Команда Python, PyCharm и DevTools подготовила перевод статьи, основанной на 30 000 ответов разработчиков. TL;DR: 50% разработчиков пишут на Python меньше двух лет, Rust тихо становится «вторым пилотом», FastAPI вырывается вперёд, а агентный AI уже меняет то, как мы пишем код.

---

Добро пожаловать в обзор ключевых моментов, тенденций и практических выводов по итогам восьмого ежегодного опроса разработчиков на Python. Этот опрос проводится совместными усилиями Python Software Foundation и команды PyCharm компании JetBrains.

Меня зовут Майкл Кеннеди, я проанализировал более 30 000 ответов на опрос и выделил наиболее значимые тенденции и прогнозы, а также определил шаги, которые помогут вам развиваться в карьере Python-разработчика.

Я нахожусь в уникальном положении как ведущий подкаста Talk Python to Me. На протяжении последних 10 лет каждую неделю я беседую с людьми, стоящими за самыми важными библиотеками и трендами в экосистеме Python. В этой статье я хочу опереться на этот богатый опыт общения с сообществом, чтобы лучше понять результаты ежегодного исследования.

Если ваша работа или продукты и сервисы зависят от Python, или от разработчиков в целом, вам стоит прочитать эту статью. Она даёт уникальное понимание, которое трудно получить из других источников.

Ключевые тенденции Python в 2025 году

Давайте рассмотрим самые важные тренды на основе результатов опроса Python-разработчиков.

Python-разработчики используют Python

Начнём с того, насколько центральное место Python занимает в работе тех, кто его использует. Python-разработчики в первую очередь программируют именно на Python. Звучит как очевидная тавтология, но всё не так просто. Многие разработчики используют языки, которые не являются для них основными. Например, веб-разработчики могут в первую очередь работать с Python, C# или Java, но им всё равно приходится использовать CSS, HTML и даже JavaScript.

В то же время разработчики, работающие с Node.js или Deno, также используют JavaScript, но не всегда делают его своим основным языком.

Опрос показал: 86% участников используют Python как главный язык для написания программ, приложений, API и многого другого.

Большинство — новички в профессии

Тем, кто программирует давно (я сам пишу код уже почти 30 лет), легко представить, что большинство в индустрии тоже имеют солидный опыт. Это кажется логичным: на конференциях мы общаемся с людьми, у которых за плечами 10–20 лет работы, среди коллег тоже много «старожилов».

Но реальная картина экосистемы Python совсем иная.

Ровно 50% опрошенных имеют меньше двух лет профессионального опыта! И 39% работают с Python менее двух лет (включая учебные и любительские проекты).

Это подтверждает, что Python прекрасно подходит для старта карьеры. Его простой (но не примитивный) синтаксис и доступность делают язык удобным как для новичков, так и для опытных разработчиков. Многие из нас любят Python и рады делиться им с новичками в сообществе.

Но это также значит, что при создании обучающего контента важно учитывать такую аудиторию. Делая туториал или видео, не стоит опускать шаги, помогающие новичкам. Например, не просто «установите пакет», а «создайте виртуальное окружение, вот как это сделать, вот как его активировать, а затем установите пакет внутрь него».

Если вы вендор ПО для разработчиков вроде JetBrains, помните: значительная часть вашей аудитории — новички. Это не значит, что нужно упрощать продукты или отказываться от продвинутых функций, но важно не усложнять входной порог.

Data science занимает больше половины Python

В этом году 51% Python-разработчиков занимаются исследованием и обработкой данных, чаще всего используя pandas и NumPy.

Многие эксперты раньше делили экосистему Python на три части: веб-разработка, наука/аналитика и всё остальное. Сегодня эту картину пора пересматривать: «научная» часть стала самой весомой.

Это совпало с бумом интереса к данным и ИИ, а также взрывным ростом инструментов в этой области. Появились новые библиотеки для обработки данных (Polars), новые подходы к ноутбукам (Marimo), а также множество удобных пакетов для работы с LLM, моделями компьютерного зрения и агентами (Transformers, Diffusers, smolagents, LangChain/LangGraph, LlamaIndex).

Центр тяжести Python всё больше смещается в сторону данных и AI.

Большинство используют старые версии Python

Опрос показал, что многие продолжают работать на старых версиях Python. Только 15% пользуются самым последним релизом, а 83% — версией годичной давности или старше.

Что удивительно, учитывая широкое использование Docker и контейнеров. Ведь в контейнере достаточно выбрать актуальную версию Python — и не переживать о совместимости с системным окружением. Логично было бы ожидать быстрее перехода на новые версии.

Почему же люди не обновляются?

• 53% — текущая версия полностью устраивает.

• 25% — не хватает времени на обновление.

Но это упущение стоит дорого. Речь не только о новых фичах вроде except* или модуле tomllib. Версии Python 3.11, 3.12 и 3.13 содержат огромные улучшения производительности, а 3.14 принесёт ещё больше.

И всё это — без переписывания кода. Просто выбираете новый рантайм — и код работает быстрее. Совместимость сохраняется почти идеально.

Например:

• 48% сейчас используют Python 3.11. Переход на 3.13 даст +11% к скорости и снизит потребление памяти на 10–15%.

• Для 27% разработчиков, сидящих на 3.10 и старше, апгрейд ускорит код на 42% и уменьшит занимаемую память на 20–30%!

Можно сказать: «У нас и так хватает скорости, нагрузка небольшая». Но для среднего и крупного бизнеса это значит выбрасывать миллионы долларов на облачные вычисления и наносить лишний вред экологии.

Исследования показывают:

• Средний бизнес тратит около $2.3 млн в год на AWS, половина — на EC2.

• Крупный бизнес — от $24 до 36 млн в год, из которых от $12 до 25 млн уходит на EC2.

Если перейти с Python 3.10 на 3.13, экономия может составить от $420 000 и до $5.6 млн соответственно!

Финансы и экология — весомый аргумент. Но не менее приятно пользоваться современными возможностями языка. Апгрейд должен быть приоритетом.

Возрождение веб-разработки на Python

Последние годы казалось, что роль веба в Python уменьшается. На это влияли два фактора:

1. Рост доли специалистов по данным и ИИ;

2. Смещение веба в сторону фронтенда (где доминирует JavaScript).

Цифры 2021–2023 подтверждали тренд: 45% → 43% → 42%. Но в этом году веб вернулся! Уже 46% респондентов используют Python для веба.

Параллельно выросло использование HTML/CSS (+15%), JavaScript (+14%) и SQL (+16%).

Главный победитель среди фреймворков — FastAPI, с ростом с 29% до 38% (плюс 30%). Все основные фреймворки показали рост, но такой скачок FastAPI впечатляет.

Причина, вероятно, в наплыве новичков из сферы AI/ML. У них нет «исторической привязанности» к Flask или Django, и они выбирают самое современное решение. Сегодня это FastAPI, на котором часто поднимают API для ML-моделей.

Продолжается и тренд на асинхронные фреймворки. Я сам переписал наш сайт Talk Python на async Flask (около 10 000 строк кода). Django тоже добавляет поддержку async и близок к завершению — но пока ORM всё ещё требует доработки.

Python-серверы переходят на async и Rust

Смену переживают и серверы приложений. Растёт популярность ASGI-серверов (uvicorn, Hypercorn), которые могут работать самостоятельно. uWSGI окончательно ушёл в прошлое. Появились и новые Rust-серверы вроде Granian.

Rust ускоряет Python

За последние годы Rust стал «вторым пилотом» Python в производительности. На саммите Python в 2025 году отметили: от четверти до трети новых бинарных расширений на PyPI пишутся на Rust.

По данным опроса, доля Rust выросла с 27% до 33% в расширениях для Python. Успех Polars (data science), Pydantic и новых серверов вроде Granian это подтверждает.

Typed Python и новые инструменты

Аннотации типов давно в языке, но в последние месяцы появились новые мощные инструменты для проверки:

• ty от Astral — type checker и LSP на Rust.

• Pyrefly от Meta — type checker на Rust.

Оба претендуют на статус «следующего поколения» инструментов типизации.

Код и документация составляют основную часть вкладов в open source

Существует множество разных способов внести свой вклад в open source. Первое, что приходит в голову большинству людей, когда они думают о контрибьюторе, — это разработчик, который пишет код и добавляет новую функцию в проект. Однако есть и менее заметные, но не менее важные способы, например, сортировка задач или ревью pull request’ов.

Так какой же процент сообщества вносил вклад в open source и каким образом?

Опрос показывает, что треть разработчиков внесла вклад в open source. Чаще всего это выражается в написании кода и добавлении документации или обучающих материалов.

Документация — на первом месте

Где вы обычно учитесь как разработчик или дата-сайнтист? Респонденты ответили, что документация — на первом месте. Способов изучать языки и библиотеки много, но именно документацию люди ценят больше всего. Это хорошие новости для мейнтейнеров open source. Это значит, что усилия, вложенные в документацию (и встроенные в неё учебники), окупаются. Это простой и понятный способ улучшить опыт пользователей вашего проекта.

К тому же это совпадает с Developer Trends 2025 — эпизодом подкаста, который я записал с опытными Python-разработчиками, включая Пола Эверитта из JetBrains. Все участники панели согласились, что документация — это №1, хотя в опросе YouTube оказался выше, на уровне 51%. Не стоит забывать, что у нашего сообщества в среднем 1–2 года опыта, и 45% из них моложе 30 лет.

Мощным новичком стала группа AI-инструментов, о которых все слышали (и многие уже используют). Использование AI-инструментов как источника обучения выросло с 19% до 27% (на 42% год к году)!

Postgres правит как король баз данных для Python-разработчиков

На вопрос о том, какую базу данных (если вообще какую-то) выбирали респонденты, подавляющее большинство назвали PostgreSQL. PostgreSQL — король среди Python-баз данных, и её использование продолжает расти: с 43% до 49%. Это +14% год к году — впечатляющий результат для 28-летнего open source проекта.

Любопытная деталь: каждая из шести ведущих баз данных показала рост использования за год. Скорее всего, это ещё один признак того, что веб-разработка снова на подъёме.

Тренды будущего

Агентный AI изменит правила игры

Первый тренд, на который стоит обратить внимание, — агентный AI станет революцией в написании кода. Агентный AI часто связывают с «vibe coding» — спорной, но популярной практикой. Однако «vibe coding» разбивается о тот факт, что агентные AI-инструменты могут быть невероятно продуктивными в связке с талантливым инженером или дата-сайнтистом.

Другие исследования показывают, что около 70% разработчиков использовали или планировали использовать AI-инструменты для написания кода в 2023 году, а к 2024 году около 44% профессионалов применяли их ежедневно.

Отчёт JetBrains «State of Developer Ecosystem 2023» отмечал, что всего за пару лет инструменты генерации кода на базе AI прошли путь от исследовательского интереса до важной части инструментов многих разработчиков. К 2025 году, согласно «State of Developer Ecosystem 2025», почти половина опрошенных (49%) планирует попробовать агентные AI-инструменты в ближайший год.

Программные менеджеры крупных технологических компаний утверждают, что им почти невозможно нанимать разработчиков, которые не используют агентный AI. Разрыв в продуктивности между теми, кто работает с ним, и теми, кто его избегает, слишком велик (около +30% к производительности с AI).

Async, await и многопоточность становятся ядром Python

Будущее Python связано с параллелизмом. Мы уже обсуждали, что веб-фреймворки и серверы приложений переходят к асинхронному исполнению, но это лишь часть тренда.

Python 3.14 станет первой версией языка с полной поддержкой «free-threaded Python». Эта версия рантайма, в которой отсутствует GIL (глобальная блокировка интерпретатора), впервые появилась экспериментально в CPython 3.13.

На прошлой неделе совет и core-разработчики официально утвердили этот подход как постоянный элемент языка и рантайма. Последствия будут серьёзными. Разработчикам придётся внимательнее относиться к многопоточному коду: блокировки, гонки данных, прирост производительности. Мейнтейнерам библиотек, особенно с нативными расширениями, возможно, придётся переписывать часть кода, чтобы поддерживать free-threaded Python и не сталкиваться с дедлоками.

Но есть и огромный плюс. Я пишу это на самом дешёвом Apple Mac Mini M4 с 10 ядрами CPU. Сейчас максимум, что может использовать один Python-процесс, — 10% мощности машины. С free-threaded Python обычная программа на Python с использованием потоков и async/await сможет куда ближе подойти к пределам производительности.

Async/await уже не только для веб-разработчиков. Всё больше инструментов используют их необычным образом. Например, Temporal — программа, которая применяет event loop asyncio, но вместо привычных трюков с потоками даёт «долговечное» выполнение, переживающее перезапуск машины. Вы просто пишете await, а под капотом задача продолжается после рестарта. Так что понимание async/await становится критически важным. Это похоже на то, как Pydantic сделал людей куда более заинтересованными в типизации Python.

Python GUI и мобильная разработка растут

Последний тренд — рост Python GUI и Python на мобильных платформах. Когда мы думаем о нативных приложениях для iOS и Android, можно мечтать, что скоро мы будем писать их на Python.

На Python Language Summit 2025 Рассел Кит-Маги представил работу по превращению iOS и Android в платформы с поддержкой Tier 3 для CPython. Это зафиксировано в PEP 730 и PEP 738. Это необходимое, но недостаточное условие для создания нативных приложений на Python для App Store и Google Play.

В целом появляются свежие идеи для интерфейсов на Python. Джереми Ховард из fast.ai представил FastHTML, позволяющий писать современные веб-приложения на чистом Python. NiceGUI также набирает популярность как удобный способ создания веб-приложений и PWA.

Я ожидаю, что особенно мобильное направление откроет новые сценарии, о которых мы будем говорить ещё долго.

Практические шаги

Вы видели результаты, мои выводы и прогнозы. Что с этим делать? Разумеется, никто ничего не обязан, но я завершу статью набором идей, которые помогут вам использовать эти технологические волны.

Вот шесть шагов, которые можно реализовать сразу. Выберите тот, который ещё не используете, и посмотрите, поможет ли он вам расти как Python-разработчику.

Шаг 1. Освойте uv

uv — потрясающий инструмент управления Python и пакетами. В первый же год доля его использования выросла с 0% до 11% (и продолжает расти в 2025 году). Этот инструмент на Rust объединяет возможности многих известных утилит, обеспечивая высокую производительность и удобство.

Нужно поставить Python? Просто выполните uv venv venv — и у вас уже установлена последняя стабильная версия и создано виртуальное окружение. Это только начало. Подробности — в интервью с Чарли Маршем о втором поколении uv в подкасте Talk Python.

При установке uv лучше использовать их автономные инсталляторы. Это позволит инструменту обновляться и становиться лучше со временем.

Шаг 2. Используйте последнюю версию Python

83% респондентов не используют последнюю версию Python. Не повторяйте их ошибку. Работайте в виртуальном окружении или контейнере с актуальной версией Python. Самый простой способ — uv (см. шаг 1).

Для Docker достаточно поставить Python 3.13 и выполнить:

RUN curl -LsSf https://astral.sh/uv/install.sh | sh  

RUN uv venv --python 3.13 /venv  

Если вы работаете локально, просто уберите RUN и создайте окружение через uv. Обновляйте версию по мере выхода новых релизов. Это позволит использовать максимум возможностей современного Python.

Шаг 3. Изучите агентный AI

Если вы ещё не пробовали агентный AI — самое время. Да, есть вопросы с авторским правом, экологией и угрозами рабочим местам. Но использование лучших моделей даёт потрясающий прирост продуктивности.

Я не говорю о «vibe coding». Но если вы когда-либо мечтали о новой библиотеке или CLI-инструменте для автоматизации рутины — поручите это агентному AI. Он не создаст технический долг, но сильно ускорит вашу работу.

Главная ошибка новичков — пробовать самые дешёвые модели. Они ошибаются, и люди делают вывод, что технология бесполезна. Попробуйте топовые модели и уделите хотя бы $10–20 в месяц, чтобы увидеть их реальный потенциал.

Шаг 4. Научитесь читать базовый Rust

Python-разработчикам стоит освоить основы Rust — не как замену, а как дополнение. Rust становится всё важнее в ключевых частях Python-экосистемы. Я не предлагаю становиться Rust-разработчиком, но умение читать базовый код поможет лучше понимать используемые библиотеки.

Шаг 5: Изучите работу с потоками

Разработчики на Python в основном работали за пределами области потоков и параллельного программирования. В Python 3.6 в язык были добавлены замечательные ключевые слова async и await. Однако они применялись только к параллельности, связанной с вводом-выводом. Например, если я вызываю веб-сервис, то могу использовать библиотеку HTTPX и ожидать выполнения этого вызова. Такой тип параллельности в основном избегает состояний гонки и подобных проблем.

Теперь в Python появляется настоящая параллельная многопоточность. С официальным и полным принятием PEP 703 в Python 3.14 нам предстоит разобраться, как работает настоящая многопоточность. Это включает понимание блокировок, семафоров и мьютексов.

Это будет вызовом, но в то же время и отличной возможностью радикально повысить производительность Python.

На саммите Python Language Summit 2025 почти треть всех докладов так или иначе была посвящена параллельности и потокам. Это несомненно является показателем того, что нас ждет впереди.

Не каждая программа, которую вы пишете, будет связана с параллельностью или потоками, но они будут встречаться достаточно часто, чтобы рабочее понимание их принципов стало необходимым. У меня есть курс по async в Python, если вам интересно узнать больше об этом подходе. Кроме того, Чук Тинг Хо из JetBrains написала отличную статью под названием «Быстрый Python: параллельность в async/await и потоках», с которой стоит ознакомиться.

Шаг 6: Помните о новичках

Мой последний совет для вас – сохраняйте доступность для начинающих при каждом создании или обмене чем-то. Половина всех разработчиков Python используют язык меньше двух лет, и большинство из них программируют в любой форме меньше двух лет. Для меня это до сих пор удивительно.

Поэтому, выступая на публике, создавая статьи или разрабатывая пакеты, библиотеки и инструменты, помните, что не стоит предполагать наличие многолетних знаний сообщества о работе с несколькими файлами Python, виртуальными окружениями, закреплением зависимостей и многом другом.

Хотите узнать больше? Ознакомьтесь с полными результатами опроса разработчиков Python здесь.

Русскоязычное сообщество про Python, Pycharm и DevTools

Друзья! Эту статью перевела команда Python, PyCharm и DevTools — канала, где каждый день выходят самые свежие и полезные материалы о Python и его экосистеме. Подписывайтесь, чтобы ничего не пропустить!