Rust製のPython型チェッカーty 0.0.107とPyrefly 1.4.1を同じ環境で実測比較しました。3,000モジュールのチェック速度と、型注釈なし関数の推論や設定なし実行の罠をまとめます。
ty と Pyrefly の選択で迷いやすいポイント
Pythonの型チェッカーをRust製へ乗り換えるとき、判断材料が足りず迷うケースが増えています。
- mypyやPyrightから高速化したいが、AstralのtyとMetaのPyreflyのどちらが速いか実測値が欲しい
- 既存の型注釈が薄いコードベースで、エラーの出し方にどんな違いが出るのか知りたい
- 設定ファイルやCI導入時に引っかかりやすい落とし穴を先に把握したい
対象読者: Pythonプロジェクトの型チェック高速化やツール選定を担当している開発者です。
前提知識: pyproject.tomlでの設定や、mypy・Pyrightを使った基本的な型チェックの流れを把握している前提で進めます。
結論
同じマシンと同一のPythonコードで比較したところ、チェック速度はコールド・ウォームともにtyが速く、型注釈なし関数の推論と1.x系の安定性はPyreflyが優位という結果になりました。
| 比較項目 | ty 0.0.107 | Pyrefly 1.4.1 |
|---|---|---|
| 開発元とリリース状況 | Astral(ベータ 0.0.x) | Meta(安定版 1.x) |
| 300モジュール(初回 / 2〜4回目中央値) | 0.135s / 0.067s | 0.249s / 0.215s |
| 3,000モジュール(初回 / 2〜4回目中央値) | 1.040s / 0.239s | 1.259s / 0.361s |
| 設定ファイルなし実行 | 通常どおり4件検出 | basicプリセットになり0 errors |
| 型注釈なし関数の戻り値推論 | 既定はUnknown(推論しない) | 既定のdefaultで関数本体から推論 |
| 独自キャッシュディレクトリ生成 | なし | なし |
どちらも3,000モジュールのチェックをウォーム時0.4秒以内で終えるため、速度だけで悩む段階はすでに終わっていますね。実用上の分かれ目は「設定なしの安全側挙動」と「型注釈がない関数をどう扱うか」です。
計測条件とベンチマーク構成
公平に比べるため、各ツールに専用の検証ディレクトリを用意し、同じPython 3.12の隔離環境で計測しました。
- 検証環境: Windows 11 (build 10.0.26200) / Ryzen 9 PRO 8945HS / メモリ 28GB / uv 0.13.6(Python 3.12.14)
- 対象バージョン: ty 0.0.107(2026-11-18) / Pyrefly 1.4.1(2026-11-04)
- ディレクトリ分離: 初回のOSファイルキャッシュの影響を分けるため、
fair_ty_*とfair_pf_*の別ディレクトリを生成して計測 - 計測回数: 初回コールド実行1回と、連続3回のウォーム実行の中央値を記録
各モジュールは直前と10個前のモジュールをimportし、TypedDict・Generic・dataclass(frozen=True) を組み合わせた構成です。
# fair_ty_300/pkg/mod_0010.py(実際に生成・検証したモジュール)
from dataclasses import dataclass
from typing import Generic, TypedDict, TypeVar
T = TypeVar('T')
class Item10(TypedDict):
id: int
label: str
@dataclass(frozen=True)
class Box10(Generic[T]):
value: T
tag: str = 'ok'
from pkg.mod_0009 import compute_9
from pkg.mod_0000 import Box0
def compute_10(x: int, name: str) -> Item10:
prev = compute_9(x + 1, name)
box: Box10[int] = Box10(value=prev['id'])
return {'id': box.value, 'label': prev['label']}
# 実行結果: 300モジュールと3,000モジュールの両方で両ツールともexit 0
実測1:300〜3,000モジュールの型チェック速度
チェック速度は300モジュールと3,000モジュールのどちらでもtyが上回り、3,000モジュールのウォーム実行はtyが0.239秒、Pyreflyが0.361秒でした。
| 規模 | ty 初回 | ty ウォーム中央値 | Pyrefly 初回 | Pyrefly ウォーム中央値 |
|---|---|---|---|---|
| 300モジュール | 0.135s | 0.067s | 0.249s | 0.215s |
| 3,000モジュール | 1.040s | 0.239s | 1.259s | 0.361s |
$ ./.venv/Scripts/python.exe bench.py
# 実行結果
# === 300 modules ===
# ty : 1st=0.135s warm_med=0.067s
# pyrefly: 1st=0.249s warm_med=0.215s
# === 3000 modules ===
# ty : 1st=1.040s warm_med=0.239s
# pyrefly: 1st=1.259s warm_med=0.361s
どちらもプロジェクト配下にキャッシュ用ディレクトリを一切残さないため、2回目以降の高速化はOS側のファイルキャッシュによるものです。ウォーム時の倍率ではtyがPyreflyより300モジュールで約3.2倍、3,000モジュールで約1.5倍速く動きますよ。
実測2:型注釈なし関数の推論と交差型の違い
戻り値の型注釈を省いた関数や複雑な絞り込みを食わせると、両ツールの設計思想の違いがそのままエラー数に表れます。
# diff_cases.py(全15行)
def build_pair(a: int):
return (a, str(a))
pair = build_pair(10)
bad_sum: int = pair[1] + 1
def handle(val: int | str | bool) -> int:
if isinstance(val, bool):
return 0
return val + 1
count: int = 1 # type: ignore
# 実行結果(ty 既定):
# diff_cases.py:12:12: error[unsupported-operator] Operator `+` is not supported between objects of type `(int & ~bool) | str` and `Literal[1]`
# diff_cases.py:15:17: warning[unused-type-ignore-comment] Unused blanket `type: ignore` directive
# Found 2 diagnostics
#
# 実行結果(Pyrefly preset=default):
# ERROR diff_cases.py:6:16-27: `+` is not supported between `str` and `Literal[1]` [unsupported-operation]
# ERROR diff_cases.py:12:12-19: `+` is not supported between `str` and `Literal[1]` [unsupported-operation]
# INFO 2 errors
build_pair には戻り値の型注釈がありません。tyは既定で戻り値を Unknown として扱うため pair[1] + 1 を通しますが、Pyreflyは関数本体から tuple[int, str] を推論してエラーを出します。
段階的導入でレガシーコードのエラー爆発を避けたいときはtyの既定挙動が助かりますね。逆にtyでも厳密に拾いたい場合は、tyのConfigurationリファレンスにある return-type-inference = "always" を設定すると同じバグを検出できます。
$ ty check --config-file ty_infer.toml --output-format concise diff_cases.py
# 実行結果
# diff_cases.py:6:16: error[unsupported-operator] Operator `+` is not supported between objects of type `str` and `Literal[1]`
# diff_cases.py:12:12: error[unsupported-operator] Operator `+` is not supported between objects of type `(int & ~bool) | str` and `Literal[1]`
# diff_cases.py:15:17: warning[unused-type-ignore-comment] Unused blanket `type: ignore` directive
# Found 3 diagnostics
また handle のエラーメッセージにも差が出ました。Pythonでは bool が int のサブクラスなので、isinstance(val, bool) を弾いた後の型をtyは (int & ~bool) | str と否定交差型で表示します。さらにtyは不要な # type: ignore も既定で警告してくれますよ。
つまずきポイント:設定ファイルなしのPyrefly素通り問題
設定ファイルを置かずに単発ファイルへコマンドを流すと、Pyreflyはほとんどの型エラーを素通りさせます。
# cases.py より抜粋(TypedDict・Protocol・None渡し・frozen dataclass)
cfg_bad: Config = {"host": "localhost", "port": "8080"}
shutdown(BadResource())
return len(raw) # raw は None の分岐
pt.x = 10 # frozen=True への代入
同じ cases.py を設定ファイルなしでチェックした結果がこちらです。
$ ty check --output-format concise cases.py
# 実行結果: exit=1(4 diagnostics)
# cases.py:16:49: error[invalid-argument-type] Invalid argument to key "port" ...
# cases.py:29:10: error[invalid-argument-type] Argument to function `shutdown` is incorrect ...
# cases.py:35:16: error[invalid-argument-type] Argument to function `len` is incorrect ...
# cases.py:44:1: error[invalid-assignment] Property `x` defined in `Point` is read-only
$ pyrefly check --output-format min-text cases.py
# 実行結果: exit=0
# INFO 0 errors
# No `pyrefly.toml` found — using preset `basic`.
# Run `pyrefly init` to continue setting up Pyrefly.
PyreflyのConfigurationドキュメントにも書かれているとおり、設定が見つからないと basic プリセットへ自動フォールバックし、構文エラーや未解決importなど高信頼な最小限の項目以外を黙らせます。CIや検証スクリプトで使うなら pyrefly init で pyrefly.toml を作るか、-p default を明示してください。
実測時に踏んだ注意点は次の3つです。
- 単発チェックで
pyrefly.tomlを作りたくないときは、pyrefly check -p default cases.pyを渡すと5件すべて検出できます - Pyreflyのプリセットは
off・basic・legacy・default・strict・allの6種類で、standardを書くとTOMLパースエラーになります - PowerShellから
ty check --config 'analysis.return-type-inference = "always"'を渡すと内側の二重引用符が剥がれるため、--config-file ty.tomlかpyproject.tomlに書く方が確実です
検証環境
| OS | Windows 11 (build 10.0.26200) |
|---|---|
| CPU | AMD Ryzen 9 PRO 8945HS w/ Radeon 780M Graphics |
| メモリ | 28GB |
| 言語/ツール | ty 0.0.107 / Pyrefly 1.4.1 / Python 3.12.14 / uv 0.13.6(uv venv の隔離環境に導入) |
| 使用コマンド | ty check / pyrefly check(cases.py・diff_cases.py)/ python bench.py(300・3,000モジュール) |
| 測定日 | 2026-11-19 |
上記の環境で実際に実行して確認した結果です。環境が異なる場合は挙動が変わることがあります。

どちらを選ぶべきか
実測値と運用の安定性を踏まえると、選定基準は次のとおりに分かれます。
| 導入シーン | おすすめ | 理由 |
|---|---|---|
| uvやRuffとツールチェーンを揃えたい | ty | Astral製で設定感が近く、ウォーム実行も0.067〜0.239sと最速帯 |
| 注釈の薄い既存コードからバグを拾いたい | Pyrefly | defaultプリセットの時点で未注釈関数の戻り値まで型推論が効く |
| 本番CIへすぐ安定版を入れたい | Pyrefly | v1.4.1で安定版1.xに達しており、v1.4系で誤検出抑制も進んでいる |
| mypy・Pyrightからの自動移行を省力化したい | Pyrefly | pyrefly init に既存設定のマイグレーション機能が組み込まれている |
どちらを選んでも数千ファイル規模の待ち時間は0.5秒未満に収まります。既存プロジェクトへ安全に段階導入したいならty、既存Pythonコードの推論力と1.x系の安定性を重視するならPyreflyから試してみてくださいね。
参考
- ty 公式ドキュメント(Astral)
- ty Configuration リファレンス(return-type-inference ほか)
- astral-sh/ty リリース一覧(GitHub・0.0.107 確認)
- Pyrefly 公式ドキュメント
- Pyrefly Configuration リファレンス(basic プリセット仕様)
- Pyrefly v1.4: Fewer false positives(公式ブログ)
- pyrefly-org/pyrefly リリース一覧(GitHub・1.4.1 確認)
あわせて読みたい
- 【Python】flake8 + black + isort から Ruff 0.17 へ移行したログ — 実際に壊れた4箇所
- uv のインストールと使い方 — Pythonのパッケージ管理を高速化
- 【Python】Python 3.15 移行ログ — 3.14 から上げて壊れた箇所と直し方
この記事を書いた人: Kurosaki.Ren。記事のコードは隔離した環境で実行してから掲載しています。詳しいプロフィールは著者プロフィールページへどうぞ。
【広告】このサイトはConoHa WINGで運営しています。安定した高速サーバーで快適にブログを書けています。いつもありがとう!!![]()

コメント