Python热度下滑、AI能取代搜索引擎？TIOBE最新榜单揭晓！

Ne0inhk

15 Mar 2026 — 6 min read

整理 | 屠敏

出品 | ZEEKLOG（ID：ZEEKLOGnews）

日前，TIOBE 发布了最新的 3 月编程语言榜单。整体来看，本月排名变化不算大，但榜单中仍然出现了一些值得关注的小波动。

AI 工具能帮大家秒懂最新编程语言趋势？

由于 2 月天数较少，3 月的榜单整体变化有限。借着这次发布，TIOBE CEO Paul Jansen 也回应了一个最近被频繁讨论的问题：为什么 TIOBE 指数仍然依赖搜索引擎统计结果？在大语言模型流行的今天，直接询问 AI 哪些编程语言最流行，是不是更简单？

对此，Jansen 的回答是否定的。

他解释称，TIOBE 指数本质上统计的是互联网上关于某种编程语言的网页数量。而大语言模型的训练数据同样来自这些网页内容，因此从信息来源来看，两者并没有本质区别。换句话说，LLM 的判断，本质上也是建立在这些网页数据之上的。

Python 活跃度仍在下降

虽然整体格局比较稳定，但榜单中还是出现了一些小变化。

其中 Python 依然稳居第一，不过近几个月热度略有下降，本月下降 2.59%，目前占比 21.25%。究其背后原因，一方面或是因为 Python 在数据科学、人工智能等领域已经逐渐成熟，增长空间相比前几年有所放缓。同时，R、Perl、Rust 和 TypeScript 等语言在特定领域的关注度上升，也在一定程度上分散了开发者的关注，使 Python 的相对比例出现小幅下滑。

此外，在前十名中，SQL 与 R 互换了位置。当前，SQL 以 2% 的份额，排在第八位，R 位居第五，占比 1.88%。这种变化在一定程度上反映出数据相关技术的持续热度。随着数据分析、商业智能以及数据工程需求的增长，SQL 作为数据查询和处理的基础语言，依然保持着稳定的关注度。而 R 虽然在统计分析和学术研究领域依然重要，但近年来在部分数据科学场景中，也逐渐受到 Python 生态的竞争。

与此同时，Swift 重新进入前二十名，而 Kotlin 则被挤出了前二十。从生态来看，Swift 的回升可能与 Apple 平台开发需求保持稳定有关，而 Kotlin 虽然仍是 Android 开发的重要语言，但近年来 Android 生态的技术关注度整体趋于平稳，也可能影响了其搜索热度。

除此之外，再往后看，Ruby 的排名也在持续下滑，目前已经逼近前三十名边缘。如果这一趋势继续，未来几个月 Ruby 可能会跌出前 30。业内普遍认为，这与 Ruby on Rails 在新项目中的采用率下降，以及部分 Web 开发逐渐转向 JavaScript、Python 或 Go 等语言有关。

其他编程语言

以下为 Top 21-50 的编程语言榜单：

第 51-100 名如下，由于它们之间的数值差异较小，仅以文本形式列出（按字母排序）：Algol, Alice, Apex, Awk, Bash, C shell, Caml, CL (OS/400), Clojure, Common Lisp, F#, Forth, GAMS, GML, Groovy, Hack, Icon, Inform, Io, J, J#, JScript, JScript.NET, Korn shell, ML, Modula-2, Mojo, MQL5, MS-DOS batch, NATURAL, Nim, OCaml, OpenCL, Q, REXX, RPG, S, Scheme, Small Basic, Smalltalk, Solidity, SPARK, Structured Text, Tcl, V, Vala/Genie, VHDL, WebAssembly, Wolfram, Xojo

Top 10 编程语言 TIOBE 指数走势（2002-2026）

历史排名（1988-2026）

编程语言“名人榜”（2003-2024）

【说明】：

TIOBE 编程语言社区排行榜是编程语言流行趋势的一个指标，每月更新，这份排行榜排名基于全球技术工程师、课程和第三方供应商的数量，其中包括了流行的搜索引擎以及技术社区，如 Google、百度、维基百科、必应、Hao 123 等等。具体的计算方式详见：https://www.tiobe.com/tiobe-index/programming-languages-definition/。请注意这个排行榜只是反映某个编程语言的热门程度，并不能说明一门编程语言好不好，或者一门语言所编写的代码数量多少。

这个排行榜可以用来考察你的编程技能是否与时俱进，也可以在开发新系统时作为一个语言选择依据。

免费开源！50+算法，Java基于YOLO框架的视频AI识别算法平台，适配低空无人机巡检、摄像头安防场景

文末联系小编，获取项目源码 YOLO视频AI识别算法管理平台核心是 YOLO v8神经网络模型的推理运算，推理运算涉及操作CPU内存、GPU内存、GPU并行计算等环节，这些环节可通过Python或C++来实现，每隔1分钟将推理结果信息和对应的图片推送到文件服务器MinIO和消息队列RocketMQ，便于开发者获取到推理结果进行业务开发。同时支持基于ONNX的推理运算和基于Tensorrt的加速推理运算两种方式，只需在调用时传递不同参数即可。 YOLO视频AI识别算法管理平台支持Linux和Windows环境，代码自动判断运行的环境并执行对应的.bat或.sh脚本文件以启动AI模型推理，包含前端完整代码和后端完整代码，开箱即用，为Java开发者训练、部署、使用AI模型提供了参考。可实现人、车、火灾烟雾、河道漂浮物、道路裂痕等视频的实时识别，并将识别结果通过 FFmpeg 推流到 ZLMediaKit 流媒体服务器，使得在 Web页面上可以同时查看原始视频和实时计算视频。 YOLO（You Only Look Once）是一种基于深度神经网络的高效、实时的目标检测算法。它将目标检测

随机森林核心参数详解｜从电信客户流失实战，对比决策树看集成学习的调参逻辑

目录一、前言：为什么你调的随机森林，和决策树效果差不了多少？二、前置铺垫：随机森林的核心原理（和决策树的本质区别）三、四大核心参数详解（含决策树对比 + 实战调参） 3.1 max_depth：树的最大深度 1. 参数定义 2. 和单棵决策树的调参差异（对比参考博文） 3. 实战调参逻辑 4. 本案例效果验证 3.2 min_samples_split：分裂内部节点所需的最小样本数 1. 参数定义 2. 和单棵决策树的调参差异 3. 实战调参逻辑 3.3 min_samples_leaf：叶节点所需的最小样本数 1. 参数定义 2. 和单棵决策树的调参差异 3.

Redis 终极实战宝典：Hash 存数据像对象，List 队列秒级响应，性能优化黑科技全解析！

文章目录 * **`本篇摘要`** * Redis之哈希（Hash） * **Redis哈希（Hash）操作指令** * **1. 基础键值操作** * **2. 批量操作** * **3. 键值列表与统计** * **4. 数值操作** * **5. 高级遍历** * **应用场景与最佳实践** * **常见问题** * Redis 序列化与数据编码 * Hash 结构的应用与优化 * 为什么储存对应用户信息不选择String而选择Hash呢？ * 数据存储的“权衡”与优化思路 * Redis之列表（List） * 上文Hash缺点缺点 * List列表 * List常见指令 * 1. **LPUSH key value1 [value2 ...]** * 2. **RPUSH key value1 [value2 ...]** * 3. **LPOP key [cou

初识数据结构——二叉树从基础概念到实践应用

数据结构专栏 ⬅(click) 初识二叉树：从基础概念到实践应用🌳 一、树型结构基础 1.1 树的基本概念树是一种非线性的数据结构，由n(n>0)个有限节点组成一个具有层次关系的集合。它看起来像一棵倒挂的树，根朝上而叶朝下。关键特点：有且仅有一个根节点，没有前驱节点除根节点外，其余节点被分成M(M>0)个互不相交的子树树是递归定义的重要术语：结点的度：一个结点含有子树的个数树的度：树中所有结点度的最大值叶子结点：度为0的结点双亲结点/父结点：含有子结点的结点孩子结点/子结点：一个结点含有的子树的根结点根结点：没有双亲结点的结点结点的层次：从根开始定义，根为第1层树的高度/深度：树中结点的最大层次 1.2 树的表示方法最常用的表示方法是孩子兄弟表示法： classNode{int value;// 树中存储的数据Node firstChild;// 第一个孩子引用Node nextBrother;