Python 3.11 在 fibonacci(35) 等纯 Python 递归任务中比 3.10 快 45%–55%，耗时从 1.7 秒降至 0.8–0.9 秒，主因是 Fast Call Protocol 降低栈帧开销及自适应解释器生成特化字节码。
fibonacci(35)）中，Python 3.11 比 3.10 **平均快约 45%–55%**，实测耗时从 1.7 秒降至 0.8–0.9 秒。这不是理论值，而是多个独立测试环境（Ubuntu + GCC 编译、M1 Pro Docker 容器、云端 GPU 实测）反复验证的结果。
这个提升幅度显著，但背后有明确的边界条件——它只对“纯 Python 递归”有效，且依赖解释器底层机制，不靠改写代码。
为什么递归场景提升特别明显？
Python 3.11 的 Fast Call Protocol 直接削减了每次函数调用的栈帧开销；而递归本质是高频、深度嵌套的函数调用，正好撞在优化靶心上。同时，adaptive interpreter 会快速识别 fib 这类固定签名的递归模式，生成特化字节码路径，跳过大量运行时类型检查。
实测时必须控制的关键变量
- 禁用 GC：
python -c "import gc; gc.disable(); exec(open('bench.py').read())"，否则 GC 干扰会让 3.11 的优势被抹平 20% 以上 - 避免 warmup 偏差：首次执行不计入，至少跑 3 轮取中位数
- 统一环境：同一台机器、相同编译选项（如
--enable-optimizations）、关闭 ASLR（echo 0 | sudo tee /proc/sys/kernel/randomize_va_space） - 别用
timeit默认参数：-n 1会放大启动抖动，建议用-n 5 -r 3并手动取最小值
哪些递归代码反而可能变慢？
不是所有递归都受益。以下情况容易踩坑：
- 混用多种类型参数（如
fib(n: Union[int, float])），触发频繁去特化（de-specialization），性能反降 10–15% - 递归深度超过 1000，默认递归限制未调高，
RecursionError会掩盖真实耗时 - 函数内含
try/except且异常频繁抛出——虽然 3.11 优化了异常传播，但异常路径本身仍是重开销，此时提升微乎其微 - 用了
functools.lru_cache：缓存命中率高时，差异几乎消失，因为瓶颈已移至哈希和字典查找
别忽略的底层细节
这个提速不是“魔法”，它高度依赖 CPython 的构建方式。源码编译时若没启用 --enable-optimizations（含 PGO + LTO），实测提升可能只有 20–30%。官方预编译包通常已启用，但自建容器或 macOS Homebrew 安装的版本未必默认开启。查证方法：python -c "import sysconfig; print(sysconfig.get_config_var('CONFIG_ARGS'))"，确认输出含 enable-optimizations。
