Python 3.15 salió el 9 de octubre de 2026 y, como pasa con cada versión, la lista de novedades mezcla cosas que te cambian el día con cosas que no vas a notar nunca. Si trabajas con datos, la pregunta útil no es qué trae, sino qué de todo eso te sirve y si ya conviene migrar tu entorno.
Te lo adelanto: hay dos cambios que valen el upgrade casi solos, uno que suena enorme y todavía no lo es, y una razón muy concreta para no migrar producción todavía.
Lazy imports: el cambio que más se nota en el día a día
Ahora puedes marcar un import para que no se ejecute al cargar el módulo, sino la primera vez que usas ese nombre. Suena menor hasta que piensas en tus propios scripts: ese archivo que importa pandas, matplotlib, un cliente de nube y tres utilidades más, y que la mitad de las veces corre una rama que solo usa una de ellas.
En herramientas de línea de comandos y jobs cortos, el arranque baja de forma clara. Si tienes un script que corre cada cinco minutos en un servidor, ese ahorro se multiplica por 288 veces al día. Y si trabajas en notebooks, se nota menos, porque ahí el costo de importar lo pagas una vez y lo olvidas.
El intérprete está más rápido (de verdad, pero con asterisco)
El JIT estrenó un front end de trazas, asignación de registros y mejor código máquina. Los números que reportaron los core developers son de 7 a 8 por ciento de mejora en media geométrica sobre x86-64 Linux y de 11 a 12 por ciento en macOS con AArch64, comparado con el intérprete estándar.
Ojo con cómo lees ese dato. Es una media sobre un conjunto de benchmarks, no una promesa sobre tu pipeline. Si tu cuello de botella es leer un parquet de 20 GB o esperar a una API, un 8 por ciento en el intérprete no te mueve la aguja. Donde sí lo vas a sentir es en código Python puro que itera mucho: limpieza de texto, validaciones fila por fila, simulaciones.
Free-threading: ya no es un experimento, pero sigue siendo opcional
Esta es la parte que más titulares se lleva y la que más confusión genera. Tres hechos para ordenarla:
- ▸Tu python3.15 sigue teniendo GIL. El intérprete sin GIL es un build aparte, python3.15t, y lo eliges a propósito.
- ▸Dejó de ser experimental, que es el hito importante: ahora existe una ABI estable para builds free-threaded (abi3t), así que una extensión en C puede publicarse compatible sin recompilar para cada versión.
- ▸Los binarios oficiales de macOS ya instalan el soporte de free-threading por defecto, y mimalloc pasó a ser el asignador de memoria por defecto para mejorar justamente esos builds.
La pregunta práctica en 2026 ya no es si el GIL se fue. Es si tus dependencias en C funcionan bajo el build t. Mientras una sola librería crítica de tu stack de datos no lo soporte, el tema es académico para tu proyecto. Vale la pena probarlo en una rama, no en el entorno donde corre el cierre de mes.
Lo que nadie te dice de las versiones nuevas: el ecosistema va siempre un paso atrás del lenguaje. La versión existe desde octubre; que tu stack entero esté cómodo ahí es otra fecha.
Los detalles chicos que vas a usar sin darte cuenta
UTF-8 pasó a ser la codificación por defecto. Si alguna vez abriste un CSV en Windows y te apareció un acento roto, sabes exactamente cuánto tiempo devuelve ese cambio. También llegaron dos builtins nuevos: frozendict, un diccionario inmutable, y sentinel(), para crear objetos únicos que solo se comparan consigo mismos. El segundo parece de autor de librerías, pero resuelve bien ese caso en el que None es un valor legítimo de tus datos y necesitas otra marca para decir que el dato no vino.
Suma el desempaquetado dentro de comprensiones y un profiler por muestreo nuevo, Tachyon, en el módulo profiling.sampling. Ese profiler es el regalo escondido para quien trabaja con datos: te deja mirar dónde se va el tiempo en un proceso que ya está corriendo, sin instrumentarlo ni frenarlo como hacía el perfilado tradicional.
Entonces, migrar o no
Mi regla, después de ver varios equipos quemarse por apurados:
- ▸Si estás aprendiendo o arrancando un proyecto nuevo: instala 3.15 y listo. No ganas nada quedándote atrás.
- ▸Si tienes pipelines en producción: crea un entorno paralelo, corre tus tests y revisa primero las librerías con extensiones en C (todo lo que sea numérico, de base de datos o de serialización).
- ▸Si tu equipo comparte notebooks: cuida que todos migren a la vez. Nada rompe más una semana que un notebook que corre en la máquina de uno y no en la de otro.
Y si llegaste aquí buscando si tienes que reaprender algo: no. Nada de lo que sabes de pandas, SQL o limpieza de datos cambia con esta versión. Es la misma herramienta, un poco más rápida y un poco menos molesta. Vale la pena leerlo junto con lo que cambió en Pandas 3.0, que sí toca tu código del día a día.
Cómo probarlo sin romper lo que ya tienes
La forma barata de salir de dudas toma unos 20 minutos. Instala 3.15 al lado de tu versión actual, sin reemplazarla, con pyenv o con uv. Crea un entorno virtual nuevo solo para la prueba. Instala ahí tus dependencias desde el mismo archivo de requisitos que usas hoy, y anota cuál falla: ese es tu verdadero calendario de migración, no la fecha del release.
Un consejo que aprendí a los golpes: no mezcles la prueba de 3.15 con la actualización de tus librerías. Si cambias las dos cosas a la vez y algo se rompe, vas a pasar la tarde adivinando cuál de las dos fue. Primero la versión del lenguaje con tus paquetes congelados, después los paquetes.
Dónde aprender Python para datos en serio
Si estás partiendo de cero, el orden que funciona es sintaxis primero y análisis después: Python para todos para las bases y Análisis de Datos con Python cuando ya quieres pelearte con datos reales, los que vienen con fechas inconsistentes y columnas con nombres imposibles.
Si tu meta es un puesto y no un lenguaje, el camino completo está en la ruta de Analista de Datos con IA, que mezcla SQL, Python y herramientas de visualización. Y si ya escribes Python todos los días y quieres dar el salto a ingeniería, ahí entra el bootcamp de Data Engineer, donde el lenguaje deja de ser el tema y pasan a serlo los pipelines.
Tu próximo paso
Abre una terminal, crea un entorno con 3.15 y corre ahí el último script que escribiste. Si pasa, ya sabes que migrar te va a costar una tarde y no un trimestre. Esa prueba vale más que cualquier lista de novedades, incluida esta.
Cuando quieras estructura en vez de tutoriales sueltos: empieza por Python para todos, sigue con la ruta de Analista de Datos con IA o revisa el catálogo de cursos para armar tu propia secuencia.
Una última cosa: si te sirve tener con quién probar estas novedades en vivo, en la Comunidad AI Builders hacemos un taller cada semana, desde 19 USD al mes. Es el lugar natural para traer tu script que falló y resolverlo acompañado.



