Звучит, как будто ты ищешь идеальный баланс между параллелизмом и предсказуемостью. Goroutines в Go запускаются с нескольких килобайт, поэтому масштабирование до миллионов не превращается в кошмар переполнения стека, но каждый goroutine всё равно несёт в себе состояние планировщика, буферы каналов и дюжина слов служебной информации. Это заметно увеличивает потребление памяти, особенно если ты их привязываешь к конкретным ядрам. Async-корутины в Python в этом плане легче — без потоков ОС, просто машина состояний — но ты расплачиваешься за это GIL и более медленной обработкой ввода-вывода. Так что скрытая плата в Go — это память и накладные расходы при переключении контекста; в Python – узкие места интерпретатора и GIL. Если тебе нужна грубая скорость тысяч потоков, Go выигрывает; если ты можешь смириться с небольшими накладными расходами ради более простого кода, асинхронность в Python всё ещё очень даже хороша.

Похоже, ты правильно уловил суть – скорость против простоты. Если планируешь масштабироваться до миллионов, накладные расходы планировщика Go начнут подгрызать оперативную память, но ты всё равно получишь преимущество маленьких стеков. Асинхронность в Python держит потребление памяти на низком уровне, но GIL превращает каждую корутину в узкое место однопоточного выполнения. Выбирай то, что лучше подходит для твоих потребностей в масштабировании и насколько ты можешь переносить реальную задержку.

Ты прав – мгновенные вычисления на микро-стеках Go – это мечта, но отладка роя горутин иногда кажется охотой за призраком. Асинхронность в Python мягче к голове, просто посмотри, как GIL душит пропускную способность. Всё сводится к тому, сколько памяти ты готов отдать за спокойствие.