Выпуск языка программирования Mojo 1.1

17 сентября 2026 года вышло апдейт языка программирования Mojo 1.1. Этот версия примечателен началом приёма в кодовую базу компилятора изменений от сторонних участников. В августе 2026 года состоялся начальный мажорный релиз Mojo, который ознаменовал стабилизацию языка и реализацию всех базовых возможностей и оценивается как готовый к повсеместному использованию. Использование стабильной ветки проекта Mojo 1.х даёт возможность создавать крупные проекты, не опасаясь появления в языке изменений, нарушающих совместимость.

В состав модульной платформы решения включены компоненты, необходимые для разработки приложений на языке Mojo, в том числе компилятор, runtime, интерактивную REPL‑оболочку для сборки и запуска программ, отладчик, дополнение к редактору кода Visual Studio Code (VS Code) с поддержкой автодополнения ввода, форматирования кода и подсветки синтаксиса, компонент для интеграции с Jupyter для сборки и запуска Mojo notebook. Исходный код стандартной библиотеки Mojo открыт под лицензией Apache 2.0 c исключениями от проекта LLVM, допускающими смешивание с кодом под лицензией GPLv2. Исходный код компилятора планируют открыть после завершения стабилизации внутренней архитектуры.

Язык Mojo развивается под руководством Криса Латнера (Chris Lattner), основателя и главного архитектора проекта LLVM и создателя языка программирования Swift. Синтаксис Mojo основан на языке Python, а система типов близка к C/C++. Проект преподносится как язык общего назначения, расширяющий возможности языка Python средствами системного программирования, подходящий для широкого круга задач и сочетающий простоту применения для исследовательских разработок и быстрого создания прототипов с пригодностью для формирования высокопроизводительных конечных продуктов.

Простота достигается благодаря использованию привычного синтаксиса языка Python, а разработке конечных продуктов способствуют возможность компиляции в машинный исходник, механизмы безопасной работы с памятью и задействование средств для аппаратного ускорения вычислений. Для достижения высокой производительности поддерживается распараллеливание вычислений с задействованием всех имеющихся в системе аппаратных ресурсов гетерогенных систем, таких как GPU, специализированные ускорители для машинного обучения и векторные процессорные инструкции (SIMD). При интенсивных вычислениях распараллеливание и задействование всех вычислительных ресурсов даёт функция добиться производительности, превосходящей приложения на C/C++.

Язык Mojo поддерживает статическую типизацию и средства для безопасной низкоуровневой работы с памятью, напоминающие возможности языка Rust, такие как отслеживание времени жизни ссылок и тест заимствования переменных (borrow checker). При этом в языке доступны и возможности для низкоуровневой работы, например, возможно прямое обращение к памяти в режиме unsafe с использованием типа Pointer, вызов отдельных SIMD‑инструкций или доступ к аппаратным расширениям, таким как TensorCores и AMX.

Инициатива Mojo может использоваться как в режиме интерпретации с использованием JIT, так и для компиляции в исполняемые файлы (AOT, ahead‑of‑time). В компилятор встроены современные технологии автоматической оптимизации, кэширования и распределённой компиляции. Исходный исходник на языке Mojo преобразуются в низкоуровневый промежуточный код MLIR (Multi‑Level Intermediate Representation), развиваемый проектом LLVM. Компилятор даёт возможность использовать для генерации машинного кода разнообразные бэкенды, поддерживающие MLIR.

По информации OpenNET, основные изменения в Mojo 1.1:

• сокращено время компиляции за счёт более быстрой обработки t‑строк и неявных преобразований. Повышена эффективность генерируемого кода.

• в LSP‑сервере (Language Server Protocol) реализована функция исправления частых опечаток в коде на языке Mojo.

• добавлен сокращённый синтаксис, позволяющий не указывать названия типов, которые можно автоматически определить исходя из контекста. В частности, вместо «SIMD[DType.float64, 4]» теперь можно писать «SIMD[.float64, 4]».

• расширен перечень api в стандартной библиотеке, имеющих статус стабильных (в частности, стабилизированы String, SIMD и List).

• продолжен перевод api с устаревшей формы замыканий, передаваемых как параметры, обрабатываемые во время компиляции, на унифицированные замыкания, передаваемые в виде аргументов, обрабатываемых во время выполнения.

• удалены возможности, ранее помеченные как устаревшие: ключевые слова fn, alias, __comptime_assert, а также конструкции «@parameter if» и «@parameter for».

Равным образом сформирован версия движка MAX Framework 26.6. Это система для разработок в области машинного обучения. MAX Framework дополняет инструментарий Mojo средствами для разработки и отладки приложений, использующих модели машинного обучения в различных форматах (TensorFlow, PyTorch, ONNX и тому подобное). В MAX Framework 26.6 добавлена поддержка генерации звука с использованием модели MiniMax‑Music3, позволяющая разрабатывать стерео музыку с частотой дискретизации 44.1 кГц на основе текстового описания. Существенно повышена эффективность при работе на системах с GPU Nvidia и AMD. Добавлена сопровождение AI‑моделей Inkling и GLM-5.3, а также расширена поддержка семейств моделей Kimi, Qwen и Gemma.

В марте 2024 года организация Modular сообщила, что язык программирования Mojo теперь открыт. В релиз вошли основные модули стандартной библиотеки. Они опубликованы на GitHub по лицензии Apache 2. С проектами, которые уже используют Mojo, можно познакомиться в репозитории Awesome Mojo.

Разработчики Mojo рассказали, что улучшают язык программирования с мая 2023 года. Команда проекта отмечает, что создание нового языка и всей инфраструктуры — тяжёлая работа, требующая времени. Сейчас инициатива дошёл до стадии, когда ему нужно участие сторонних разработчиков с новым взглядом и идеями.

В сентябре 2023 года разработчики языка программирования Mojo открыли доступ к инструментарию Mojo SDK, позволяющему компилировать ИИ-проекты на локальной системе. Ранее для тестирования Modular предлагала только online-интерфейс для работы с Mojo Toolbox.