi molto rapidamente

Che si tratti di analisi dei dati, sviluppo web o automazione, è molto probabile che qualcuno abbia già pubblicato una libreria utile.

Ma andiamo avanti, non mi fermo più: un linguaggio incredibilmente versatile. Uno degli aspetti più affascinanti di Python è la sua versatilità visto che lo stesso linguaggio può essere utilizzato per:
- scrivere piccoli script di automazione
- sviluppare applicazioni web
- analizzare grandi quantità di dati
- addestrare modelli di intelligenza artificiale
- costruire strumenti DevOps

Questa flessibilità permette agli sviluppatori di utilizzare Python in contesti molto diversi senza dover cambiare completamente stack tecnologico.

Poi noi siamo amichevoli ed abbiamo una community enorme. Ebbene sì, Python beneficia di una delle community più grandi e attive del mondo dello sviluppo.

Questo si traduce in:
- una quantità enorme di documentazione
- tutorial e corsi disponibili ovunque
- forum e community molto attive
- aggiornamenti continui del linguaggio

Quando si lavora con Python è molto raro sentirsi completamente soli davanti a un problema, anche noi nel nostro piccolo contribuiamo a questo senso di appartenenza.

Ed ora una cosa poco nota ma sottile, quasi chirurgica: un linguaggio che cresce con chi lo usa. Forse il motivo più interessante del successo di Python è che cresce insieme agli sviluppatori. Molti programmatori iniziano a usarlo per piccoli script o progetti personali. Con il tempo scoprono che lo stesso linguaggio può essere utilizzato per applicazioni molto più complesse. Questo rende Python una sorta di compagno di viaggio nello sviluppo software e forse è proprio questo il segreto del suo successo: non è solo un linguaggio potente, ma anche uno strumento che rende la programmazione più accessibile, più leggibile e, in molti casi, anche più divertente.

Qualunque sia il tuo destino, porta con te un amico fidato... Python, per gli amici... Python.

Se negli ultimi anni hai avuto la sensazione che Python sia ovunque nel mondo dell'intelligenza artificiale, non è solo un'impressione. I numeri più recenti lo confermano: Python è ormai il linguaggio di riferimento per l’AI e il machine learning, con un vantaggio enorme sugli altri linguaggi.

Secondo diversi report sullo sviluppo software e sull’ecosistema AI, oltre il 70–80% dei progetti di machine learning utilizza Python come linguaggio principale.

Insomma: se l’AI fosse una città, Python sarebbe probabilmente il sistema di trasporto pubblico.

Perché proprio Python? La risposta è abbastanza semplice: l'ecosistema.

Negli ultimi anni si è creato un insieme di librerie e framework che rendono Python estremamente efficace per lavorare con dati e modelli di AI.

Tra i più utilizzati troviamo:
- TensorFlow
- PyTorch
- scikit-learn
- pandas
- NumPy

Queste librerie permettono di passare dall’analisi dei dati alla costruzione di modelli complessi senza cambiare linguaggio.

E questo, per ricercatori e sviluppatori, è un enorme vantaggio, anche le Big Tech puntano su Python.

Gran parte degli strumenti più importanti nel campo dell’AI sono progettati con Python come interfaccia principale.

Aziende e laboratori di ricerca lo utilizzano per:
- addestrare modelli di machine learning
- costruire pipeline di dati
- sviluppare applicazioni AI
- creare prototipi rapidamente

Ma non era “troppo lento”? Questa è una delle obiezioni più comuni.

Python non è il linguaggio più veloce, ma nel mondo dell’AI spesso la velocità viene gestita dalle librerie sottostanti, scritte in C, C++ o CUDA.

Python diventa quindi una specie di direttore d’orchestra:
- il codice Python coordina
- le librerie ottimizzate fanno il lavoro pesante

Risultato: produttività altissima senza sacrificare troppo le prestazioni.

Il futuro: Python sempre più centrale. Con l’esplosione dell’AI generativa e del machine learning applicato, Python sembra destinato a restare al centro dell’ecosistema per parecchio tempo.

Nuovi strumenti, framework e librerie continuano a nascere proprio attorno al linguaggio e se il trend continuerà così, la domanda non sarà più: "Python è usato nell’AI?" ma piuttosto "Esiste ancora AI senza Python?"

Chi usa Python da un po’ lo sa: le versioni si susseguono con un ritmo piuttosto regolare: 3.10, 3.11, 3.12, 3.13… e ogni anno qualcuno nella community si ritrova a chiedersi: "Aspetta… ma la 3.11 è uscita prima dopo o durante il 2022?"

Per evitare questi piccoli drammi matematici, nella comunità Python è comparsa una proposta interessante: cambiare il sistema di numerazione delle versioni. L’idea arriva dalla PEP 2026, che suggerisce di adottare il Calendar Versioning (CalVer).

Tradotto: smettiamo di contare e usiamo direttamente l’anno.

Ma come funzionerebbe? Invece delle classiche versioni: Python 3.12, Python 3.13, Python 3.14 ... potremmo avere qualcosa del tipo:
-- Python 3.26 → rilasciato nel 2026
-- Python 3.27 → rilasciato nel 2027
-- Python 3.28 → rilasciato nel 2028

Quindi niente più dubbi esistenziali: se vedi Python 3.26, sai immediatamente che arriva dal 2026.
Il motivo è semplice: rendere le versioni più intuitive da capire. Chi lavora in azienda o gestisce infrastrutture spesso si trova a chiedersi:
-- questa versione è recente?
-- è ancora supportata?
-- devo aggiornare ... ieri?

Con una numerazione basata sull’anno, la risposta diventerebbe molto più immediata.

Se ti stai preoccupando: no, Python non diventerà improvvisamente Python 2026 Ultra Mega Edition seguita da Python 2027 Alabarda Spaziale Edition.Il ciclo di rilascio rimarrebbe lo stesso:
-- una nuova versione ogni anno
-- circa 5 anni di supporto

Cambierebbe solo il numero stampato sulla scatola. Come ogni proposta che riguarda Python, anche questa ha già acceso un bel po’ di discussioni. C’è chi pensa che sia: "Più chiaro, più moderno, più facile da gestire" e chi invece dice: "Abbiamo già imparato a contare fino a 3.14, non fatemi ricominciare."

Per ora la proposta è ancora in discussione, quindi non è certo che vedremo davvero Python 3.26 nei prossimi anni.

Nel frattempo… Una cosa però è sicura: che si chiami Python 3.15 o Python 3.26, continueremo comunque a fare quello che facciamo sempre:
-- scrivere codice
-- installare dipendenze
-- ...e litigare con gli ambienti virtuali.
La vera "tradizione" Python non cambia mai.

Come di consueto vi invitiamo a lasciare le vostre considerazioni, anzi opinioni e preferenze, tramite l'immancabile sondaggione, il Python Developers Survey 2026.

Eccovi il link e sondaggiate numerosi.