Ferramentas· atualizado em · 3 min de leitura· Redação Invision

Python 3.15 ganha profiler com flame graphs e heatmaps de código

Simon Willison testou o novo profiler do Python 3.15 com o app web-edit, gerando flame graphs e source heatmaps com ajuda do GPT-6 Astra no Codex. Veja o…

Resumo: Simon Willison colocou o novo profiler do Python 3.15 à prova usando o app web-edit, publicado no PyPI, para gerar flame graphs e um heatmap de código-fonte. A notícia importa porque mostra, na prática, como combinar ferramentas de profiling do próprio interpretador com um agente de código para diagnosticar desempenho sem montar infraestrutura extra.

Pontos-chave

  • Simon Willison testou o novo profiler do Python 3.15 no app web-edit, publicado no PyPI.
  • O experimento pedia um flame graph e um heatmap de código-fonte como entregáveis.
  • A tarefa foi executada com o modelo GPT-6 Astra Extra High no Codex, com instrução de pesquisar antes de gerar os demos.
  • Números de desempenho, tempo de execução e comparações com versões anteriores não foram divulgados.
Nesta matéria

O que Simon Willison testou no Python 3.15#

Simon Willison publicou um experimento em que usa o novo profiler do Python 3.15 para analisar o desempenho do web-edit, um aplicativo dele distribuído no PyPI.

O objetivo era produzir dois artefatos de diagnóstico: um flame graph e um heatmap do código-fonte do app.

Segundo o relato, ele pediu que o modelo GPT-6 Astra Extra High, no Codex, pesquisasse primeiro e depois construísse as demonstrações de profiling.

  • Profiler novo do Python 3.15 é o centro do experimento
  • App analisado: web-edit, disponível no PyPI
  • Entregáveis pedidos: flame graph e heatmap de código

Como flame graphs e heatmaps ajudam no diagnóstico#

Um flame graph é uma visualização que empilha chamadas de função para mostrar onde o tempo de execução se concentra. Ele permite localizar rapidamente trechos que dominam o custo total de uma execução.

Já um heatmap de código-fonte associa intensidade de execução a linhas específicas do arquivo, o que ajuda a enxergar pontos quentes dentro de funções grandes.

A combinação dos dois recursos, segundo o experimento, serve para primeiro localizar o gargalo macro e depois descer ao detalhe da linha.

Por que o pedido ao modelo veio com 'pesquisar primeiro'#

Willison descreveu o comando dado ao GPT-6 Astra Extra High no Codex como uma instrução em duas etapas: pesquisar e depois gerar os demos.

Esse detalhe indica uma prática comum em fluxos com agentes de código: exigir levantamento de contexto antes da escrita, para reduzir suposições sobre APIs novas.

A notícia não detalha quais fontes foram consultadas na etapa de pesquisa nem o resultado técnico produzido.

O que o experimento demonstra sobre agentes de código#

O caso mostra um agente recebendo uma tarefa de profiling real, com base em um pacote publicado, e não um exemplo fictício.

Também evidencia que o agente foi usado para conduzir a ferramenta e produzir visualizações, não necessariamente para escrever o profiler.

Não foi informado tempo de execução, tamanho do código analisado ou comparação com versões anteriores do Python.

  • Tarefa partiu de um app real publicado no PyPI
  • Uso do agente foi para pesquisa e geração das demonstrações
  • Resultados numéricos do profiling não foram divulgados

Limites do que foi divulgado#

A notícia é um registro de experimento, sem benchmarks formais ou dados comparativos entre profilers.

Não há informações sobre a interface exata do profiler do Python 3.15, sobre compatibilidade ou sobre eventuais limitações em produção.

Quem for reproduzir o teste deve tratar o relato como ponto de partida, não como avaliação de desempenho publicada.

O que isso muda para quem usa IA#

Para quem desenvolve com modelos, o recado prático é que tarefas de diagnóstico de desempenho podem ser delegadas a um agente com instruções claras de pesquisa e execução.

A Invision, da Dream Vision, oferece acesso a vários modelos multimodais por uma única chave, com saldo em reais, o que permite escolher o modelo adequado para cada etapa sem trocar de integração.

Não se trata, aqui, de prometer ganho de desempenho: a notícia apenas relata um experimento de profiling conduzido com auxílio de um agente.

Perguntas frequentes

O que é o novo profiler do Python 3.15?

É a ferramenta de profiling descrita por Simon Willison em seu experimento, usada para gerar um flame graph e um heatmap do app web-edit. A notícia não detalha a interface nem os recursos internos do profiler.

O que é o web-edit?

É um aplicativo de Simon Willison disponível no PyPI, usado por ele como alvo do teste de profiling com o Python 3.15.

Qual modelo foi usado no experimento?

Segundo o relato, o modelo foi o GPT-6 Astra Extra High, executado no Codex, com a instrução de pesquisar antes de gerar as demonstrações.

Flame graph e heatmap de código são a mesma coisa?

Não. O flame graph mostra a pilha de chamadas e onde o tempo se concentra; o heatmap associa intensidade de execução a linhas do código-fonte, ajudando a localizar pontos quentes no arquivo.

python 3.15profilinggpt-6 astracodexdesempenho

Fonte original: Profiling web-edit with Python 3.15: flame graphs and source heatmaps (Simon Willison). Matéria escrita pela redação da Invision a partir dessa notícia. Versão em texto.