Python math.fma为什么与先乘后加的结果不同

math.fma(x, y, z)与x * y + z可能不同，是因为前者把乘加作为一个融合运算，只在最后舍入为float；后者的乘积可能已经舍入，再拿这个乘积参与加法。当乘积与z接近相消时，中间丢掉的小量会直接影响最终结果。

下面用一组可精确表示的二进制输入拆开这个问题。示例按常见的IEEE 754 binary64、53位有效精度推导，代码供读者复现，没有声称已经在本机运行。

官方文档：https://docs.python.org/3.14/library/math.html#math.fma

准备支持fma的解释器

Python标准库从3.13开始提供math.fma。文档把它定义为仿佛先用无限精度和范围完成乘加，然后仅进行一次最终舍入。这里的“仿佛”是结果语义，不表示实现真的分配了无限内存，也不保证你的某次调用一定更快。

将下方代码保存为fma_compare.py，用支持该接口的解释器执行。它只使用math、sys与fractions标准库，不需要安装第三方包、启动服务或创建数据库。

选择能精确表示的输入

取delta = 2**-27，令x = 1 + delta、y = 1 - delta、z = -1。在上述精度下，两项输入都能精确存储。理想的乘积是1 - 2**-54，再加z应为-2**-54。

这组数避开了0.1之类十进制小数的输入近似，让我们只看运算阶段的舍入。代码中的separate表示分离算式，Fraction用作精确参照；两者与math.fma接收的是相同输入对象的数值。

写出两种计算与精确参照

import math
import sys
from fractions import Fraction

# 只在具备融合乘加接口的解释器中继续，避免静默改变算法语义。
if not hasattr(math, "fma"):
    raise SystemExit("需要支持 math.fma 的 Python 3.13 或更新解释器")
if (sys.float_info.radix, sys.float_info.mant_dig) != (2, 53):
    raise SystemExit("本例按常见二进制53位有效精度推导")

# 两个输入都能精确表示，避免把十进制输入误差混入本例。
delta = 2.0 ** -27
x, y, z = 1.0 + delta, 1.0 - delta, -1.0
separate = x * y + z
fused = math.fma(x, y, z)

# 用已存储浮点值的精确分数作为参照，不重新解释十进制文案。
exact = Fraction.from_float(x) * Fraction.from_float(y) + Fraction.from_float(z)
print("separate =", separate.hex())
print("fused =", fused.hex())
print("exact =", exact)
print("separate_error =", Fraction.from_float(separate) - exact)
print("fused_error =", Fraction.from_float(fused) - exact)

float.hex()让结果以二进制浮点的十六进制形式展示。Fraction直接读取已经存储的浮点值，所以参照回答的是“对这组机器输入做精确算术应得多少”，不把一段原始十进制字符串当成另一组输入。

代码开头明确拒绝不满足示例条件的环境，而不是退回普通乘加。运行后应将实际结果与下表的数学预期比较；若环境提前退出，先处理解释器条件。

解释结果差异与误差来源

在1.0下方，相邻binary64数是1 - 2**-53。精确乘积1 - 2**-54恰处于它和1.0之间，按常见的最近偶数舍入得到1.0。相消之后的0并非精确数学答案，只是中间舍入的后果。融合运算没有先把乘积单独存成float，因此能得到可表示的负小量。

不要把“这一例精确”扩大成“所有fma结果都精确”。最终答案若无法表示为float，仍然需要舍入；而输入在进入运算前丢失的精度，也不会因融合乘加而重新出现。

扩展输入并明确兼容策略

可以把代码中的delta改为2.0 ** -20，保留其余结构，再比较两种结果。此时精确乘积里的小量能够留在binary64中，两种写法可能相同。这个对照有助于判断：差异取决于数值与舍入位置，不是调用fma就必然看到不同结果。

旧版本兼容代码若用x * y + z替代fma，只能称作改变语义的兼容方案，不能宣称完全等价。算法依赖单次舍入时，应明确最低运行环境，或另外设计具备所需语义的实现，并说明代价。

涉及无穷、NaN、最终溢出等情况时，应为业务接口单独定义处理规则。不要把所有异常统一返回0，否则真正的输入问题也会伪装成正常数值。

清理与常见问题

这个小实验不持有外部资源，结束解释器即可。若不再保留示例，只需自行删除保存的脚本；无需停止后台进程。

加上括号能让普通算式融合吗？

(x * y) + z仍表达分离乘加。需要融合语义时显式调用math.fma，不能把书写形式当作融合保证。

为什么打印相同的小数也可能存在差异？

显示精度可能遮住差异。对有限float可查看hex表示，并像本例一样与已存储值的精确分数参照比较。

fma会修正0.1的输入误差吗？

不会。它针对提供的数值完成融合运算，无法恢复输入转换前未保存的信息。选择计算类型时，先明确输入和业务所需的数值语义。

浮点表示参考：https://docs.python.org/3.14/tutorial/floatingpoint.html