Vercel вывела Python в GA и запустила Daemons для фоновых воркеров

Vercel на конференции Vercel Ship в Сан-Франциско расширила набор бэкенд-нагрузок, которые можно запускать на платформе. Python вышел в general availability, контейнеры в Vercel Functions позволяют использовать собственные рантаймы и системные библиотеки, а Vercel Daemons в публичной бете дают фоновых воркеров, которые не засыпают между задачами. Только Python-бэкенды сегодня держат 150 000 команд, среди которых инженеры OpenAI, Polymarket и Exa.

Python: фреймворки на стандартном CPython

Компания продолжает линию прошлого года, когда появилась нулевая конфигурация для Python и TypeScript. К лету стали доступны Vercel Services, позволяющие деплоить фронтенд и бэкенд вместе, а также очереди и устойчивые воркфлоу. Теперь Python получил статус GA. FastAPI, Flask и Django работают на обычном CPython с зависимостями из PyPI, а Vercel берёт на себя определение фреймворка, сборку и масштабирование. Локальная разработка, превью и продакшен-деплои устроены так же, как у фронтенда.

Отдельно выпущены Python SDK для продуктов платформы: Vercel Blob для файлов, Vercel Queues для фоновых задач, Vercel Workflows для устойчивых шагов, Vercel Sandbox для запуска недоверенного кода. AI SDK для Python отвечает за стриминг ответов модели и обработку вызовов инструментов. Для AI-команд это ключевой кусок: Python остаётся основным языком вокруг моделей, и теперь его не нужно выносить на отдельную инфраструктуру.

Показательный кейс привела Delphi, компания, которая создаёт цифровые «разумы» по книгам и выступлениям. Она перенесла Python-бэкенд с AWS ECS на Vercel. В команде десять инженеров и нет выделенной инфраструктурной роли, при этом в продакшен она выкатывает более 100 раз в день, а фоновые задачи обрабатывает через Queues. Founding Engineer Спенсер Шобен говорит, что с Vercel о инфраструктуре почти не приходится думать.

Контейнеры и Daemons: любой язык и воркеры без простоя

Контейнерный рантайм принимает приложения на любом языке вместе с нужными библиотеками ОС и исполняемыми файлами. С момента публичной беты 5 000 команд сделали 150 000 контейнерных деплоев. Контейнеры разворачиваются как Vercel Functions на Fluid compute и масштабируются вместе с трафиком. Действует модель Active CPU: время ожидания ответов API, запросов к базе и LLM-инференса не тарифицируется. Перед такими нагрузками стоят CDN и WAF, а для расследований есть логи и откаты.

Daemons закрывают другую задачу: процесс должен жить постоянно. Контейнер работает как фоновый воркер на Fluid compute, вы задаёте число экземпляров в каждом регионе, а Vercel поддерживает эту ёмкость и перезапускает упавшие или завершившиеся процессы. На старте поддерживаются pull-нагрузки: код сам запрашивает работу у другой системы, например читает сообщения из очереди или забирает задания из базы.

В примере из анонса видеоприложение с фронтендом на Next.js готовит для каждого загруженного ролика копию для воспроизведения и миниатюру. Dockerfile на python:3.12-slim ставит ffmpeg, зависимости и запускает processor.py. В vercel.toml описаны сервис фронтенда, маршрутизация и демон videos с одним экземпляром в регионе iad1 (Вашингтон).

• Python: GA, FastAPI, Flask, Django, зависимости из PyPI.
• Масштаб: 150 000 команд с Python-бэкендами.
• Контейнеры: 5 000 команд и 150 000 деплоев за время беты.
• Тарификация: Active CPU, без оплаты простоя в ожидании API, БД и LLM.
• Daemons: публичная бета, число экземпляров задаётся по регионам, автоперезапуск.
• Режим работы Daemons на старте: только pull-нагрузки.

С чего начать

Проще всего взять существующий Python-сервис на FastAPI или Django и проверить, ложится ли он на zero-config деплой. Если нужны ffmpeg, нативные библиотеки или нестандартный язык, добавляйте Dockerfile и разворачивайте через Git или Vercel CLI: образ соберётся и попадёт в Vercel Container Registry. Для обработки видео, эмбеддингов и других долгих задач, которые разбирают очередь, логичный кандидат на Daemons. Учтите ограничения беты: пока только pull-модель, поэтому воркеры, ждущие входящих соединений, под неё не подойдут. Перед переездом стоит сравнить счёт с текущим: Active CPU выгоден там, где сервис много ждёт внешних ответов, и менее заметен на постоянно загруженных вычислениях.