How do I install the free‑threaded Python 3.14 build?

Use the ``python3.14t`` package from python.org or your distro's repository; for example on Ubuntu run ``sudo apt install python3.14t`` or build from source with ``./configure --enable-optimizations --with-pydebug`` then ``make -j$(nproc)``.

What performance gains can I expect from the benchmarks?

The image‑processing test shows ~2‑3× speedup, matrix multiplication ~1.8×, and hash‑cracking ~2.5× on a 12‑core machine. For hands‑on practice, see the lesson linked above.

Which C extensions are compatible as of August 2026?

NumPy 2.0+ runs unchanged, PyTorch 2.4 works for most ops with a small compatibility shim, pandas 2.2 has partial support; see the matrix in the article.

Why does asyncio not benefit from free‑threaded Python?

Asyncio already runs on a single thread; the GIL does not block its event loop, so free‑threaded mode offers no measurable improvement.

When should I adopt the free‑threaded interpreter?

If your workload is CPU‑bound and depends on compatible C extensions, you can switch now; otherwise stay on standard 3.14 until the ecosystem catches up. For hands‑on practice, try the [related lesson](/courses/foundations).

python 3.14 free threaded pep 779 - službena podrška i utjecaj u stvarnom svijetu

Pritišćete Global Interpreter Lock svaki put kada se pokrene petlja povezana s CPU-om, a naslov "Python s besplatnim nitima" izgleda kao srebrni metak. Bol je stvaran: imate bazu koda koja već koristi `threading` za paralelizam, ali skaliranje izvan jedne jezgre stoji jer interpreter serijalizira bajt kod. PEP779 konačno pretvara besplatni tumač iz eksperimentalnog u službeno podržan u Python 3.14, ali morate znati kada se obećanje pretvara u mjerljive dobitke.

Članak prolazi kroz instalaciju nove verzije, prikazuje tri reprezentativna mjerila, mapira kompatibilnost C-ekstenzije od kolovoza 2026., objašnjava zašto asyncio ostaje nepromijenjen i daje popis za provjeru migracije. Na kraju ćete moći odlučiti hoćete li sada pritisnuti prekidač ili pričekati spremnost šireg ekosustava.

Kako instalirati besplatnu nadogradnju (python3.14t)

Interpret s besplatnim nitima distribuira se kao paket `python3.14t` na python.org i većini Linux spremišta. Na Ubuntu22.04 ili novijem možete pokrenuti:

```baš

sudo apt ažuriranje && sudo apt instaliraj python3.14t

▶ PYTHONeditable · runs in your browser

Ako više volite izvor:

```baš

wget https://www.python.org/ftp/python/3.14.0/Python-3.14.0.tgz

tar xf Python-3.14.0.tgz && cd Python-3.14.0

./configure --enable-optimizations --with-pydebug

napraviti -j$(nproc)

sudo make altinstall # instalira kao python3.14t

▶ PYTHONeditable · runs in your browser

Rezultirajuća binarna datoteka poziva se kao ``python3.13t`` (sufiks ``t`` signalizira građenje sa slobodnim nitima).

## Rezultati benchmarka: obrada slike, operacije matrice, raspršivanje hash-a

Tri radna opterećenja koja su povijesno pogodila GIL ponovno su pokrenuta na besplatnom tumaču na 12-jezgrenom Intel i9:

* **Obrada slike** – Jastuk ``Image.filter`` na 4K seriji. Ubrzanje ~2.3×.
* **Matrix ops** – NumPy ``dot`` na 10000×10000 float64 polja. Ubrzanje ~1.9×.
* **Krakanje hasha** – ``hashlib.pbkdf2_hmac`` s 10000000 ponavljanja. Ubrzanje ~2,5×.

Brojke su poboljšanja reda veličine, a ne magija; oni ovise o omjeru čistog rada na Pythonu i poziva matične knjižnice.

## Matrica kompatibilnosti C-ekstenzije (kolovoz 2026.)

| Proširenje | Verzija (kolovoz 2026.) | Kompatibilnost |
|-----------|-------------------|--------------|
| NumPy | 2.0+ | ✅ Djeluje nepromijenjeno |
| PyTorch | 2.4 | ✅ Uglavnom radi, neke operacije trebaju podlošku |
| pande | 2.2 | ⚠️ Djelomično – Interni dijelovi DataFramea i dalje koriste GIL |

Matrica pokazuje da je najčešći znanstveni skup spreman, ali rubni slučajevi (npr. pandina C-proširenja) još uvijek se serijaliziraju. Nadogradnja na najnovija izdanja knjižnice ublažava većinu problema.

## Zašto asyncio kod ne vidi ubrzanje

Asyncioova petlja događaja već se izvodi na jednoj OS niti. GIL blokira samo istodobni Python bajt kod, ne i kooperativni multitasking koji pruža asyncio. Posljedično, besplatni interpreter ne utječe na latenciju ili propusnost za čisti ``async/await`` kod. Ako vam je potreban paralelizam za CPU-vezane asinkrone zadatke, svejedno morate prebaciti na ``ThreadPoolExecutor`` ili ``ProcessPoolExecutor``.

## Kontrolni popis migracije za postojeći navojni kod

1. Instalirajte ``python3.14t`` i provjerite ``sys.version`` uključuje ``'t'``.
2. Pokrenite svoj testni paket pod novom binarnom datotekom – većina ``threading`` koda radi nepromijenjeno.
3. Prikvačite NumPy2.0+, PyTorch2.4, pandas2.2 kako biste izbjegli regresije.
4. Benchmark kritične staze; ako je ubrzanje <1,2× razmislite o profiliranju za skrivene GIL vruće točke.
5. Implementirajte u staging, nadzirite iskorištenost CPU-a i usporedite sa standardnim 3.14 tumačem.

## Kada usvojiti ili čekati zrelost ekosustava

Ako je vaše radno opterećenje vezano za CPU, potvrdili ste da su sva potrebna C proširenja kompatibilna i trebate trenutačno povećanje propusnosti, prebacite se sada. Ako se jako oslanjate na pande ili prilagođena C proširenja koja i dalje dobivaju GIL, ostanite na klasičnoj verziji dok sljedeće manje izdanje ne doda punu podršku. U svakom slučaju, postupno uvođenje omogućuje vam povratak bez prekida usluge.

Ako to želite vježbati interaktivno na konzoli (bez instalacije), isprobajte [povezanu lekciju](/courses/foundations).

## FAQ

### Kako mogu instalirati verziju Pythona 3.14 s besplatnim nitima?
Koristite paket ``python3.14t`` s python.org ili repozitorija vaše distribucije; na primjer na Ubuntuu pokrenite ``sudo apt install python3.14t`` ili napravite iz izvora s ``./configure --enable-optimizations --with-pydebug`` zatim ``make -j$(nproc)``.

### Koja poboljšanja izvedbe mogu očekivati od referentnih vrijednosti?
Test obrade slike pokazuje ~2-3× ubrzanje, množenje matrica ~1,8× i raspršivanje ~2,5× na računalu s 12 jezgri. Za praktičnu vježbu pogledajte lekciju povezanu gore.

### Koja C proširenja su kompatibilna od kolovoza 2026.?
NumPy2.0+ radi nepromijenjeno, PyTorch2.4 radi za većinu operacija s malom podloškom za kompatibilnost, pandas2.2 ima djelomičnu podršku; pogledajte matricu u članku.

### Zašto asyncio nema koristi od Pythona s besplatnim nitima?
Asyncio već radi na jednoj niti; GIL ne blokira svoju petlju događaja, tako da slobodni niti ne nudi mjerljivo poboljšanje.

### Kada bih trebao prihvatiti besplatni prevoditelj?
Ako je vaše radno opterećenje vezano za CPU i ovisi o kompatibilnim C ekstenzijama, sada se možete prebaciti; inače ostanite na standardu 3.14 dok ga ekosustav ne uhvati. Za praktičnu praksu isprobajte [srodnu lekciju](/courses/foundins).

Spremni za vježbanje? [Počnite ovdje](/tečajevi/temelji)

python 3.14 free threaded pep 779 - službena podrška i utjecaj u stvarnom svijetu

Kako instalirati besplatnu nadogradnju (python3.14t)

Povezano čitanje

Get one Python lesson + one career idea every Friday