uv、conda、pyenv 到底怎么选？2026 实测对比与迁移指南

「uv、conda、pyenv 选哪个」是 2026 年 Python 圈搜索量最高的选型问题之一，但这个问题本身问错了——三个工具压根不在一条赛道上。pyenv 只管解释器版本，conda 管的是一整套超出 Python 的二进制生态，uv 管的是 PyPI 世界里的包、虚拟环境和解释器。

先把能直接行动的结论放在最前面：pyenv 的活已经被 uv python install 整个吃掉了，真正需要你回答的只剩一个问题——你的依赖是否在 PyPI 之外。只有答案是"是"的时候，conda 那 275MB 一个环境的体积才花得值。

今天上午我在自己的 Mac 上把三个工具拉出来实测了一轮：同一台机器、同样三个包、掐表计时。uv 热缓存 0.10 秒装完，pip 要 5.16 秒，conda 建整个环境用了 48.6 秒——而且 conda 在装任何东西之前，先给我弹了一面付费条款墙。这面墙反而成了今天最有价值的数据点，下面细说。

实测数据：同一台机器，掐表计时

先交代测试条件，方便你自行打折：Apple Silicon Mac，2026 年 7 月 27 日。任务是新建环境并安装 numpy、pandas、requests 三件套——故意选的全是有预编译 wheel 的常规包。参赛选手：uv 0.11.32、conda 26.3.2（conda-forge 频道）、python -m venv + pip（代表 pyenv 工作流——pyenv 自己不装包，装包就是 pip，所以 pip 的成绩就是 pyenv 的成绩）。

一个诚实的前提：我的网络访问 PyPI 较慢，冷缓存数字主要卡在下载带宽上。网络好的环境里，uv 冷装的优势会向官方 benchmark 的 8-10 倍靠拢。

*conda 会从包缓存硬链接，重建环境比首次快，但我机器上的缓存里有历史包，测不出干净数字，就不硬编一个了。

比表格本身更值钱的是三个发现。

发现一：热缓存下的 uv 是另一个物种。 0.10 秒对 pip 的 5.16 秒，52 倍；对 conda 建环境的 48.6 秒，约 500 倍。热缓存才是日常的主战场——CI 重跑、Docker 层重建、“环境好像坏了删了重来”，全是热缓存场景。重建环境从此不再是摸鱼间隙，是一次击键。

发现二：conda 的体积是结构性的。 三个包的环境占 275MB，是 uv 的 4 倍，外加我机器上积累出的 868MB 包缓存。这不是 conda 写得烂——它自带 Python、自带 OpenSSL、什么都自带，因为它的设计目标就是和宿主系统彻底隔离。问题在于：不管你需不需要这份隔离，钱都照付。

发现三：conda 在成功之前先失败了一次。 第一次 conda create 跑了 1.3 秒就报错退出，错误信息是 CondaToSNonInteractiveError——服务条款未接受。这不是 bug，是商业模式，后面"公司环境的坑"一节专门讲。

三个工具各管什么：先把赛道分清楚

每套 Python 开发环境都要解决四件事：选解释器版本、隔离环境、可复现地装包，以及——部分项目才有的——管理 CUDA、GDAL 这类非 Python 二进制。「三选一」的争论之所以吵不出结果，就是因为三个工具各自覆盖的是这四件事的不同子集。

%%{init: {"theme":"dark","themeVariables":{"fontSize":"14px","fontFamily":"ui-sans-serif,system-ui","lineColor":"#60a5fa"}}}%%
flowchart TB
    subgraph PY["🐍 pyenv — 只干一件事，2012 年至今"]
        direction LR
        P1[✓ 解释器
版本管理]
        P2[✗ 环境隔离
要装插件]
        P3[✗ 装包
全靠 pip]
    end
    subgraph UV["⚡ uv — 一个二进制吃下整个 PyPI 世界"]
        direction LR
        U1[✓ 解释器
版本管理]
        U2[✓ 环境隔离
uv venv]
        U3[✓ 装包
+ 锁文件]
    end
    subgraph CO["📦 conda — PyPI 之外的平行宇宙"]
        direction LR
        C1[✓ 解释器
版本管理]
        C2[✓ 环境隔离]
        C3[⭐ 非 Python 二进制
CUDA · MKL · GDAL · R]
    end
    PY -.->|"uv python install
接管了这个职能"| UV
    UV -.->|"可以在 conda
环境内运行"| CO
    classDef pyenvBox fill:#374151,stroke:#9ca3af,color:#f3f4f6
    classDef uvBox fill:#1e3a8a,stroke:#60a5fa,color:#dbeafe
    classDef condaBox fill:#065f46,stroke:#34d399,color:#d1fae5
    classDef node fill:#1e293b,stroke:#475569,color:#e2e8f0
    class PY pyenvBox
    class UV uvBox
    class CO condaBox
    class P1,P2,P3,U1,U2,U3,C1,C2,C3 node

看 pyenv 那一行，只有一个对勾。它十几年只干一件事——装和切换 CPython 版本。过去这一件事够难（缺 zlib 头文件、编译五分钟、每次 macOS 升级必挂），所以大家都感激它。但 2024 年 uv 推出 uv python install，直接下载 python-build-standalone 的预编译解释器——我实测下载 CPython 3.12 连网络耗时在内约 20 秒，不需要编译器、不需要头文件、不需要 pyenv rehash。「uv 和 pyenv 怎么选」在 2026 年基本是个已解决的问题：不是 pyenv 退步了，是它唯一的工作被接管了。

conda 那一行是反方向的故事：第三格「非 Python 二进制」是 uv 和 pyenv 碰都不碰的领域，也是 conda 全部剩余价值所在。我在 2020 年那篇 conda 入门里推荐过它做默认选择——六年过去，这个推荐只在一种场景下还成立，往下看。

conda 老用户：迁移 uv 的实操路径

如果你的项目依赖全部来自 PyPI（用 conda list 扫一眼，没有 cudatoolkit、gdal、mkl 这类包就是），迁移成本比想象低得多。四步走完：

第一步，从 conda 环境导出纯 Python 依赖：

conda activate 你的环境
pip list --format=freeze > requirements.txt
# 注意用 pip list 而不是 conda env export——
# 后者导出的 yml 里混着 conda 包名，uv 读不了

第二步，装 uv 并建新环境（此处顺手把国内镜像配上，下一节细讲）：

curl -LsSf https://astral.sh/uv/install.sh | sh
uv venv --python 3.12       # 解释器没有会自动下载
uv pip install -r requirements.txt

第三步，验证跑通后，把项目正式升级成 uv 项目模式——uv init 生成 pyproject.toml，uv add 逐个把核心依赖加进去，得到跨平台锁文件 uv.lock。这一步可选但强烈建议：requirements.txt 是快照，锁文件才是可复现保障。uv 项目模式的完整用法我在 uv 深度指南里写过，不重复。

第四步，处理 shell 初始化。把 .zshrc 里 conda 那段 conda init 注入的初始化块删掉或注释——它每次开 shell 都要吃几百毫秒。留着 miniconda 本体没关系，需要二进制依赖的老项目还能用。

什么样的 environment.yml 不该迁：里面有 cudatoolkit、cudnn、gdal、proj、hdf5、r-base 任意一个的，说明项目吃的就是 conda 的二进制生态，硬迁等于给自己挖坑。这类项目的正确姿势是下面的混合用法或 pixi，见「什么时候别迁」一节。

pyenv 老用户：几乎无感切换

pyenv 用户的迁移是三者里最顺滑的，因为 uv 直接兼容你现有的 .python-version 文件——仓库里一行都不用改。

uv python install 3.11 3.12    # 一次装多个版本，秒级
uv python pin 3.12             # 写 .python-version，和 pyenv 同一个文件
uv python list                 # 查看已装解释器，含系统里已有的

实测我这台机器上 uv python list 连 Homebrew 装的 3.14 和 miniconda 自带的 3.13 都识别出来了——uv 不强迫你用它下载的解释器，能复用就复用。

两个诚实的边界，别等踩了才知道。其一，uv 下载的是 python-build-standalone 预编译产物，其中 musl 版本（Alpine 容器）和 C 扩展模块不兼容，Alpine 上跑编译依赖的先测再上。其二，预编译意味着别人替你做了编译决策（静态链接、自带 OpenSSL），如果你需要自定义 ./configure 参数或打补丁的解释器，pyenv 仍是正确工具——但这大概只覆盖 2% 的开发者。剩下 98%，brew uninstall pyenv 或者放着落灰都行。顺带一提，如果你喜欢这种给工具链瘦身的活，我的终端工具指南是同款乐趣。

国内镜像配置：uv 提速的最后一块拼图

uv 再快，卡在跨境网络上也白搭——我实测冷缓存 36 秒有九成时间在等下载。两个环境变量配齐，国内体验直接换档：

# ~/.zshrc

# 1. 包下载走清华 PyPI 镜像
export UV_DEFAULT_INDEX="https://pypi.tuna.tsinghua.edu.cn/simple"

# 2. 解释器下载走镜像（默认从 GitHub Releases 拉，国内极慢）
#    值填任意一个 python-build-standalone 的镜像前缀，
#    公司内网源或自建代理均可
export UV_PYTHON_INSTALL_MIRROR="<你的镜像>/astral-sh/python-build-standalone/releases/download"

一个新旧版本的坑：老教程里写的 UV_INDEX_URL 已被官方标记废弃，新变量是 UV_DEFAULT_INDEX，旧变量目前还能用但别再往新配置里写。项目级配置也可以写进 pyproject.toml 的 [[tool.uv.index]]，团队协作时比环境变量更可控。

conda 这边如果保留，.condarc 切到清华镜像的 conda-forge 频道，顺手把 defaults 摘掉——既提速又规避下一节的授权问题：

# ~/.condarc
channels:
  - conda-forge
default_channels: []
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

公司环境的三个坑

坑一：Anaconda 的 200 人授权线。 我今天 benchmark 的第一次 conda create 直接被这行报错拦下：

CondaToSNonInteractiveError: Terms of Service have not been accepted
for the following channels:
    - https://repo.anaconda.com/pkgs/main
    - https://repo.anaconda.com/pkgs/r

背景是 Anaconda 2024 年的条款变更：员工数 200 人以上的组织（含外包，营利非营利都算，政府机构不豁免）使用 defaults 频道需要购买商业授权，开发、CI、生产环境全部在覆盖范围内。2025 年 7 月起，conda 安装器内置了条款确认插件，不点接受就不让你访问 defaults 频道——就是我撞上的这面墙。

最阴险的地方在于默认值。我自己这台机器的 miniconda 装了很久没管过，conda config --show channels 一查，赫然是 defaults——也就是说这些年每一次 conda install 走的都是需要授权的频道。国内大厂随便一个部门就超 200 人，如果法务或对方审计较真，这是现成的合规瑕疵。今天就花十秒查一下你的频道配置，比等采购部门来查体面。解法免费：conda 工具本身开源，conda-forge 频道对任何规模公司免费，切频道或直接换 miniforge 即可。也注意 uv 的结构性区别——MIT 协议、没有可以收费的"频道"，Astral 拿了 VC 的钱有它自己的风险，但按人头收授权费这条路在结构上不存在。

坑二：内网私有源。 很多公司 PyPI 走 Artifactory 或 Nexus 代理。uv 对私有源的支持是完整的——UV_DEFAULT_INDEX 指向内网源地址，认证走 UV_INDEX_<NAME>_USERNAME/PASSWORD 或 keyring。先在自己机器上验证一遍再推给团队，别在周五下午动 CI 配置。

坑三：CI 缓存没配等于白迁。 uv 的 52 倍优势建立在热缓存上，CI 里如果每次都冷启动，只能吃到 2 倍。GitHub Actions 用官方 astral-sh/setup-uv 并开 enable-cache: true，自建 CI 把 ~/.cache/uv 挂进缓存卷——这一步做完，依赖安装那一段在 CI 日志里基本消失。

什么时候别迁：conda 仍然赢的三种场景

把话说全了这篇才算诚实。以下三种情况，2026 年的 conda 家族依然是正确答案：

1. 锁定版本的 GPU 工具链。 PyTorch 的 PyPI wheel 现在自带 CUDA 运行时，多数人够用；但你需要 CUDA toolkit 本体（编译自定义算子、TensorRT、特定 cudnn 版本组合）时，uv 无能为力，conda 频道里全是版本对齐好的成品。
2. 地理空间与科学计算 C 栈。 GDAL、PROJ、HDF5、NetCDF——试过在裸机上 pip install gdal 的人都懂那个下午是怎么没的。conda-forge 把这一整套当作经过联测的二进制集合发布。
3. 多语言混合环境。 Python + R + Julia 一个环境复现，PyPI 世界没有任何工具宣称能解决这个问题。

这三种场景下的 2026 最佳实践是混合用法：conda（conda-forge 频道）建环境铺二进制底座，激活后用 uv pip install 装 Python 包——uv 会自动识别激活的 conda 环境并装进去，二进制归 conda、速度归 uv。配 GPU 工作站的硬件选型我在 Apple Silicon AI 工作站指南里写过，逻辑同款。

另外记住 pixi 这个名字：mamba 团队用 Rust 写的"conda 生态的 uv"，用 conda-forge 的包、uv 级别的速度、默认锁文件，PyPI 依赖解析内部直接用的 uv。新开的科学计算项目，先看 pixi 再考虑 conda 本体。

决策树 + 命令对照速查表

全文压缩成一张图：

%%{init: {"theme":"dark","themeVariables":{"fontSize":"14px","fontFamily":"ui-sans-serif,system-ui","lineColor":"#60a5fa"}}}%%
flowchart TB
    Q1{"需要非 Python 二进制吗？
CUDA 工具链 · GDAL · MKL · R"}
    Q1 ==>|不需要| Q2{"需要自定义编译
Python 解释器吗？"}
    Q1 -->|需要| Q4{"新项目还是
存量 conda 项目？"}
    Q2 ==>|不需要| UV["⚡ 全面上 uv
装包 · 环境 · 解释器"]
    Q2 -->|需要| PY["🐍 pyenv 只管解释器
uv 管包和环境"]
    Q4 -->|新项目| PIXI["📦 pixi
conda-forge 生态 + 锁文件"]
    Q4 -->|存量| HYB["📦 conda-forge 建环境
+ ⚡ 环境内用 uv pip"]
    HYB -.-> WARN["⚠️ 公司超 200 人？
立刻摘掉 defaults 频道"]
    PIXI -.-> WARN
    classDef uvNode fill:#1e3a8a,stroke:#60a5fa,color:#dbeafe,stroke-width:2px
    classDef condaNode fill:#065f46,stroke:#34d399,color:#d1fae5,stroke-width:2px
    classDef pyNode fill:#374151,stroke:#9ca3af,color:#f3f4f6
    classDef warnNode fill:#7c2d12,stroke:#f59e0b,color:#fde68a,stroke-width:2px
    classDef qNode fill:#1e293b,stroke:#475569,color:#e2e8f0
    class UV uvNode
    class PIXI,HYB condaNode
    class PY pyNode
    class WARN warnNode
    class Q1,Q2,Q4 qNode

注意树里没有的分支：裸 pip、裸 virtualenv、Anaconda defaults 频道——2026 年这三个选项在任何路径上都存在严格更优解。

日常命令对照，建议截图存着：

最后回答那个更大的问题：Python 工具链折腾了十年才折腾出 uv，值不值得留在这个生态——我在 TypeScript vs Python 里论证过 TypeScript 正在拿走 AI 技术栈的一部分，而 uv 恰恰是 Python 十年来给出的最有力反驳：「Python 包管理是噩梦」这个梗，现在基本只属于 2024 年以前的世界了。

延伸阅读

• uv 深度指南：为什么它取代 pip、conda 和 pyenv — 本文对比结论的 uv 单侧深挖
• conda 入门（2020） — 六年前的推荐，对照本文看时代变化
• TypeScript vs Python：AI 时代的选择 — 生态层面的更大视角
• Mac Apple Silicon AI 工作站指南 — 同一套环境的硬件层
• macOS 终端工具指南 — 工具链瘦身的姊妹篇