Plutus项目1.42.0.0版本核心功能解析与优化
Plutus是Cardano区块链平台的智能合约开发框架,它基于Haskell语言构建,允许开发者编写安全可靠的智能合约。1.42.0.0版本带来了多项重要更新,包括核心功能的增强、性能优化以及新特性的引入。
加密库升级:从cryptonite到crypton
本次更新最显著的变化之一是加密库的切换。Plutus-core模块将底层加密实现从cryptonite迁移到了crypton库。crypton是一个与cryptonite兼容的替代品,这种切换属于无缝升级,不会影响现有合约的功能,但可能带来性能提升和安全性改进。
新增BuiltinArray类型及相关操作
1.42.0.0版本引入了一个重要的新类型——BuiltinArray,并提供了三个核心操作函数:
listToArray:将列表转换为BuiltinArray类型indexArray:通过索引访问BuiltinArray中的元素lengthOfArray:获取BuiltinArray的长度
这个新类型为智能合约开发提供了更高效的数据结构选择,特别是在需要频繁随机访问元素的场景下,相比传统的列表结构会有更好的性能表现。
DropList内置功能及成本模型
新版本增加了DropList内置功能及其对应的成本模型。DropList是一种特殊的数据结构操作,在智能合约中处理列表数据时能够提供更高效的操作方式。配套的成本模型确保了这些操作在区块链上执行时能够正确计算gas消耗,防止资源滥用。
Plutus IR优化:修复死代码消除缺陷
Plutus中间表示(Plutus IR)的死代码消除(DCE)过程存在一个潜在缺陷,可能导致错误地移除活跃的数据构造器或解构器。这个缺陷在1.42.0.0版本中得到了修复,确保了编译器优化过程不会意外删除必要的代码,提高了编译结果的可靠性。
PlutusTx模块功能增强
PlutusTx模块是智能合约开发的核心部分,本次更新带来了多项改进:
-
新增fix函数:提供了Plinth版本的
Data.Function.fix,为递归算法实现提供了基础支持。 -
空间-时间权衡工具:新增的
PlutusTx.Optimize.SpaceTime模块包含了一系列实用工具,特别是递归展开(recursion unrolling)功能,允许开发者在代码大小和执行速度之间做出权衡。 -
列表操作增强:
PlutusTx.Data.List模块新增了null函数和其他实用列表操作,丰富了基础数据结构的功能集。 -
内联优化改进:
PlutusTx.Optimize.Inline.inline函数现在支持内联局部绑定,为性能关键代码提供了更灵活的优化手段。 -
AsData性能提升:移除了产品类型代码生成中的构造函数ID检查,并避免创建严格的死绑定,显著提升了相关操作的执行效率。
编译器默认行为调整
Plutus编译器插件也进行了几项重要调整:
-
日志保留:
preserve-logging编译标志的默认值改为true,确保调试信息在默认情况下不会被优化掉。 -
固定点操作符内联:Plinth编译器现在默认内联固定点操作符,这一行为可以通过
no-inline-fix或conservative-optimisation选项关闭。 -
局部绑定内联:内联器现在能够处理带有INLINE编译指示的局部绑定,而不仅仅是顶层绑定,为细粒度优化提供了可能。
这些变化共同提升了Plutus智能合约的编译效率和运行时性能,同时为开发者提供了更多优化控制选项。1.42.0.0版本的更新主要集中在性能优化和新功能引入上,体现了Plutus项目持续改进的承诺,为Cardano生态系统的智能合约开发提供了更加强大和高效的工具链。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00