Python 3.9–3.15のインタプリタバージョンによるAIエージェント・データ分析・機械学習ワークロードの性能比較

概要

本研究では、CPython 3.9、3.11、3.13、3.14、3.15を同一のビルドチェーンでインストールし、AIエージェント、データ分析、機械学習を模した13個のワークロードの実行時間を、一台のApple M3 Proコンピュータ上で測定した。標準ライブラリのみを用いる8個のワークロードの幾何平均速度倍率は、3.9比で3.11において1.24、3.15において1.22であった。すなわち、3.11以降に追加の改善は観測されなかった。同一のライブラリバージョンを用いた3.14と3.15の間で、NumPy、pandas、scikit-learn、Pydanticのワークロードの差は2%以内であった。3.15の明示的な遅延importは、使用しない重いモジュールをimportするCLIの起動時間を222.98 msから20.85 msに短縮した。実験的JITは純粋Pythonのk平均法で1.24倍高速であったが、起動時間とCSV集計では低速になった。別セッションで再測定した値は最大12.4%異なったため、3%未満の差は区別できないものとして解釈すべきである。

主な貢献

• 三つの領域を模した13個のワークロードを、標準ライブラリ層とC拡張層に分けて設計した。
• 五つのバージョンの実行時間と倍率を、ワーカープロセス単位のブートストラップ区間とともに報告した。
• 3.15の遅延importと実験的JITの効果を個別に測定し、3.15でインストールできない主要パッケージを確認した。

結論

標準ライブラリのワークロードは3.11において3.9比で1.24倍高速化し、3.15は1.22倍であってそれ以上高速化しなかった。C拡張のワークロードは、同一のライブラリバージョンにおいてバージョン間の差が2%以内であった。3.15における最大の差は遅延importであり、重いモジュールを使用しないCLIの起動時間を10.69分の1に短縮した。したがって、3.15へ移行する根拠は演算速度よりも遅延importのような機能にある。今後の研究として、Linuxサーバ、入力サイズの変化、GILなしビルド、実際のLLM呼び出しを含む測定が必要である。