Julia 1.13正式发布，预编译速度比上一版快30%，启动快20%。
看起来不多？但对每天跑几十次代码的科研人员来说，省下的时间能多睡两小时。
这次更新里，最狠的是垃圾回收机制的重写。
以前Julia有个老毛病：程序加载的代码越多，GC(垃圾回收)越慢，不管你实际用了多少内存。这就像你搬进新家，但每次打扫都要把整个小区的落叶都扫一遍。1.13版本修了这个Bug，GC现在只清理真正占着内存的堆区，性能直接起飞。
几个关键改进：
(1) 新哈希函数RapidhashNano——流式计算，不用预先知道长度，纯Julia实现，性能吊打之前的MurmurHash3
(2) 原生语法高亮——REPL(交互式命令行)里代码自带颜色，不用再装插件
(3) @spawn宏只唤醒1个线程而不是所有线程，Windows下快了10到300倍
(4) Ctrl-C终于靠谱了——以前按一次可能没反应，现在稳定打断
为什么这事值得科技博客写？因为Julia不是Python那种"全民语言"，它是科学计算领域的硬通货。
MIT、斯坦福、清华、北大的计算物理实验室，NASA的喷气推进实验室，还有华尔街的量化基金——这些地方的工作负载Python扛不住，C++写起来太慢，Julia刚好卡在甜点位上。
中国的情况更有意思：
(1) 鹏城实验室的国家超级计算广州中心用Julia做天体物理模拟
(2) 上海AI实验室的部分大模型训练基础设施用Julia写调度
(3) 各大高校的运筹优化、金融工程课题组几乎人手一份Julia代码
这次版本升级，对国内做高性能计算的人是直接利好。
更深层的信号：AI和大数据时代，传统编程语言在科学计算领域越来越吃力。Python靠NumPy和PyTorch撑着，但底层还是C和C++；Julia从设计之初就把"像Python一样好写，像C一样快跑"当目标。1.13的GC优化说明这条路走得通。
当然，Julia的短板也明显：包生态不如Python丰富，文档参差不齐，国内招聘市场几乎找不到对口岗位。但技术圈的鄙视链一直在变——十年前搞深度学习的人被当成民科，现在不会PyTorch都不好意思说自己是程序员。
Julia 1.13不是终点，而是科学计算语言走向主流的新起点。