Python3.13+Pydantic v2：PEP695泛型模型类型别名如何保留BaseModel？

在Python 3.13搭配Pydantic v2.11.7的环境中，我想简化GenericTraining[Discriminate[L1LossConfig]]这种冗长的写法，用TrainingLike[L1LossConfig]作为别名，但必须保证这个别名对应的对象是完整的BaseModel子类，能正常使用model_rebuild、验证器等Pydantic模型的核心特性。

下面是最小可复现的代码：

from typing import Annotated, Literal
from pydantic import BaseModel, Field


class L1LossConfig(BaseModel):
    loss_type: Literal["l1"] = "l1"


class GenericTraining[LossT](BaseModel):
    loss: LossT


type Discriminate[T] = Annotated[T, Field(discriminator="loss_type")]

# 1️⃣ 冗长写法 - 正常工作
Training1 = GenericTraining[Discriminate[L1LossConfig]]
Training1.model_rebuild()  # ✅ 正常执行

# 2️⃣ 简洁写法 - 报错
type TrainingLike[T] = GenericTraining[Discriminate[T]]

Training2 = TrainingLike[L1LossConfig]
Training2.model_rebuild()  # ❌ 报错：找不到属性"model_rebuild"

用type定义的是类型别名，它只是对现有类型的引用，不会生成真实的BaseModel子类——而GenericTraining[...]这种写法其实是生成了新的BaseModel子类实例，所以直接用类型别名行不通。

最简单的解决办法是用泛型函数封装泛型模型的实例化逻辑，每次调用函数时都会生成对应的BaseModel子类：

from typing import Annotated, Literal, TypeVar
from pydantic import BaseModel, Field

# 定义泛型变量
T = TypeVar('T')

class L1LossConfig(BaseModel):
    loss_type: Literal["l1"] = "l1"

class GenericTraining[LossT](BaseModel):
    loss: LossT

type Discriminate[T] = Annotated[T, Field(discriminator="loss_type")]

# 用泛型函数替代类型别名
def TrainingLike[T]() -> type[GenericTraining[Discriminate[T]]]:
    return GenericTraining[Discriminate[T]]

# 使用方式
Training2 = TrainingLike[L1LossConfig]()
Training2.model_rebuild()  # ✅ 正常执行

# 验证模型特性：创建实例测试
sample = Training2(loss={"loss_type": "l1"})
print(sample)  # 输出：loss=L1LossConfig(loss_type='l1')

如果想要更贴近类型别名的调用方式（不用加括号），可以通过自定义元类或实现__class_getitem__来实现，但上述函数封装的方式已经足够简洁，且易于维护——后续如果需要修改Discriminate的逻辑，只需要调整函数内部即可。

内容的提问来源于stack exchange，提问作者Danilo Horta