uv 本机实测：装 33 个 Python 包，pip 9.8 秒，uv 0.9 秒（Linux）Linux 上实测 u

uv 本机实测：装 33 个 Python 包，pip 9.8 秒，uv 0.9 秒（Linux）

Python 项目里最磨人的往往不是写代码，而是等依赖装完：新建 venv、pip install -r requirements.txt、CI 每次重来一遍。GitHub 上的 astral-sh/uv（Ruff 同一家团队，Rust 写的）号称比 pip 快 10～100 倍。这篇不复述 README，而是在本机 Linux 上用同一组常见包，把 venv 创建、冷/热缓存安装、uv run 单文件脚本都掐表跑了一遍。

本机实测 + AI 辅助整理。测量时间：2026-10-31（Asia/Shanghai）。原始输出见文末说明。

本机环境

OS:     Linux x86_64
Python: 3.13.5
pip:    25.1.1
uv:     0.13.6 (x86_64-unknown-linux-gnu)

测试包（8 个顶层依赖，解析后共 33 个包，含 numpy / pandas 这类大轮子）：

PK="requests flask pandas numpy httpx pydantic fastapi rich"

为了公平，pip 和 uv 的缓存都指到独立目录，测前清空：

export UV_CACHE_DIR=/tmp/uvcache PIP_CACHE_DIR=/tmp/pipcache
rm -rf $UV_CACHE_DIR $PIP_CACHE_DIR

安装 uv

curl -LsSf https://astral.sh/uv/install.sh | sh   # 官方脚本
# 或
pip install uv / pipx install uv / brew install uv
uv --version

单个二进制，不依赖已有 Python 环境。

实测 1：创建虚拟环境

python3 -m venv a   # 1613 ms
uv venv b           # 115 ms

python3 -m venv 慢主要是要往 venv 里装一份 pip；uv venv 默认不装 pip，所以快一个数量级（约 14 倍）。

实测 2：装同一组包（冷缓存 vs 热缓存）

场景	pip	uv
冷缓存（缓存目录刚清空）	9752 ms	906 ms
热缓存（新 venv，缓存已有）	8885 ms	176 ms
已全部装好再跑一遍	—	20 ms

a/bin/pip install $PK                          # 冷：9752 ms
d/bin/pip install $PK                          # 热：8885 ms
uv pip install --python b/bin/python $PK       # 冷：906 ms
uv pip install --python c/bin/python $PK       # 热：176 ms

几个观察：

冷缓存约 10.8 倍。这个差距含网络因素，本机带宽不错；网差的环境两者都会变慢，倍数不一定一样。
热缓存才是 uv 拉开差距的地方：约 50 倍。pip 有缓存也只省下载，解压、安装、编译 .pyc 还得重做，所以 8.9 秒几乎没变；uv 从全局缓存用硬链接/复制直接铺进 venv，0.18 秒。
对 CI、频繁重建 venv、多项目共享依赖的场景，第 2 点比第 1 点更重要。

磁盘占用（du -sh）：pip 的 venv 205M，uv 的 venv 133M；缓存目录 pip 40M。差值主要是 pip 自身和预编译的 .pyc——uv 默认不编译字节码，首次 import 时才生成，需要的话加 --compile-bytecode。

实测 3：`uv run` 跑带依赖的单文件脚本

PEP 723 内联元数据，脚本自己声明依赖：

# /// script
# dependencies = ["requests","rich"]
# ///
import requests, rich
rich.print("[green]ok[/]", requests.__version__)

uv run s.py   # 首次（缓存清空）：508 ms，输出 "Installed 9 packages in 28ms"
uv run s.py   # 第二次：186 ms

不用手动建 venv、不污染系统 Python，uv 自己建临时环境。写运维小脚本、给同事发一个 .py 就能跑，这是我觉得最实用的一点。

踩坑与注意

uv venv 里没有 pip。习惯 source .venv/bin/activate && pip install 的会发现 pip 找不到，要么用 uv pip install，要么 uv venv --seed。
uv pip 不是 pip 的完全复刻，大部分常用参数兼容，但个别选项行为不同，迁移老脚本时先在小项目试。
计时自己测时注意缓存位置。我第一轮没隔离 pip 缓存，结果“冷”的 pip 其实用了 ~/.cache/pip 的东西；本文数据来自隔离缓存后的第二轮。
默认不编译 .pyc，所以 venv 小、装得快，但首次 import 会略慢；生产镜像建议 --compile-bytecode。
单次测量，有网络抖动；数量级结论稳定，小数点后的差别别较真。

结论

项目	结果
建 venv	1613 ms → 115 ms
33 个包冷缓存安装	9752 ms → 906 ms（≈10.8×）
热缓存安装	8885 ms → 176 ms（≈50×）
已装好 no-op	20 ms
`uv run` 带依赖脚本	首次 508 ms，之后 186 ms

如果你还在用 pip + venv，最低成本的尝鲜方式就是把 pip install 换成 uv pip install，其他不变；等习惯了再看 uv init / uv add / uv lock 那一套项目管理。

完整的测量脚本和进阶踩坑表以后会整理上架 Gumroad，先关注专栏「GitHub实测笔记」。
上一篇：rtk 本机实测（给 AI Agent 砍命令行噪音）。
下一篇预告：kellyjonbrazil/jc——把 ls/dig/ps 等命令输出转成 JSON，配合 jq 写脚本。有问题评论区见，看到都会回。

uv 本机实测：装 33 个 Python 包，pip 9.8 秒，uv 0.9 秒（Linux）