以其在人工智能领域的发展而闻名的 DeepMind 开源了 S6 项目，该项目为 Python 语言开发了 JIT 编译器。 该项目之所以有趣，是因为它被设计为一个可以与标准 CPython 集成的扩展库，它提供了与 CPython 的完全兼容性，并且不需要修改解释器代码。 该项目从2019年开始开发，可惜被缩减，不再开发。 由于创建的开发可能对改进 Python 有用，因此决定开放源文本。 JIT 编译器代码是用 C++ 编写的，基于 CPython 3.7。 并在 Apache 2.0 许可下开放。
就其解决的任务而言，Python 的 S6 与 JavaScript 的 V8 引擎进行了比较。 该库用自己的实现替换了现有的 ceval.c 字节码解释器处理程序，该实现使用 JIT 编译来加速执行。 S6 检查当前函数是否已经编译，如果是，则执行编译后的代码，如果没有，则以类似于 CPython 解释器的字节码解释模式运行该函数。 解释计算与正在处理的函数关联的已执行指令和调用的数量。 达到某个里程碑后，将启动编译过程以加速频繁执行的代码。 编译为 strongjit 中间表示，经过优化后，使用 asmjit 库将其转换为目标系统的机器指令。
根据负载的性质，在最佳条件下，与通常的 CPython 相比，S6 的测试执行速度提高了 9.5 倍。 运行Richards测试套件100次迭代时有7倍的加速，运行包含大量数学计算的Raytrace测试时有3-4.5倍的加速。
S6 难以优化的任务是使用 C API 的项目，例如 NumPy，以及需要检查大量值类型的相关操作。 由于使用了 S6 自己未优化的 Python 解释器实现（开发还没有到解释模式优化阶段），因此对于资源密集型函数的单次调用也观察到性能不佳。 例如，在解包大量数组/元组的解包序列测试中，通过一次调用，观察到最多 5 倍的减速，而通过循环调用，CPython 的性能为 0.97。
来源： opennet.ru